变压器振动监测与诊断技术的研究现状及发展

2020-02-21赵永胡远芳李周晨听张建文

电子技术与软件工程 2020年13期

赵永胡远芳李周晨听张建文

摘要：本文对变压器振动机理、振动影响因素、故障诊断方法等几个方面展开了现状的研究和归纳，并针对目前振动法的研究现状提出了展望。

关键词：电力系统;电力变压器;变压器振动;变压器状态监测

电力变压器是电力系统中重要的电气设备之一，根据国家电网统计的数据显示2002-2006年国家电网llOkV及以上电压等级的变压器共发生了162台次事故。大多为绕组故障，包括使得绕组扭曲、倾斜、塌陷、鼓包和位移等永久失稳变形[1]。

在90年代中后期，国内外对基于变压器振动信号的变压器状态监测技术开展了大量的研究工作。与传统检测方法不同，振动法对变压器状态进行监测，既能保证监测的在线性，又能同时对变压器的结构状态和电气状态进行监测。实验证明该方法可广泛应用于各类变压器且故障监测准确率高达80%-90%[2]。

本文将针对基于变压器振动信号的变压器状态监测技术研究现状，从监测机理、数学模型、振动影响因素、振动信号采集及分析和故障状态判断几方面入手，对现有的研究进展进行归纳，同时对不同的研究成果开展局限性分析，拟归纳出较为全面的变压器在线监测研究现状和应用重点。

1 变压器振动机理

变压器在运行时，其铁芯和绕组在磁场和电场作用下，分别会受到磁致伸缩形变、洛伦兹力和电动力的作用，周期变化的交变磁场使得铁芯和绕组受力呈现周期性的往复规律，使得铁芯和绕组成为了变压器内部振动源。绕组和铁芯的振动特性受到自身机械结构和运行状态的影响，在不同的运行状况下体现出不同的振动幅值和频谱。在此基础上，研究人员提出了基于变压器振动信号的铁芯及绕组状态检测技术[3]。

1.1 几种振动源

1.1.1 振動源分类

振源分为变压器本体的振动和冷却附件振动，本体振动有：

（1）铁芯部件随励磁频率而周期得振动;

（2）硅钢片叠片间存在由漏磁产生得电磁吸引力引起铁芯振动;

（3）绕组中通过电流，使得绕组在交变磁场下受到周期的电动力作用，产生振动。

冷却附件振动则有冷却风扇和变压器油泵在运行时产生的振动，除此之外，漏磁现象也会引起变压器箱壁产生振动[4]。

1.1.2 振动信号的部分频谱特性

研究表明铁芯与绕组产生的振动频谱范围通常在100-500Hz之间，其中铁芯的振动频谱中除在100Hz处有明显分量外，其在200Hz-800Hz等倍频处的幅值都非常明显‘5]。变压器容量和振动信号频谱基频分量幅值成正比，和倍频分量幅值成反比H。铁芯质量、铁芯芯柱与铁轭尺寸会影响振动程度，铁芯质量的减少和铁芯窗/直径比例减少都会减小振动强度和频谱幅值[6]。此外，有载调压分接开关动作时产生瞬态振动，其频率量级为kHz级别，是明显有别于稳定工况振动的高频振动，导致调压操作时，振动信号频谱中会出现kHz的分量。而冷却附件（风扇）只存在于100 Hz以下的振动信号，因此可对振动信号进行分离，过滤冷却附件带来的信号干扰[7]。

1.2 振动信号的传递路径

变压器内部绕组、铁芯作为振动源，将振动产生的机械波通过变压器油和刚体结构传递到变压器箱壁上，同时，冷却附件及漏磁引起的箱壁振动也会产生机械波与之耦合，最终将振动信号体现在变压器箱壁上。图1为变压器振动信号的传播路径图。

在负载情况下，变压器的主要振动源为绕组和铁芯，绝缘油是主要传递介质，二者的振动经过绝缘油和固定件及变压器刚体结构向变压器箱壁传递，同时，二者产生的振动会相互叠加;在空载情况下，主要振源为铁芯，振动机械波也主要通过绝缘油和铁芯紧固螺丝以及其他刚体结构进行传递。除正常的振动机械波通过介质传递到箱壁外，铁芯的磁致伸缩现象会引起变压器箱壁体积膨胀，从而产生振动。磁致伸缩现象导致铁芯膨胀，膨胀导致铁芯的体积发生变化，使得变压器油受到体积压力，油压力将驱动油箱壳体膨胀收缩振动[8]。

2 变压器振动信号的影响因素

2.1 负载电流大小对振动信号的影响

变压器在其他外部激励和本身机械结构不变的情况下，文献[9]通过实验证明了变压器油箱壁振动与负载电流平方的正相关性良好，负载电流与变压器油箱壁振动加速度100Hz基频幅值的拟合关系如图2所示。在变压器遭受短路冲击时，绕组除产生100Hz的振动频谱分量外，还存在一定的50Hz振动分量。

2.2 外加电压大小对振动信号的影响

由铁芯振动机理可知，铁芯的振动加速度与磁场强度平方成正比。外部所加电压的变化将会引起铁芯磁通密度发生突变，从而导致铁芯受力发生变化，最终使得铁芯振动加速度产生突变。文献[10]中实例也证明电压骤降时，变压器振动明显增大。

2.3 功率因素对振动信号的影响

在振动传递过程中，电流与电压的相位差存在，无法满足振动信号的线性叠加前提[11]，导致铁芯和绕组的振动在传递过程并不是线性的叠加过程，相位差的存在会使得振动信号的传递叠加过程产生高次谐波，因此功率因数对振动信号的影响不可忽略。铁芯与绕组产生的振动加速度相位差φ为：

式中，φ为电流与电压得相位差;φ0。为负载电流初始相位; β为固定条件下求得的与绕组参数相关的常数。

通过调节负载的电阻和电感数值模拟变压器的负载功率因数的变化，对随之变化的振动特性进行了观测，频谱中在100Hz及300Hz处的振幅随功率因数增大而增大，变化趋势呈现非线性，不同负载下的振动频谱如图3[13]所示。

2.4温度对振动信号的影响

变压器绝缘油性能将影响振动信号。温度的改变会使得绝缘油的分子密度和活跃程度发生变化，从而改变了绝缘油的阻尼大小。绝缘油粘滞程度随温度升高而下降[12]，其流动性增加，对振动的阻尼作用有所降低，使得表面测得的振动信号有所增强，变压器绝缘油油温的改变由于受到膨胀系数的影响，当油温升高时，箱体表面振动信号增强[13]。

温度的变化还将改变绕组、绝缘垫块和硅钢片等部件的弹性模量，从而使得传递出的振动信号变化。

2.5 预紧力对振动信号的影响

绕组预紧力主要指轴向预紧力，轴向预紧力不足时，如若遭受短路冲击，会使得线饼匝间绝缘破损短路严重时还会导致线饼崩塌等。文献[13]通过仿真试验证明随着预紧力减小，振动加速度幅值显著增大。

用于固定铁芯的预紧力，通过影响铁芯的振动阻尼和磁滞回线使得铁芯振动特性发生改变。文献[14]研究表明，36%的变压器故障是由绕组遭受短路冲击后造成的。对变压器的电气参数和振动信号进行研究，能够对预紧力不足情况下，短路冲击造成绕组形变等故障进行有效识别。

2.6 外部冷却附件对振动信号的影响

外部冷却设备如风扇运行时也会产生振动，其振动产生的机械

波与变压器本体所产生的振动相互叠加后传递到变压器箱体上。实例表明运行中的风扇其本身振动频谱虽然主要集中在100Hz以下，但其振动会影响附近箱壁上的振动信号，导致100Hz及400Hz附近产生畸变和大峰值的200Hz分量出现，在风扇开启后，靠近风扇的某相振动频谱如图4所示[15]：

虽然风扇等设备运行导致振动信号频谱的基频附近产生了畸变，但由于风扇运行过程在外加电气条件不变的情况下，可视为一个稳态的过程，对变压器振动信号的影响作用也是稳定的，因此，在工程应用中，去除风扇振动信号，并不影响通过振动信号对故障状况的诊断。

3 故障诊断技术

目前较为成熟可靠的、基于振动法的变压器在线监测及故障的诊断技术，在故障诊断方面主要采取了两种不同的思路：一种是通过实验或仿真模拟故障状态，列举出有限种故障特征，将列举出的故障特征与经过过滤处理的振动信号进行对比判定故障状态。另一种是采集足够数量正常工况下的变压器振动信号，建立正常工况的变压器振动信号数据库或模型，一旦监测到振动信号与数据库或模型之间的差异性达到一定的标准，则判定此时变压器处于故障状态。

3.1 基于故障特征识别的诊断技术

3.1.1 振动信号的滤波降噪

在实际应用中，采集的振动信号包括了外部环境和自身冷却附件（风扇）干扰，在进行振动信号的故障诊断之前，应先对振动信号进行滤波降噪处理，本文总结了几种广泛应用于振动信号降噪处理的方法。

傅里叶变换被广泛应用于振动信号的频谱分析，但考虑到傅里叶变换在对非平稳随机信号进行变换时会造成遗漏，使用小波理论对变压器信号进行分析，采用特定的分解层数的系数作为特征矢量，作为故障判定依据[15]，但是小波分析其自适应能力较差。在此基础上，文献[16]提出使用自适应能力较强的EMD算法通过希尔伯特谱来区分信号。

文献[17]针对变压器故障情况下振动信号非平稳、非线性的特点，提出了使用集合经验模态分解（EEMD）的方法分振动信号，以选择有效本征模式函数（IMF）。

在此基础上，文献[18]提出了使用EEMD算法和负熵准则的盲源分析法对振动信号进行处理，原理是使用EEMD对振动信号进行分解，得到IMF函数后估计源个数，利用负熵准则选择独立性较好的IMF分量，对测量信号进行重组。

文献[19]提出了使用基于时频比多样性盲源分离算法（ TIFORM-BSS）对变压器振动信号进行分离，并进行了应用。其使用盲源分离算法将个振动源传递到箱壁上的振动信号视为“源振动”，并将其分离，获得单一的铁芯和绕组振动特征。

此外，还有学者使用EEMD方法对信号进行了特征值的提取，得到特征向量，再使用凝聚层次聚类算法对振动信号的特征向量进行层次分类，最终分类得到变压器的几种故障状态。

稀释分解算法（Dilution Decomposition Algori-thm Method，DDAMethod）广泛应用于图像压缩和信号降噪领域，采用稀释算法能够有效避免振动信号信噪比较低所导致的傅里叶变换时的信号被淹没的现象。图7[20]为使用稀释算法将变压器振动信号进行降噪重建的过程。

3.1.2基于振动特征量的故障诊断技术

经过上文所述的信号滤波降噪处理后，信号频谱已能够体现变压器的额状态，通过实验或对实际故障变压器进行振动信号监测，得到具体故障时变压器振动信号频谱的特征，结合特征进行判断即可得到变压器相应的状态诊断依据，下文将列举几种典型实例。

文献[21]将振动信号与短路阻抗相结合来对变压器的绕组状态进行诊断，将短路阻抗法引入故障诊断中的原因是目前变压器振动检测法还没有相关的标准，使用短路阻抗法能够对照判断振动检测法的可靠性。作者使用实验模拟故障状态，采集变压器故障状态的电气特征值和振动信号特征值，将其构建为一个特征向量S[40l：

S=[a，β，γ]

（2）

式中，a为变压器绕组短路电抗变化率;β为由振动信号提取的频段一能量一欧氏距离值;γ为主频振动标准偏差的倒数的百分之一。

实验发现特征向量的夹角可对绕组的松动状态进行有效的表征，特征向量的夹角随着绕组松动程度的下降而增大。

在前者的基础上，文献[22]通过在实验中改变铁芯和绕组的紧固件的压紧程度来模拟铁芯松动故障和绕组松动故障，并对故障状态的振动特征进行了记录。实验采用了基频、振动幅值、主要频率、频率比重Pf和频谱复杂度H作为振动特征量，实验表明铁芯松动基频幅值增大但基频比重不变、频谱复杂度下降，而绕组松动故障时其基频幅值和基频占比大幅增长，频谱复杂程度下降，实验建立了可用于表征实际变压器具体故障状态的诊断依据。

与前者相同，文獻[36]也通过实验对变压器的铁芯和绕组设置了故障，并采集了故障状态的振动信号，在铁芯故障的诊断中，作者选择将经过滤波降噪的振动信号的主频幅值与正常状态下的主频幅值之比设为系数k，实验验证了当k<0.8时，铁芯发生了故障，而对于绕组而言，实验将高低频的包络谱能量比作为特征量对故障状态进行表征，实验证明了故障状态下低频能量在总能量中的占比远低于正常运行时占比。

目前应用较广的、用于表征故障状态的特征量为基频幅值、能量谱、振动信号拟合的欧氏距离函数，优点在于在无大量运行数据的情况下，通过实验验证了具体故障特征，在一定基础上将此诊断方法应用于不同型号变压器振动信号诊断中，但该方法需通过实验或者仿真的方法对变压器故障进行模拟才能得到提取特征量，故只能得到有限种故障状态特征量，在变压器整体状态评估中具有局限性。

3.2基于模型差异分析的诊断技术

与上一小节的求取故障特征量用于判断故障状态的方法不同，下文将介绍的几种经过实际验证的故障诊断技术采用了先进行数据建模，再使用模型对变压器的状态进行诊断的方法。

文献[23]对变压器投运前的空载振动数据、投运后的额定负载振动数据进行了采集并定义为原始数据，将变压器的待诊断的数据的FFT变换序列A（k）与原始空载情况下的FFT序列X（k）的相关系数C1与幅值系数F1作为变压器铁芯故障的诊断依据，同理得到了绕组的故障诊断依据，通过实验验证了该诊断方法的可靠性，得到故障状态时，相关系数数值减小而幅值系数数值增加，形成了量化的铁芯故障和绕组故障诊断判定标准。

该诊断方法诊断依据分析来自于实际变压器，能够有效适应单台变压器的铁芯和绕组的相关故障诊断，但该故障诊断方法的建立需多次对变压器的空载和额定负载工况的振动数据进行采集，对于后期加装振动传感器进行在线监测的变压器并不适用。

与前者相同，文献[24]针对变压器的绕组状态建立了诊断模型，在考虑工程实践情况下，定义了平均安全余量k来量化了绕组的松动程度，将k定义为：

实验提出了安全余量k表征了绕组的松动程度，绕组松动程度与安全余量k数值成反比。

此方法将运行过程中的负载、电流、电压等因素考虑进入模型中，建立了简单可靠易于判别的故障诊断方法，若将其拓展建立铁芯模型，对铁芯的松动等故障进行监测，故障诊断技术将更为全面。

变压器内部结构故障并不仅有绕组松动和铁芯松动故障，变压器遭受小型冲击或长期处于某种谐振状态时，其部分刚体连接、紧固部件将产生松动故障，此类故障也是变压器发生事故的安全隐患之一，故对变压器整体的状态进行监测也是非常有必要的。

文献[25]提出了基于变压器整体结构在发生松动前后，其振动信号具有非线性的改变，故使用振动信号时域波形的分形维数作为松动故障的诊断依据。

分形定义为在不同尺度下具有自相似的形体，分形维数可以定量描述分形的非线性和复杂程度。考虑到变压器振动信号的周期性、非线性变化和复杂程度，使用分形盒维数进行了分析，分形盒维数定义为：

式中，N（X，ε）为最大直径为ε，且能覆盖X集合的最少个数。

实验预设了变压器的铁芯和绕组松动故障，对振动信号的分形维数进行了计算，实验发现铁芯和绕组产生松动时，其分形维数数值都随之增大，且二者分形维数数值之间并无交集，可有效区别故障部位。

上述方法由于实验故障的局限性未对其他部件松动故障状态进行设置，考虑到分形维数用于振动信号诊断时的准确性、数值无交叉特性，在采集更多数据和进行多种故障设置后可得到基于分形维数的变压器运行机械状态诊断方法定量依据。

基于故障特征量的诊断技术由于缺少数据和针对性的原因，始终具有局限性，无法形成量化的标准。而基于变压器振动信号建模的故障诊断方法，考虑到变压器振动信号的影响因素多，且都具有个性，该诊断方法很难涉及每一个影响振动信号的因素，在进行故障诊断时，诊断结果会由于模型的不全面产生偏差。综合上述两种思路，结合如今己对部分变压器进行长期的振动信号监测的现况，由长期监测数据拟合单台变压器运行常态模型，据此对变压器是否发生故障进行初步判断，在此基础上再通过基于故障特征量的诊断方法对具体故障进行诊断，使用上述“两步式”诊断方法既能对变压器运行状态进行全面的监测，能明确诊断出故障部位和故障类型，是对目前的基于振动法的电力变压器在线监测方法的完善。

4 结束语

本对变压器的振动机理、理论模型、振动信号影响因素和具有代表性的几种故障诊断方法的研究现状做了浅析，并提出了两点思考：

（1）本文综合了文献研究，针对不同维度的振动传感器提出了两种测点设置方法，测点的选择综合考虑了测点位置距离振动源的距离和测点附近传递介质的非线性因素，同时对文献进行提炼，根据振动机理表明的绕组会产生轴向振动，提出了应设置传感器对轴向的振动信号进行采集，其振动特征直接反映了绕组的工作状态。

（2）数据监测，建立运行常态模型为基础，以故障特征量为进一步判据的“两步式”故障诊断技术思考。

参考文献

[1]王开成，王昕，任树杰等.变压器绕组变形测试技术的应用[J].黑龙江电力，2004，26 （2）：14 3-145.

[2]董腾垚.电气试验在变压器故障检测中的应用探讨[J].电子元器件与信息技术，2020，4 （06）：131-132.

[3] SOKOLOV V.Effective methods of assessment of insulationsystem conditions in power transformers; a view basedon practical experience [C]//Proceeding of the 1999CIGRE Regional Meeting. Paris， France： CIGRE， 1999.

[4]董志剛.变压器的噪声（2）[J].变压器，1995 （10）：31.

[5]顾晓安，沈密群，朱振江，沈荣瀛，徐基泰.变压器铁心振动和噪声特性的试验研究[J].变压器，2003 （04）：1-4.

[6]奚晓勤.变压器噪声产生的原因及降低噪声的措施[J].华东电力，2012，40 （04）：687-688.

[7]王乐.变压器器身压紧结构与工艺的改进研究[D].浙江工业大学，2014，

[8]曾庆赣.铁芯磁致伸缩引起的变压器油箱体积膨胀收缩振动[J].变压器，2017，54 （04）：16-20.

[9]杨毅，张楚，刘石，杜胜磊，李力，杨贤.基于振动的油浸式电力变压器短路累积效應试验研究[J].广东电力，2016，29 （12）：115 -120.

[10]张建平，潘星.500kV变压器异常噪声与振动的原因分析[J].浙江电力，2006 （03）：6-10.

[11]朱叶叶，汲胜昌，张凡，刘勇，董鸿魁，崔志刚，吴佳玮.电力变压器振动产生机理及影响因素研究[J].西安交通大学学报，2015， 49 （06）： 115-125.

[12]杨红军，杨坤，褚昆昆.温度与植物油折射率和黏度关系研

究[J].粮食与油脂，2016，29 （08）：39-41.

[13]李洪奎，李岩，不同预紧力下变压器绕组轴向振动模态分析[J].电机与控制学报，2010，14 （08）：98-101+106.

[14]王春宁，耿志慧，马宏忠，金基平，李凯.基于振动的电力变压器铁心松动故障诊断研究[J].高压电器，201 5，51（12）：59-65.