基于卷積神經網絡的換流變壓器智能檢測算法設計

中圖分類號：TM402 文獻標志碼：A 文章編號：2095-2945（2025）20-0142-04

Abstract：Aimingattheshortcomingsof traditional manual inspectionsandregularinspections，suchasloweficiencyand vulnerabilitytohumanfactors，thispaperproposesanoverallplanforinteligentmonitoringtechologyforconvertetrasfoers basedonintellgentalgorithms.First，thegenerationmechanismofconvertertransformersoundsignalsisanalyzedindetai includingnormaloperationsoundsignalsandfaultstatesoundsignals.Secondly，thevoiceprintcolectionofconvertertransfoers andthecompositionofvoiceprintuderfaultconditionsaredescribed.Ten，aninteligentconvertertransfomerdetectionalgorit basedonconvolutionalneuralnetworks（CNNs）isproposed.inally，thefeasiblityandfectivenessofthealgoritmareverified throughexperimentalresults.Theresultsshowthattheintellgentalgorithmcanefectivelyimprovemonitoringaccuracyandearly warning efficiency，reduce 1 alarm rate，and improve the security and stability of the power system.

Keywords：intelligentalgorithm;convertertransformer；intelligntmonitoring;faultstatesound;convolutionalneuralnetwork

換流變壓器作為高壓直流輸電系統中的關鍵設備，其安全可靠運行直接關系到整個電力系統的穩定性和供電質量。近年來，隨著高壓直流輸電技術的快速發展和應用規模的不斷擴大，對換流變壓器的運行狀態監測提出了更高的要求。傳統的依賴人工巡檢和定期檢測的維護方式存在效率低、成本高、易受人為因素影響等不足，難以滿足現代電力系統對實時性、準確性和智能化的需求，容易導致設備故障延誤發現，造成經濟損失甚至引發重大事故。因此，迫切需要開發一種高效、可靠、智能化的換流變壓器監測系統，實現對設備狀態的實時監測、故障預警和智能診斷，從而提高設備運行可靠性、降低維護成本，保障電力系統的安全穩定運行。

1換流變壓器聲音信號產生機理

1.1換流變壓器正常運行聲音信號

換流變壓器正常運行時，其聲音信號主要由鐵心和繞組貢獻。此時變壓器內部存在交變的電磁環境，交變磁場生成的洛倫茲力作用于變壓器的鐵心和繞組，使其發生周期性的振動，通過固體介質、液體介質和空氣介質傳遞至油箱、安裝基礎及冷卻裝置等外部器件，表現為變壓器向外界發出噪聲[2]。

1.1.1 變壓器鐵心發聲機理

變壓器的鐵心的主要組成是硅鋼片，硅鋼片由硅摻雜進鐵合金構成，將其加工成薄片，最終疊壓成鐵心。由于硅鋼片處于交變電磁場中，一方面硅鋼片的磁致伸縮效應使硅鋼片產生振動，發出聲波；另一方面，由于硅鋼片間存在不可避免的縫隙，縫隙間的電磁吸引力會作用于鐵心產生振動噪聲[3]

當硅鋼片的磁化狀態發生改變時，硅鋼片的大小或者形狀會產生彈性形變，這就是硅鋼片的磁致伸縮效應。一般情況下，磁致伸縮的大小用相對伸長量 ε 表示，如式（1）所示，而鐵心的硅鋼片處于交變的電磁環境中，會受到磁場的影響，其磁致伸縮滿足式（2）

式中： ΔL 為硅鋼片軸向最大伸縮量； L 為硅鋼片原始軸向尺寸； H 為鐵心中的磁場強度； H_c 為矯頑力； ε_s 為硅鋼片的飽和磁致伸縮率。

假設初級繞組施加電壓為 U=U_sinω ，根據電磁感應原理，鐵心中產生的磁感應強度可用式（3）表示

式中： φ 為鐵心磁通量；S為鐵心橫截面積。

1.1.2變壓器繞組發聲機理

在變壓器正常運行時，由于接入負載，一次繞組會流過勵磁電流，勵磁電流會在鐵心中產生磁通，稱為主磁通；但在變壓器實際運行過程中，勵磁電流產生的磁通難以全部通過鐵心，會有少部分磁通在鐵心外與繞組交鏈，稱為漏磁通。由于變壓器的高、低壓繞組流過的電流是相反的，在垂直于繞組軸線的方向上，內外繞組受到的力是相反的，外部繞組向外擴張，內部繞組向內收縮，內外繞組互相排斥，繞組在水平方向發生形變；軸向安培力使上下繞組間受到由兩端向中間的軸向壓縮力，表現為繞組之間互相吸引，繞組沿繞組中心軸方向由兩端向中間收縮，通常情況下繞組受到的徑向安培力小于軸向安培力4。當穩定運行的換流變壓器中繞組的電流為 時，其中 I_m 為負載電流幅值， ?₀ 為負載電流初始相位，則作用在繞組線圈上的電動力如式（4）所示

式中： p 為電動力系數。

1.2換流變壓器故障狀態聲音信號

當變壓器的鐵心或者繞組發生故障時，會影響鐵心及繞組的振動，從而使變壓器的聲紋在不同故障狀態下表現出不同的特征。因此本文通過對采集得到的變壓器聲紋信號進行特征提取，針對各種故障下的不同特征對變壓器運行狀態進行識別。

變壓器的鐵心故障表現在鐵心多點接地和鐵心夾件松動故障。變壓器發生鐵心接地故障的原因主要表現如下：隨著變壓器運行時間的增加，變壓器鐵軛發生松動，可能觸碰到鐵心導致發生鐵心多點接地故障；變壓器安裝過程中的焊渣或者鐵心上的氧化物也可能導致局部短路。鐵心發生多點接地故障后，由于各個接地點間產生的環路電流的值很大，鐵心出現溫升效應，造成局部過熱，使磁致伸縮效應受到影響，使鐵心的振動頻率發生改變，進而影響變壓器的聲紋。

鐵心松動故障的原因主要是變壓器從生產廠家到實地現場的運輸和安裝環節中，夾緊鐵心硅鋼片的緊固件可能變松，使鐵心硅鋼片間的壓力變小，出現縫隙；另外在變壓器正常運行的過程中，鐵心的緊固夾件也可能發生老化，作用減小。當發生鐵心夾件松動故障后，由于緊固夾件的作用下降，使鐵心中硅鋼片間的壓力減小，進一步增加硅鋼片間縫隙的大小，硅鋼片受到漏磁場的影響加大，振動頻率改變，使變壓器聲紋表現為鐵心夾件松動聲紋。

換流變壓器的繞組故障表現在變壓器器身中繞組及絕緣物發生故障，表現為繞組接地和繞組變形故障。一方面當變壓器運行時間過長，一些絕緣物質會老化破損，導致絕緣強度下降，進而引起接地故障。發生繞組接地故障后，流過繞組的電流增大，繞組所受的電磁力增大，繞組的振動頻率增加，表現為變壓器的聲紋發生改變。另一方面由于大型變壓器一般不在工程現場直接制造，需要從生產廠家進行拆卸、運輸和組裝，變壓器的繞組及其固定和支撐部分會在運輸或者安裝過程中發生變形故障。當發生短路、閃絡等情況，電流會突然增大，造成繞組過熱，也會引起變形，繞組變形主要表現在繞組沿徑向發生凹陷、凸起或者在軸向上發生移位。繞組發生變形后，上下繞組間的縫隙變大，繞組受到的漏磁場的影響加大，從而導致受到的力變大，使繞組局部可能進一步變形。當變壓器運行時，發生形變的繞組受到與原來不同的電磁力，使繞組振動頻率改變，從而影響變壓器的聲紋。

換流變壓器的局部放電故障也是變壓器發生故障的主要原因。對于油浸式變壓器，油中的氣泡和固體雜質是不可避免的，當氣泡數量達到一定程度或者雜質中出現空腔時，由于氣泡和空腔的介電常數低，抗壓程度比油低，在相同場強下氣泡會先發生擊穿，引起放電。同時，局部放電受外界環境因素影響較大，如果油液的溫度、濕度或者壓力不在額定值范圍內，變壓器油中也可能產生氣泡，引起局部放電。一般來說，局部放電故障比其他故障更劇烈，因此變壓器聲紋的高頻成分會明顯增多。

除以上故障外，換流變壓器更易出現過勵磁及過負荷的異常運行狀態，異常運行狀態可能短時間內對變壓器運行影響較小，但是會減少變壓器的壽命以及降低電力系統供電質量。變壓器的監測裝置必須能識別出異常運行狀態，使變壓器盡快恢復到正常狀態。當變壓器一次側電壓異常升高時，變壓器實際運行電壓高于額定電壓，導致勵磁電流激增，變壓器進人過勵磁異常運行狀態，此時變壓器鐵心及繞組受到磁場的影響變大，表現為過勵磁狀態的聲紋。變壓器過負荷運行時，由于變壓器輸入功率與輸出功率相等，換流變壓器保持輸出電壓不變，負荷功率增大后，換流變壓器供給負荷的電流也增大，使鐵心局部過熱，導致變壓器聲紋發生改變，表現為聲紋的幅值增大。

2換流變壓器聲紋采集與故障狀態聲紋組成2.1變壓器聲紋采集

變壓器故障聲紋識別通常采用聲音傳感器采集變壓器聲音信號，目前應用較為普遍的聲音傳感器有動圈式聲音傳感器和電容式聲音傳感器。動圈式聲音傳感器的運行穩定、成本低，但易受電磁環境影響；普通類型的電容式聲音傳感器靈敏度高、頻率響應好，但需要極化電壓，使用不太方便；駐極體電容式聲音傳感器結構簡單，最大的特點是無需外加直流極化電壓，方便攜帶且不易受外界電磁環境影響。由表1可知，采集變壓器聲音信號時，將聲音傳感器通過數據采集器連接到電腦上，設置聲音傳感器采樣率為 48kHz ，采集時直接將數據存儲到電腦上。

2.2變壓器故障狀態聲紋組成

由于對變壓器進行故障實驗會對變壓器造成損害，并且所需成本太大，故本文所采用的故障聲紋來自于網絡。為保證所選變壓器故障狀態聲紋的合理性，以正常狀態下測得的變壓器聲紋提取特征量作為評估標準。變壓器無論是正常狀態還是故障狀態，聲紋的主要頻段不會發生太大改變，改變的只是每個頻率所占分量的大小。通過對時域形式的正常狀態聲紋進行傅里葉變換，發現聲紋的主要頻段集中在 1000Hz 以下。同時由于國內的電網頻率為 50Hz ，在搜尋聲紋數據的過程中也需要注意這個問題。

3基于卷積神經網絡的換流變壓器智能檢測算法研究

3.1 數據集劃分

模型需要訓練的數據包括變壓器正常運行狀態、鐵心多點接地故障、鐵心夾件松動故障、繞組接地故障、繞組變形故障、局部放電故障、過勵磁異常運行狀態、過負荷異常運行狀態。為了避免訓練的偶然性，將已經進行完數據增強操作的變壓器聲紋數據集進行劃分，首先對每一類狀態進行標簽標注，其次在所有狀態的聲紋數據中隨機抓取 60% 作為訓練集 、40% 作為測試集，進行網絡模型的訓練和測試。具體的變壓器聲紋數據分布見表2。

3.2 卷積神經網絡結構

卷積神經網絡（ConvolutionalNeuralNetwork，CNN）是一種深度學習神經網絡結構，適用于圖像、音頻等類型數據的處理和分析任務。CNN的主要特點是引人了卷積操作和池化操作，卷積操作可以提取輸人數據的局部特征，對數據中的細節信息進行挖掘，同時減少模型的參數數量和計算量；池化操作則可以減少采樣點的數量，保留圖像中最顯著的特征、減少噪聲和局部方差，同時還能減少參數，限制過擬合。

1）輸入層：輸入層是CNN的第一層，負責接收原始輸入數據，并進行預處理和轉換。

2）卷積層：卷積層通過網絡設定的卷積核與輸入數據進行計算達到提取輸入數據局部特征的目的。卷積層通過調整步幅、填充、參數共享等來實現卷積計算，從而得到更加抽象和有判別性的特征。

3）池化層：池化層用于對輸入數據下采樣，減小特征圖的大小和維度，同時可以進行一定程度的特征不變形學習與平移不變形處理。通常采用最大池化或平均池化等形式，對特征映射中的局部特征進行壓縮和采樣，從而得到更加稠密和高質量的特征表示。

4）全連接層：由于經過多層卷積層、池化層操作后，數據仍具有多維的特征，全連接層將數據展開，將多維展開成一維，使局部特征結合起來。

3.3 算法流程

基于卷積神經網絡的換流變壓器故障診斷的具體步驟如下。

步驟1：數據預處理。將獲得的換流變壓器聲紋數據進行編號分類，并將樣本數據分為訓練集與測試集。

步驟2：特征提取。使用卷積神經網絡對換流變壓器聲紋數據進行特征提取，按主成分總貢獻率 90% 對主成分進行特征提取，并使用提取后的數據作為故障數據以便后續診斷。

步驟3：數據歸一化。將基于卷積神經網絡處理后的換流變壓器聲紋數據進行歸一化處理，將所有數據歸算到（0，1）內。

步驟4：判斷是否達到終止條件。如果算法運行達到最大迭代次數，終止尋優并輸出最優參數。

步驟5：故障診斷。在卷積神經網絡算法尋找到最優參數以后，開始進行故障診斷，用測試集預測測試樣本的故障類型。

步驟6：結果輸出。故障診斷結束后，輸出診斷結果，其中包括故障分類、測試正確率、訓練正確率在內的具體診斷結果。

4智能監測識別結果分析

將換流變壓器聲紋數據集中的測試集，按單個類別輸入到經過參數優化后的卷積神經網絡模型中，輸出模型對每種類別的識別準確率見表3。

從表3可以發現，經過參數優化的網絡模型對局部放電故障有最高的準確率，達到 98.9% ，這與局部放電故障對應的變壓器聲紋特征與其他狀態的聲紋有明顯不同有關。模型對于其他變壓器的狀態識別也有著較高的準確率，每種狀態的識別準確率都在 96.6% 以上，驗證了卷積神經網絡對變壓器聲紋能夠進行有效識別。

5結論

本文提出了基于卷積神經網絡的換流變壓器智能檢測算法，該研究成果具有重要的實際應用價值，能夠有效提高換流變壓器的運行可靠性和安全性，降低運維成本，并為智能電網建設提供技術支持。未來的研究方向將集中于進一步提升智能算法的精度和效率，以及探索更先進的傳感器技術和數據融合方法，以實現對換流變壓器運行狀態的更全面、更精準的監測和預警。

參考文獻：

[1]李淵，王生杰，馬國祥，等.換流變壓器運行狀態智能診斷分析評價系統研究[J].高壓電器，2023，59（8）：70-77.

[2]杜琳，朱釗，王玲，等.換流變壓器的智能監測系統設計與應用[J].集成電路應用，2024，41（4）：277-279.

[3]金恩淑，劉丹陽，夏國武.特高壓換流變壓器差動保護適用性分析及其改進方法[J].東北電力大學學報，2023，43（1）：20-28.

[4]吳宛凝.特高壓直流輸電系統換流變壓器涌流特性分析及差動保護研究[D].吉林：東北電力大學，2023.

[5]彭浩偉.基于曲折變壓器的模塊化多電平換流器研究及應用[D].青島：青島科技大學，2023.

[6]杜丁香，楊國生，曹虹，等.基于相序差動電流特征差異的換流變壓器匝間保護優化研究[J].中國電機工程學報，2023，43（17）：6576-6589.