基于多测点振动信号的变压器异常状态检测方法技术

本发明专利技术公开了一种基于多测点振动信号的变压器异常状态检测方法，包括以下步骤：在变压器油箱表面均匀布置多个振动传感器，采用快速傅里叶分解提取每个振动传感器振动信号的时域特征向量，采用k均值聚类算法对每个振动传感器不同时间段的特征向量进行分类，最终得到k个聚类中心以及对应的波动范围；确定各个振动传感器振动信号处于不同状态下的置信度函数；取置信度函数最大值对应的运行状态，作为变压器状态的诊断结果。本发明专利技术提供的基于多测点振动信号的变压器异常状态检测方法，能够对油箱表面多个测点的振动信号进行综合分析，实现对变压器运行状态的全面评估。

Detection method of transformer abnormal state based on vibration signal of multiple measuring points

The invention discloses a transformer abnormal state detection method based on multi-point vibration signal, which comprises the following steps: evenly arranging multiple vibration sensors on the surface of transformer oil tank, extracting the time-domain characteristic vector of each vibration sensor vibration signal by fast Fourier decomposition, and dividing the characteristic vector of each vibration sensor in different time periods by K-means clustering algorithm Finally, K clustering centers and corresponding fluctuation range are obtained; the confidence function of vibration signals of each vibration sensor in different states is determined; the operation state corresponding to the maximum value of the confidence function is taken as the diagnosis result of transformer state. The transformer abnormal state detection method based on the vibration signal of multiple measuring points provided by the invention can comprehensively analyze the vibration signal of multiple measuring points on the surface of the oil tank, and realize the comprehensive evaluation of the operation state of the transformer.

【技术实现步骤摘要】
基于多测点振动信号的变压器异常状态检测方法
本专利技术涉及变压器故障检测
，特别是涉及一种基于多测点振动信号的变压器异常状态检测方法。
技术介绍
对于现场运行的变压器设备，由于其运行环境复杂以及其负荷变化等因素的影响，长时间运行后变压器内部铁心、绕组可能存在不同程度的机械变形故障，传统的油色谱等检测方法对于此类微小的机械故障并不敏感，振动信号对于机械变形则非常敏感，适用于变压器机械变形故障的检测。变压器绕组和铁心产生的振动通过紧固件及绝缘油两条传播路径传播到油箱表面，传播至油箱壁的振动波，只有垂直于油箱壁方向的分量能被检测到，随着传播距离的增加，振动波与平面的入射角增大，垂直油箱壁的分量逐渐减弱，因此油箱壁局部的振动信号只能反映附近振源的振动情况，因此，对变压器健康状态评估时需要考虑不同位置多个测点的振动信号。现有的变压器故障检测技术中，通常采用两种方案：第一，对变压器顶部或者侧面某些特定位置的单个或少数几个振动信号通过小波包分解等算法提取故障的特征向量进行故障诊断；第二，通过有限元等方法进行电磁仿真，建立变压器的电磁振动模型，通过对变压器各元件的材料特性、外部输入的电磁参数进行模拟仿真，评估变压器的健康状态。这些变压器故障检测方法存在如下缺点：只针对少数位置测点的分析忽略了由于传播路径不同，变压器油箱表面不同位置的振动信号蕴含的故障信息不同，只针对局部位置少数测点的分析难以全面地反映变压器整体的健康状况；采用有限元电磁仿真的电磁模拟方式对实际模型的参数要求过高，需要精确知晓变压器各部件的材料特性曲线、硅钢片的磁化曲线以及运行电流电压等精确参数，实际变电运维工作中难以实现。
技术实现思路
本专利技术的目的是提供一种基于多测点振动信号的变压器异常状态检测方法，利用k均值聚类算法对油箱不同表面多个测点的振动信号进行分析，实现对变压器运行状态的全面评估。为实现上述目的，本专利技术提供了如下方案：一种基于多测点振动信号的变压器异常状态检测方法，该方法包括以下步骤：S1，在变压器油箱表面均匀布置多个振动传感器，采集油箱前后左右四个侧面不同方向的振动信号以及油箱顶部垂直方向的振动信号；S2，根据步骤S1采集到的振动信号，利用快速傅里叶分解提取每个振动传感器振动信号的100Hz及其整数倍谐波的幅值，作为特征向量Ti(i＝1,2,3···m，其中m为主要频率分量的数量)，变压器油箱表面不同位置的振动传感器对应的特征向量组成了变压器整体的特征向量矩阵T＝[T1,T2,…,Ti,…,Tn]，其中n为振动传感器的数量；S3，采用k均值聚类算法对每个振动传感器不同时间段的振动信号的特征向量进行聚类分析，得到k个最终的聚类中心以及各聚类中心簇内向量距中心欧式距离的波动范围；计算待测振动信号的特征向量与各个聚类中心的欧式距离；选取距离最近的聚类中心作为基准向量，根据特征向量与基准向量之间的欧式距离与该聚类中心对应的波动范围，计算该振动传感器确定的变压器处于各种状态下的置信度函数；S4，利用DS证据理论融合不同传感器的置信度函数，得到最终的置信度函数，取置信度函数最大值对应的结果，作为变压器运行状态检测的结果。可选的，所述步骤S3中，采用k均值聚类算法对每个振动传感器不同时间段的振动信号的特征向量进行聚类分析，得到k个最终的聚类中心以及各聚类中心簇内向量距中心欧式距离的波动范围；计算待测振动信号的特征向量与各个聚类中心的欧式距离；选取距离最近的聚类中心作为基准向量，根据特征向量与基准向量之间的欧式距离与该聚类中心对应的波动范围，计算该振动传感器确定的变压器处于各种状态下的置信度函数，具体包括：S301，对于单个振动传感器不同时间段振动信号中得到的所有特征向量为T11,T12,…,T1z，其中z表示不同时间段采集样本的数量，根据采集数据期间负荷波动的规律选定分类数k；S302，在样本中随机选取k个样本作为初始聚类中心C＝{Tc1,Tc2,…Tck}；S303，计算其余各样本T1i到k个聚类中心的欧式距离：Dik＝||T1i-Tck||2，表示第i个样本到第k个聚类中心的距离；S304，从各样本到k个聚类中心的欧式距离中选取最小的一个min{Di1,Di2,…,Dik}，将此样本归入聚类中心所在类别中，从而将所有的样本分成k个数据簇；S305,利用分类好的各个数据簇中的样本更新聚类中心，确定新的聚类中心表示第k类数据簇中d个样本的均值；S306，计算各簇聚类中心的更新幅度：ΔTck＝Tck'-Tck，选取最大更新幅值ΔT＝max{ΔTc1,ΔTc2,…,ΔTck}，判断最大更新幅值是否小于设定的阈值，如果更新幅值小于阈值或者迭代次数超过设置的最大值时聚类结束，否则，回到第S303步；S307,聚类完成后得到k个最终的聚类中心Tk＝{Tc1,Tc2,…,Tck}，计算各簇数据中所有样本到聚类中心的欧式距离的最大值Fk＝max{D1k,D2k,…,Ddk}，表示此类数据正常状态下的波动范围阈值，依次可得k簇数据的波动范围F＝[F1,F2,…,Fk]；S308,对于同一振动传感器采集到的待测振动信号的特征向量T1t，计算T1t与各个聚类中心的欧式距离：Dti＝||T1t-Tci||2，得到距离向量Dk＝[D1,D2,…,Dk],选取最近距离向量min{D1,D2,…,Dk}对应的聚类中心Tck作为基准向量，根据待测振动信号的特征向量与基准向量之间的欧式距离Dtk＝||T1t-Tck||2与该聚类中心对应的波动范围Fk，确定此振动传感器测得的变压器处于各种状态下的置信度函数m1，包括：变压器无故障的置信度函数为：变压器处于故障预警状态的置信度函数为：变压器处于严重故障状态的置信度函数为：S309,同理，对于变压器的其他振动传感器特征向量T2～Tn依据同样方法可以计算得到变压器处于各种状态下的置信度函数m2～mn。可选的，所述步骤S4中，利用DS证据理论融合不同传感器的置信度函数，得到最终的置信度函数，取置信度函数最大值对应的结果，作为变压器运行状态检测的结果，具体包括：根据DS证据理论，将各个振动传感器的基本概率分配为m1(A1),m2(A2),…,mr(Ar)，对于某个命题Ψ的合成规则为：其中，K反映了证据的冲突程度，K值越大，说明证据的冲突程度越大，因此，各个命题的合成规则如下：取置信度函数最大值R＝max{m(A),m(AB),m(B)}对应的结果R作为变压器运行状态的检测结果。可选的，所述步骤S1中，振动信号的采集，在变压器油箱表面均匀布置多个振动传感器监测点，采集油箱前后左右四个侧面不同方向的振动信号以及油箱顶部垂直方向的振动信号，具体包括：在油箱前后左右四个侧面以及油箱顶部各布置9个振动传感器测点，各个振动传感器测点之间等距离分布。根据本专利技术提供的具体实施例，本专利技术公开了以本文档来自技高网...

【技术保护点】
1.一种基于多测点振动信号的变压器异常状态检测方法，其特征在于，包括以下步骤：/nS1，在变压器油箱表面均匀布置多个振动传感器，采集油箱前后左右四个侧面不同方向的振动信号以及油箱顶部垂直方向的振动信号；/nS2，根据步骤S1采集到的振动信号，利用快速傅里叶分解提取每个振动传感器振动信号的100Hz及其整数倍谐波的幅值作为特征向量T

【技术特征摘要】
1.一种基于多测点振动信号的变压器异常状态检测方法，其特征在于，包括以下步骤：
S1，在变压器油箱表面均匀布置多个振动传感器，采集油箱前后左右四个侧面不同方向的振动信号以及油箱顶部垂直方向的振动信号；
S2，根据步骤S1采集到的振动信号，利用快速傅里叶分解提取每个振动传感器振动信号的100Hz及其整数倍谐波的幅值作为特征向量Ti(i＝1,2,3···m，其中m为主要频率分量的数量)，变压器油箱表面不同位置的振动传感器对应的特征向量组成了变压器整体的特征向量矩阵T＝[T1,T2,…,Ti,…,Tn]，其中n为振动传感器的数量；
S3，采用k均值聚类算法对每个振动传感器不同时间段的振动信号的特征向量进行聚类分析，得到k个最终的聚类中心以及各聚类中心簇内向量距中心欧式距离的波动范围；计算待测振动信号的特征向量与各个聚类中心的欧式距离；选取距离最近的聚类中心作为基准向量，根据特征向量与基准向量之间的欧式距离与该聚类中心对应的波动范围，计算该振动传感器确定的变压器处于各种状态下的置信度函数；
S4，利用DS证据理论融合不同传感器的置信度函数，得到最终的置信度函数，取置信度函数最大值对应的结果，作为变压器运行状态检测的结果。


2.根据权利要求1所述的基于多测点振动信号的变压器异常状态检测方法，其特征在于，所述步骤S3中，采用k均值聚类算法对每个振动传感器不同时间段的振动信号的特征向量进行聚类分析，得到k个最终的聚类中心以及各聚类中心簇内向量距中心欧式距离的波动范围；计算待测振动信号的特征向量与各个聚类中心的欧式距离；选取距离最近的聚类中心作为基准向量，根据特征向量与基准向量之间的欧式距离与该聚类中心对应的波动范围，计算该振动传感器确定的变压器处于各种状态下的置信度函数，具体包括：
S301，对于单个振动传感器不同时间段振动信号中得到的所有特征向量为T11,T12,…,T1z，其中z表示采集样本的数量，根据采集数据期间负荷波动的规律选定分类数k；
S302，在样本中随机选取k个样本作为初始聚类中心C＝{Tc1,Tc2,…Tck}；
S303，计算其余各样本T1i到k个聚类中心的欧式距离：Dik＝||T1i-Tck||2，表示第i个样本到第k个聚类中心的距离；
S304，从各样本特征向量距离k个聚类中心的欧式距离中选取最小的一个min{Di1,Di2,…,Dik}，将此样本归入聚类中心所在类别中，从而将所有的样本分成k个数据簇；
S305,利用分类好的各个数据簇中的样本更新聚类中心，确定新的聚类中心为表示第k类数据簇中d个样本的均值；
S306，计算各簇聚类中心的更新幅度：ΔTck＝Tck'-Tck，选取各聚类中心的最...

【专利技术属性】
技术研发人员：赵洪山，张建敏，
申请(专利权)人：华北电力大学保定，
类型：发明
国别省市：河北;13