一种电力设备机械故障的诊断方法技术

本发明专利技术公开了一种电力设备机械故障的诊断方法,包括以下步骤：1、采集振动信号时域序列

【技术实现步骤摘要】
一种电力设备机械故障的诊断方法
本专利技术涉及电力设备监测
，更具体地说是指一种电力设备机械故障的诊断方法。
技术介绍
电气设备是电力系统的重要组成部分，电气设备在安装、运行过程中如果产生了电磁振动或者机械缺陷，会导致振动信号的产生，振动特性变化可以反映设备内部的运行状态，而电气设备内部振动的持续发展容易引发机械故障或绝缘故障。所以对电气设备的机械状态进行检测就显得尤为重要。
技术实现思路
本专利技术提供的一种电力设备机械故障的诊断方法，其目的在于解决现有技术中存在的上述问题。本专利技术采用的技术方案如下：一种电力设备机械故障的诊断方法，包括以下步骤：1、用振动仪按照一定采集率采集电力设备的振动信号,得到振动信号时域序列；其中，i=1、2、3……N；2、计算振动信号时域序列的基本特征量；3、对基本特征值进行进一步计算，得到特征系数；4、采集电力设备正常运行时的振动信号，并按照步骤1至步骤3得到相应特征系数的标准参考值；5、采集电力设备的实时振动信号，并按照步骤1至步骤3得到相应特征系数的实时监测值；6、利用实时监测值和标准参考值，得到相应特征系数的变化率；7、根据相应特征系数的变化率分析判断电力设备的故障类型。具体地，所述步骤2中的基本特征量包括：时域幅值；其中，表示电力设备的振动信号时域序列，i=1、2、3、……、N；时域最大幅值；时域幅值标准差，且；其中，表示振动信号时域序列的数学期望值；对所测得的振动信号时域序列用傅里叶变换法，求取基频100Hz的幅值A100及其倍频幅值A200、A300、……A2000，统一记为AK；其中，K=100、200……、2000。具体地，所述步骤3中的特征系数包括：时域幅值特征系数，其中表示母线电流标准参考值；时域最大幅值特征系数；时域幅值标准差特征系数；基频及倍频幅值特征系数；具体地，所述步骤6中的相应特征系数的变化率包括：时域幅值特征系数的变化率；其中，表示时域幅值特征系数的标准参考值；基频及倍频幅值特征系数的变化率；其中，和为基频及倍频幅值特征系数的标准参考值。具体地，所述步骤7包括以下子步骤：7.1、若δam>50%、δa100>50%、δa200>50%、δa300>50%且δa1000<10%，则判断故障为主回路触头松动严重。7.2、若δam>10%、δa100>10%、δa200>10%、δa300>10%且δa1000<10%，则判断故障为主回路紧固件松动。7.3、若δam<10%、δa100<10%、δa200>10%、δa300>10%且δa1000<10%，则判断故障为内部均压件松动。7.4、若δam<10%、δa100<10%、δa200<10%、δa300<10%且δa1000>10%，则判断故障为外部紧固件松动。7.5、若δam<10%、δa100<10%、δa200<10%、δa300>10%且δa600>10%，则判断故障为隔离开关触点接触不良。7.6、若δam<10%、δa100<10%、δa200<10%、δa300<10%且δa1400>10%，则判断故障为母线触头松动。由上述对本专利技术的描述可知，和现有的技术相比，本专利技术的优点在于：本专利技术通过时域幅值特征系数的变化率、基频及倍频幅值特征系数的变化率来分析判断电力设备的故障类型，具有诊断准确且迅速等优点，有助于及时发现电力设备的机械故障，并作出相应措施来避免安全事故的发生。附图说明图1为本专利技术中，根据相应特征系数的变化率分析判断故障类型的流程图。具体实施方式下面参照附图说明本专利技术的具体实施方式。为了全面理解本专利技术，下面描述到许多细节，但对于本领域技术人员来说，无需这些细节也可实现本专利技术。一种电力设备机械故障的诊断方法，包括以下步骤。1、用振动仪按照一定采集率采集电力设备的振动信号,得到振动信号时域序列；其中，i=1、2、3……N。2、计算振动信号时域序列的基本特征量。具体地，基本特征量包括：时域幅值；其中，表示电力设备的振动信号时域序列，i=1、2、3、……、N。时域最大幅值。时域幅值标准差，且；其中，表示振动信号时域序列的数学期望值。对所测得的振动信号时域序列用傅里叶变换法，求取基频100Hz的幅值A100及其倍频幅值A200、A300、……A2000，统一记为AK；其中，K=100、200……、2000。3、对基本特征值进行进一步计算，得到特征系数。具体地，特征系数主要包括。时域幅值特征系数，其中表示母线电流标准参考值。时域最大幅值特征系数。时域幅值标准差特征系数。基频及倍频幅值特征系数。4、采集电力设备正常运行时的振动信号，并按照步骤1至步骤3得到相应特征系数的标准参考值。5、采集电力设备的实时振动信号，并按照步骤1至步骤3得到相应特征系数的实时监测值。6、利用实时监测值和标准参考值，得到相应特征系数的变化率。具体地，相应特征系数的变化率主要包括。时域幅值特征系数的变化率；其中，表示时域幅值特征系数的标准参考值。基频及倍频幅值特征系数的变化率；其中，和为基频及倍频幅值特征系数的标准参考值。7、根据相应特征系数的变化率分析判断电力设备的故障类型。如图1所示，步骤7具体包括以下子步骤：7.1、若δam>50%、δa100>50%、δa200>50%、δa300>50%且δa1000<10%，则判断故障为主回路触头松动严重。7.2、若δam>10%、δa100>10%、δa200>10%、δa300>10%且δa1000<10%，则判断故障为主回路紧固件松动。7.3、若δam<10%、δa100<10%、δa200>10%、δa300>10%且δa1000<10%，则判断故障为内部均压件松动。7.4、若δam<10%、δa100<10%、δa200<10%、δa300<10%且δa1000>10%，则判断故障为外部紧固件松动。7.5、若δam<10%、δa100<10%、δa200<10%、δa300>10%且δa600>10%，则判断故障为隔离开关触点接触不良。7.6、若δam<10%、δa100<10%、δa200<10%、δa300<10%且δa1400>10%，则判断故障为母线触头松动。上述本文档来自技高网...

【技术保护点】
1.一种电力设备机械故障的诊断方法，其特征在于，包括以下步骤：1、用振动仪按照一定采集率采集电力设备的振动信号,得到振动信号时域序列

【技术特征摘要】
1.一种电力设备机械故障的诊断方法，其特征在于，包括以下步骤：1、用振动仪按照一定采集率采集电力设备的振动信号,得到振动信号时域序列；其中，i=1、2、3……N；2、计算振动信号时域序列的基本特征量；3、对基本特征值进行进一步计算，得到特征系数；4、采集电力设备正常运行时的振动信号，并按照步骤1至步骤3得到相应特征系数的标准参考值；5、采集电力设备的实时振动信号，并按照步骤1至步骤3得到相应特征系数的实时监测值；6、利用实时监测值和标准参考值，得到相应特征系数的变化率；7、根据相应特征系数的变化率分析判断电力设备的故障类型。


2.根据权利要求1所述的一种电力设备机械故障的诊断方法，其特征在于，所述步骤2中的基本特征量包括：
时域幅值；其中，i表示电力设备的振动信号时域序列，i=1、2、3、……、N；
时域最大幅值；
时域幅值标准差，且；其中，表示振动信号时域序列的数学期望值；
对所测得的振动信号时域序列用傅里叶变换法，求取基频100Hz的幅值A100及其倍频幅值A200、A300、……A2000，统一记为AK；其中，K=100、200……、2000。


3.根据权利要求2所述的一种电力设备机械故障的诊断方法，其特征在于，所述步骤3中的特征系数包括：
时域幅值特征系数，其中表示母线电流标准参考值；
时域最大幅值特征系数；
时域幅值标准差特征系数；
基频及倍频幅值特征系数。


4.根据权利要求3所述的一种电力设备机械故障的诊断方法，其特征在于，所述步骤6中的相应特征系数的变化率包括：
时域幅值特征系数的变化率；其中，表示时域幅值特征系数的标准参考值；
基频及倍频幅值特征系数的变化率；其中，和为基频及倍频幅值特征系数的标准参考值。


5.根据...

【专利技术属性】
技术研发人员：毛恒，林少汉，刘成宝，邓敏，武少哲，
申请(专利权)人：红相股份有限公司，
类型：发明
国别省市：福建;35