基于聲紋特征的變壓器狀態(tài)檢測研究

國網(wǎng)上海市電力公司金山供電公司 常 俊 邵 峰 張 勇 馬少強(qiáng) 時曉敏 吳胤伯 尹思杰

隨著城鎮(zhèn)人口不斷集聚，用電需求量也大幅增長，對電力系統(tǒng)的安全穩(wěn)定運(yùn)行提出了新的挑戰(zhàn)。變壓器作為電網(wǎng)系統(tǒng)中的核心設(shè)備，承接各區(qū)域間配送電，其運(yùn)行狀態(tài)對整個電力運(yùn)輸?shù)目煽啃跃哂兄匾饬x[1-2]，而變壓器在長時間的使用過程中會產(chǎn)生絕緣劣化或者機(jī)械故障，影響區(qū)域的正常供電。因此，研究變壓器故障診斷技術(shù)，識別變壓器異常狀態(tài)，快速對異常變壓器進(jìn)行檢修，對提高電網(wǎng)的運(yùn)維管理能力有著重要作用。

目前，針對變壓器放電故障和機(jī)械故障，通常采用不同的判別手段識別故障類型。放電故障的診斷多采用脈沖電流法[3]、超高頻檢測[4]等。脈沖電流法對變壓器的放電異常較為敏感，根據(jù)變壓器的視在放電量判斷變壓器的放電水平，但在現(xiàn)場實(shí)際操作中變壓器周圍存在較強(qiáng)的電磁干擾（電暈放電和開關(guān)動作等），這些干擾同放電信號類似，易引起誤導(dǎo)的同時還會淹沒期望原始放電信號，導(dǎo)致故障的誤判。

超高頻檢測主要通過接收變壓器放電時所激發(fā)的超高頻電磁波實(shí)現(xiàn)放電故障的識別，而現(xiàn)場的電磁干擾位于300MHz頻段以內(nèi)，超高頻檢測可有避免干擾對結(jié)果的影響。歐陽旭東[5]多次使用超高頻檢測方式對在運(yùn)變壓器進(jìn)行帶電試驗(yàn)，有效識別了放電性缺陷，證明了該方法在變壓器局部放電檢測中的有效性，但超高頻檢測難以評估放電的嚴(yán)重程度，且缺少視在放電量的標(biāo)定，導(dǎo)致該方法難以有效表征變壓器實(shí)際絕緣狀況。

變壓器機(jī)械故障的診斷多采用振動分析[6]、油色譜分析[7]等。振動檢測運(yùn)用于機(jī)械故障的診斷已較為成熟，通過對振動信號的時頻域分析判斷設(shè)備的機(jī)械狀態(tài)，馬宏忠[8]借助變壓器繞組振動機(jī)理，結(jié)合基頻及其倍頻分量等特征提出了基頻折算模型，有效診斷出變壓器繞組內(nèi)部故障，然而采用振動的方式進(jìn)行檢測不可避免的需將振動傳感器與變壓器外殼相接觸，除了現(xiàn)場安裝維護(hù)煩瑣外，安全距離也是影響該方法普及的重要因素。

油色譜原理為變壓器在不同運(yùn)行狀態(tài)下油液中所溶解的氣體含量有所不同，根據(jù)這一特性，薛浩然將各氣體含量比值作為特征參量，并利用布谷鳥算法與支持向量機(jī)的故障診斷模型進(jìn)行變壓器故障判斷，研究結(jié)果表明，該方法可有效檢測變壓器機(jī)械狀態(tài)，但油色譜檢測周期較長無法有效判斷故障早期的異常狀況[9]，且該方法只適用于油浸式變壓器，具有較大的局限性。

變壓器發(fā)生故障時，除了產(chǎn)生振動信號和放電信號，同時也會向外輻射聲音信號，由于聲音來源放電和振動，放電和振動信號中包含的變壓器故障信息同時，也會在聲音信號中保留下來，因此聲學(xué)診斷方法可以有效識別變壓器的異常狀態(tài)，并且可以有效追蹤變壓器的狀態(tài)變化，且聲信號的采集依托傳聲器，而傳聲器與變壓器之間相互獨(dú)立，不會干擾變壓器的運(yùn)行，有效避免了安全距離的局限性。

基于此，本文將變壓器輻射聲信號運(yùn)用于變壓器放電故障，以及機(jī)械故障的識別之中。結(jié)合變壓器運(yùn)行機(jī)理提取聲信號特征，并利用這些特征作為評估指標(biāo)，結(jié)合支持向量機(jī)模型進(jìn)行變壓器的狀態(tài)識別。

1 聲紋特征提取

1.1 數(shù)據(jù)預(yù)處理

變壓器聲信號由于受到傳聲器零點(diǎn)漂移或者現(xiàn)場環(huán)境的影響，數(shù)據(jù)真實(shí)性可能會有所偏離，導(dǎo)致分析結(jié)果存在較大誤差。本文使用時域差值的波形修正算法[10]消除趨勢項(xiàng)。

式中，N為采樣長度。取y'（0）=0，并利用最小二乘法對y'（k）進(jìn)行一次擬合逼近趨勢項(xiàng)，最后用y'(k)減去趨勢項(xiàng)即可獲取真實(shí)信號。

1.2 特征量選取

當(dāng)變壓器運(yùn)行狀態(tài)發(fā)生變化時，其聲學(xué)特征量也會發(fā)生變化，目前變壓器故障特征量多采用時域、頻域特征，而這些普適特征不具有代表性，運(yùn)用于變壓器的故障診斷缺少有效的理論支撐，故障類型同特征參量映射聯(lián)系較小，難以有效識別變壓器的運(yùn)行狀態(tài)，因此尋求具有代表性的特征量成為變壓器故障診斷的重中之重。

大量現(xiàn)場實(shí)測數(shù)據(jù)表明，變壓器噪聲頻率的分布較為單一，正常運(yùn)行時的噪聲信號多以100Hz的基頻為主，偶爾會出現(xiàn)50Hz及奇數(shù)倍頻的現(xiàn)象，偶次能量占比較高，且噪聲能量主要集中在700Hz頻段內(nèi)，頻率復(fù)雜度較低；當(dāng)變壓器發(fā)生故障時，各頻段分量的幅值會有所變化，相應(yīng)的熵值也會發(fā)生改變，可由小波包能量熵作為參考依據(jù)。文中提出了基頻占比、奇偶次諧波比、小波包能量熵以及頻率復(fù)雜度作為變壓器故障特征量，其計(jì)算公式如下：

基頻占比則是基頻信號占總體信號能量的比重 ：

奇偶次諧波比[11]為：

式中，f2n為變壓器聲信號的偶次諧波，f2n-1為信號的奇次諧波，N表示為0～2000Hz內(nèi)50Hz的諧波數(shù)。

將變壓器聲信號進(jìn)行j層分解之后，獲得小波包序列Sji（i= 0～2j-1），由此得到各小波包的測度：

式中，SF（j,i）（l）表示sji序列進(jìn)行傅里葉變換后的第l個值，N為信號的長度。

由信息熵理論可知，小波包能量熵[12-13]為：

式中，Hjl表示j層第l個小波包能量熵。

頻率復(fù)雜度為[14]為：

式中，C表示頻率復(fù)雜度，Ai為第i個50Hz倍頻諧波的幅值，Mi為第i個50Hz倍頻諧波占0～2000Hz內(nèi)的幅值比重。

2 現(xiàn)場試驗(yàn)測試

本文對變壓器的放電、繞組松動兩種故障類型進(jìn)行分類判別，分析對象為一臺型號為SC 800/10的干式變壓器，額定電壓un為10kV，現(xiàn)場試驗(yàn)如圖1所示。為減少試驗(yàn)過程中環(huán)境噪聲對試驗(yàn)結(jié)果的干擾，本次試驗(yàn)在半消聲室內(nèi)進(jìn)行，試驗(yàn)采用控制變量的方式，通過外加銅絲導(dǎo)線以及控制繞組預(yù)緊力的方式制造放電及繞組松動的故障。試驗(yàn)依據(jù)GB/T 1094.10—2003（IEC 60076-10：2001，MOD）“電力變壓器第10部分：聲級測定”規(guī)定的聲強(qiáng)、聲壓法測量實(shí)施方案，將三個傳聲器放置于距變壓器的1m處的三相前側(cè)進(jìn)行聲信號的采集，傳聲器布置如圖2所示。試驗(yàn)將根據(jù)表1工況分別進(jìn)行放電、繞組松動的故障模擬，采樣頻率為48kHz，采樣時間為5s。進(jìn)行試驗(yàn)時，傳聲器采集干式變壓器輻射的聲信號，并通過數(shù)據(jù)采集儀將聲信號轉(zhuǎn)化為通用型數(shù)據(jù)格式，利用對樣本數(shù)據(jù)進(jìn)行分析處理。

3 變壓器狀態(tài)識別

對采集的變壓器聲信號進(jìn)行消除趨勢項(xiàng)的預(yù)處理，預(yù)處理后各個工況下的時域波形圖如圖3所示。將處理后的信號以0.5s的長度分幀，在提取各工況分幀信號的特征值前，需對分幀信號加窗，減少截?cái)鄷r所導(dǎo)致的頻譜泄漏現(xiàn)象，經(jīng)大量試驗(yàn)測試，采用Hamming窗可有效地反映短時信號的頻率特性，對加窗后的聲信號進(jìn)行傅里葉變換，并以此提取特征值。為提升后續(xù)支持向量機(jī)中算法的收斂速度，對特征值進(jìn)行歸一化處理。

特征提取之后需建立變壓器狀態(tài)識別模型，將試驗(yàn)樣本進(jìn)行劃分，不同工況下的樣本各100個，其中75個列為訓(xùn)練樣本，25個列為測試樣本，將故障類型進(jìn)行標(biāo)簽分類，見表2。

表2 故障類型標(biāo)簽

為建立分類標(biāo)簽同變壓器特征參量之間的映射關(guān)系，選取高斯核函數(shù)作為核函數(shù)建立基于支持向量機(jī)的變壓器狀態(tài)識別模型：

式中，K（|x-y|）為高斯核函數(shù)，y為核函數(shù)的中心，σ表示函數(shù)的寬度參量。使用帶慣性權(quán)重ω的粒子群算法對支持向量機(jī)中的懲罰參數(shù)c和寬度參量σ進(jìn)行選優(yōu)，種群大小N=200，慣性權(quán)重ω=0.9，學(xué)習(xí)常數(shù)C1=1.4，C2=1.6。

經(jīng)粒子群優(yōu)化算法優(yōu)化，SVM模型具有較高的判別率，分類準(zhǔn)確度達(dá)到94.4%，采用該模型對測試集進(jìn)行預(yù)測，預(yù)測結(jié)果如圖4所示。在共計(jì)250個測試集中，有234個樣本的預(yù)測分類和故障的實(shí)際分類相一致，即該模型關(guān)于變壓器狀態(tài)識別的準(zhǔn)確度達(dá)93.6%，診斷結(jié)果見表3。

表3 測試集診斷結(jié)果

4 結(jié)語

本文對變壓器放電及繞組故障的聲信號進(jìn)行了分析，將基頻占比、奇偶次諧波比、小波包能量熵以及頻率復(fù)雜度作為表征變壓器故障的關(guān)鍵特征參量，并以此建立的變壓器狀態(tài)識別模型，該模型對變壓器的放電及繞組松動的檢測準(zhǔn)確率達(dá)93.6%，對變壓器設(shè)備狀態(tài)檢測具有一定指導(dǎo)意義。由于條件的限制，模型的建立及驗(yàn)證都來自同一臺變壓器的數(shù)據(jù)，后續(xù)將該方法進(jìn)一步拓展至其他不同電壓等級的變壓器。