[发明专利]一种变压器声学指纹不停电检测及状态预警方法

说明书

本发明提出的是一种变压器声学指纹不停电检测及状态预警方法。包括以下几个方面：变压器运行工况声学指纹在线采集的传感监测，变压器声学指纹识别模型，变压器声学指纹降维及分类，变压器声学指纹异常评价及故障定位。建立人工智能的变压器声纹状态识别方法，实时噪音提取，剔除背景噪音后进行特征提取，特征提取作为加载训练好的设备声纹模型输入，模型给出设备预测判定，根据设备预测判定结果给出预警或者决策信息。本发明在不停电状态及时预警并及时通知运维人员进行快速处置，提升设备安全性能，实现多方位，全感知，早预警的设备状态建模与监控，使“被动抢修”为“主动预警”。适宜作为一种变压器声学指纹不停电检测及状态预警方法应用。

技术领域

本发明涉及电力领域的变压器，尤其涉及一种变压器声学指纹不停电检测及状态预警方法。

背景技术

随着我国社会经济的发展和城市化的推进，供电负荷不断增长，电力变压器在住宅区、商业区等场所得到大范围应用，而由此带来的运行维护及故障预警问题也日趋严重。国内外学者致力于通过红外测温、变压器油色谱成分分析等方法作为变压器运行状态的重要依据，但基于声学指纹的变压器状态分析与研究目前尚未形成一套完整成熟的检测体系。振动带来的变压器本体噪声既是电力行业里亟待解决的工程型问题，也是新一代电气设备状态监测的重要判据。当变压器设备运行在非正常工作状态或故障缺陷状态时，其内部结构组件会产生一定量的形变，变压器产生的振动信号与声信号也会随之发生改变，这种变化可作为状态监测的特征参量，通过数据特征的深度挖掘就能在一定程度上反映运行缺陷以及故障征兆。

大型电力变压器承担着电压转换和电能传输的重要作用。电力系统中变压器使用量大，容量等级和规格繁多，运行时间长，导致其事故率也相应升高。一旦变压器出现故障，将可能对电网带来巨大的经济损失，并危及运维人员人身安全。因此，对变压器工作状态进行有效监测，及早发现潜在故障隐患，成为了电力行业研究人员重点关注的问题。在众多变压器监测手段中，以噪声、温度、振动为代表的非电量监测方法因其不与被测设备产生直接的电、磁联系，对电力系统的安全运行影响微乎其微而被广泛应用。由于变压器运行在一个交变的电磁环境中，电场和磁场的周期性变化会导致变压器铁心和绕组发生周期性振动，这些内部振动通过多重路径传递至变压器油箱，最终通过油箱的振动表现为噪声。运行中的变压器振动主要包括绕组振动、铁芯振动和冷却系统振动等。振动产生的机械波通过变压器的固体结构件、绝缘油和空气等介质向外辐射形成声波信号，声波信号蕴含着大量的变压器工作状态信息。20Hz至20k Hz是人耳可听到的声音频率范围，有经验的变电站工作人员可以直接凭借耳朵听正在运行的变压器的声音来判断其状态是否正常。对运行中的变压器来说，声信号中包含了丰富的设备状态信息，当变压器出现过载、铁芯松动、直流偏磁、铁磁谐振等异常工作状态时，变压器所发出的声信号特征也会产生相应变化。变压器声纹监测利用声压传感器对变压器本体进行准连续地采集并分析，可以直观有效地反映变压器的异常状态，尤其在变压器经历直流偏磁、励磁涌流、功率因数波动等情况下，变压器的异常状态可以借助噪声变化得到有效反映，这就使得变压器声学指纹监测成为一种重要的非电量在线监测手段。

发明内容

为了解决变压器的故障在线监测或离线检测一般基于视觉识别及电气、化学检测，缺乏多维度故障诊断的问题，本发明提出了一种变压器声学指纹不停电检测及状态预警方法。该方法通过研究运行中变压器的振动声学特性，并对设备声纹进行分析，利用人工智能分析算法，挖掘设备在各种运行工况下的状态特征，提炼出设备正常、异常及各种故障与机械振动声学的对应关系和规律，建立适用于大型变电设备声纹数据监测的模型，进行有效状态预警，提升设备在线监测的综合能力和水平。解决变压器实时在线监测、故障诊断和早期预警的技术问题。

本发明为实现上述目的所采用的技术方案是：