变压器声振故障监测方法、系统、设备及可读存储介质技术方案

本发明专利技术公开了一种变压器声振故障监测方法、系统、设备及可读存储介质，所述方法包括以下步骤：获取待监测变压器在正常工作状态下的输入、输出信号；对所述输入、输出信号进行特征提取，获取输入信号特征和输出信号特征；基于所述输入信号特征和输出信号特征，辨识出所述待监测变压器在正常工作状态下的模型；基于辨识出的模型，采用预设计获得的观测器进行观测，获得扰动观测值；基于所述扰动观测值，实现变压器声振故障监测。本发明专利技术提供的变压器声振故障监测方法，具体是一种基于状态观测器的变压器声振故障在线监测预警方法，可解决现有基于数据(信号)的故障诊断方法受样本数量和样本类型制约的问题。本类型制约的问题。本类型制约的问题。

【技术实现步骤摘要】
变压器声振故障监测方法、系统、设备及可读存储介质


[0001]本专利技术属于变压器在线监测与故障预警
，特别涉及一种变压器声振故障监测方法、系统、设备及可读存储介质。

技术介绍

[0002]变压器安全稳定运行是提高电能质量和供电可靠性的重要因素，对变压器开展状态监测和故障诊断是避免严重事故的重要措施。随着现代信息技术的飞速发展，温度、超声波、红外影像、振动信号等传感数据都被应用于变压器故障诊断；其中，振动监测技术是近年来研究的热点，一方面变压器在工作时铁芯、绕组等机构振动产生机械波，通过传播会产生声振信号，声振信号包含大量设备运行状态信息；另一方面，声振信号的获取不需要停电检测，不会影响设备的正常运行，因此声振信号监测在变压器设备故障诊断领域有良好的应用前景。
[0003]目前故障诊断大致可以分为两大类，基于数据(信号)的故障诊断方法和基于模型的故障诊断方法，其中，以深度学习为代表的基于数据的故障诊断方能被广泛应用于变压器故障诊断中，但该类方法的有效性受限于样本数量和样本类型的制约，深度学习方法在训练时需要大量样本数据，且只适用于已知的故障类型的诊断。对于变压器来说，故障频率低且定期维修，能够比较轻松的获得其正常运行时的样本数据，然而变压器设备不同故障类型的样本数据往往难以获得，需要长时间的积累，这导致故障样本集数据量小且缺乏完备性，造成深度学习等算法的泛化能力大大降低且准确度低。
[0004]在基于模型的故障诊断方法中，系统模型用于检测、诊断故障，其主要优点是能够使用模型诊断出未知的故障类型，且不需要大量的数据；经过多年的研究，已形成多种用基于模型的故障诊断方法，如Kalman滤波器、未知输入观测器、多重积分观测器等，通过理论和工程实践验证了该类基于模型的方法可以获得良好的应用前景，然而目前尚没有基于状态观测器的变压器声振故障在线监测策略。

技术实现思路

[0005]本专利技术的目的在于提供一种变压器声振故障监测方法、系统、设备及可读存储介质，以解决上述存在的一个或多个技术问题。本专利技术提供的变压器声振故障监测方法，具体是一种基于状态观测器的变压器声振故障在线监测预警方法，可解决现有基于数据(信号)的故障诊断方法受样本数量和样本类型制约的问题。
[0006]为达到上述目的，本专利技术采用以下技术方案：
[0007]本专利技术第一方面提供的一种变压器声振故障监测方法，包括以下步骤：
[0008]获取待监测变压器在正常工作状态下的输入、输出信号；
[0009]对所述输入、输出信号进行特征提取，获取输入信号特征和输出信号特征；
[0010]基于所述输入信号特征和输出信号特征，辨识出所述待监测变压器在正常工作状态下的模型；
[0011]基于辨识出的模型，采用预设计获得的观测器进行观测，获得扰动观测值；
[0012]基于所述扰动观测值，实现变压器声振故障监测。
[0013]本专利技术方法的进一步改进在于，所述获取待监测变压器在正常工作状态下的输入、输出信号的步骤具体包括：
[0014]获取待监测变压器在正常工作状态下的原始输入、输出信号；
[0015]对所述原始输入、输出信号进行预处理，获得预处理后的输入、输出信号；其中，所述预处理用于去除噪声信号，获得变压器本体信号突出的结构化数据。
[0016]本专利技术方法的进一步改进在于，所述对所述输入、输出信号进行特征提取，获取输入信号特征和输出信号特征中，特征提取具体包括：通过特征提取方法，获取声振信号的频率响应。
[0017]本专利技术方法的进一步改进在于，所述基于辨识出的模型，采用预设计获得的观测器进行观测，获得扰动观测值具体包括：
[0018]所述辨识出的模型为加性故障模型时，表示为，
[0019][0020]式中，x
e
＝[x f]T
为变压器系统扩张状态，包括变压器系统状态x和故障扰动f，假设f有界且可微；d为噪声，u为输入信号，y为测量输出信号，A
e
、B
e
、C
e
、E
e
、R和Q均为变压器系统矩阵；
[0021]预设计获得的模型辅助扩张状态观测器模型表示为，
[0022][0023]式中，L
o
为观测器增益矩阵，z＝[z
x z
f
]T
为系统状态和故障引起的扰动的估计值；
[0024]其中，通过选择观测器增益L
o
，实现z
f
对故障信号f的跟踪。
[0025]本专利技术方法的进一步改进在于，所述基于辨识出的模型，采用预设计获得的观测器进行观测，获得扰动观测值具体包括：
[0026]所述辨识出的模型为非加性故障模型时，表示为，
[0027][0028]式中，u为输入信号，y为测量输出信号，x1和x2为变压器系统状态，G(x1,x2)，F(x1,x2,u)和b为变压器系统矩阵，θ
f
为故障指示因子，θ
f
＝0时表示无故障，θ
f
＝1时表示发生故障；
[0029]预设计获得的自适应观测器，表示为，
[0030][0031]式中，l1、l2和l3为观测器增益，z1，z2为系统状态的估计值，z
f
为故障引起扰动的估计值，G(z1,z2)，F(z1,z
2,u
)和b为观测器系统矩阵；
[0032]lim(z
f
)为限幅函数，表示为
[0033]其中，通过调整观测器增益l1、l2和l3获得期望的跟踪特性，实现z
f
对故障信号f的跟踪。
[0034]本专利技术方法的进一步改进在于，所述基于所述扰动观测值，实现变压器声振故障监测的表达式为，
[0035]式中，J
th
为预设判断阈值。
[0036]本专利技术第二方面提供的一种变压器声振故障监测系统，包括：
[0037]信号获取模块，用于获取待监测变压器在正常工作状态下的输入、输出信号；
[0038]特征获取模块，用于对所述输入、输出信号进行特征提取，获取输入信号特征和输出信号特征；
[0039]模型辨识模块，用于基于所述输入信号特征和输出信号特征，辨识出所述待监测变压器在正常工作状态下的模型；
[0040]扰动观测值获取模块，用于基于辨识出的模型，采用预设计获得的观测器进行观测，获得扰动观测值；
[0041]监测模块，用于基于所述扰动观测值，实现变压器声振故障监测。
[0042]本专利技术系统的进一步改进在于，所述扰动观测值获取模块中，
[0043]所述辨识出的模型为加性故障模型时，表示为，
[0044][0045]式中，x
e
＝[x f]T
为变压器系统扩张状态，包括变压器系统状态x和故障扰动f，假设f有界且可微；d为噪声，u为输入信号，y为测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种变压器声振故障监测方法，其特征在于，包括以下步骤：获取待监测变压器在正常工作状态下的输入、输出信号；对所述输入、输出信号进行特征提取，获取输入信号特征和输出信号特征；基于所述输入信号特征和输出信号特征，辨识出所述待监测变压器在正常工作状态下的模型；基于辨识出的模型，采用预设计获得的观测器进行观测，获得扰动观测值；基于所述扰动观测值，实现变压器声振故障监测。2.根据权利要求1所述的一种变压器声振故障监测方法，其特征在于，所述获取待监测变压器在正常工作状态下的输入、输出信号的步骤具体包括：获取待监测变压器在正常工作状态下的原始输入、输出信号；对所述原始输入、输出信号进行预处理，获得预处理后的输入、输出信号；其中，所述预处理用于去除噪声信号，获得变压器本体信号突出的结构化数据。3.根据权利要求1所述的一种变压器声振故障监测方法，其特征在于，所述对所述输入、输出信号进行特征提取，获取输入信号特征和输出信号特征中，特征提取具体包括：通过特征提取方法，获取声振信号的频率响应。4.根据权利要求1所述的一种变压器声振故障监测方法，其特征在于，所述基于辨识出的模型，采用预设计获得的观测器进行观测，获得扰动观测值具体包括：所述辨识出的模型为加性故障模型时，表示为，式中，x
e
＝[x f]
T
为变压器系统扩张状态，包括变压器系统状态x和故障扰动f，假设f有界且可微；d为噪声，u为输入信号，y为测量输出信号，A
e
、B
e
、C
e
、E
e
、R和Q均为变压器系统矩阵；预设计获得的模型辅助扩张状态观测器模型表示为，式中，L
o
为观测器增益矩阵，z＝[z
x z
f
]
T
为系统状态和故障引起的扰动的估计值；其中，通过选择观测器增益L
o
，实现z
f
对故障信号f的跟踪。5.根据权利要求1所述的一种变压器声振故障监测方法，其特征在于，所述基于辨识出的模型，采用预设计获得的观测器进行观测，获得扰动观测值具体包括：所述辨识出的模型为非加性故障模型时，表示为，
式中，u为输入信号，y为测量输出信号，x1和x2为变压器系统状态，G(x1,x2)，F(x1,x2,u)和b为变压器系统矩阵，θ
f
为故障指示因子，θ
f
＝0时表示无故障，θ
f
＝1时表示发生故障；预设计获得的自适应观测器，表示为，式中，l1、l2和l3为观测器增益，z1，z2为系统状态的估计值，z
f
为故障引起扰动的估计值，G(z1,z2)，F(z1,z
2,u
)和b为观测器系统矩阵；lim(z
f
)为限幅函数，表示为其中，通过调整观测器增益l1、l2和l3获得期望的跟踪特性，实现z
f...

【专利技术属性】
技术研发人员：张彬文，焦飞，雷龙武，张中浩，谈元鹏，吴涵，廖飞龙，
申请(专利权)人：国网福建省电力有限公司国网福建省电力有限公司电力科学研究院国家电网有限公司，
类型：发明
国别省市：