摘要：针对目前不停电检测技术中,对变压器绕组变形、直流偏磁等直接或间接引发的机械缺陷不能及时作出响应的问题,研发了一套基于变压器的振动声纹信号的全天候在线故障监测装置。声纹传感器采集变压器的声纹信号,通过与现场分布式采集模块相连接的存储、分析控制箱的现场分析和疑似上传的模式进行信号上传。最后由存储分析软件将一级简单分析后的疑似故障信号通过网络上传至数据中心,再结合深度学习对数据进行深入分析,判定故障具体原因和解决方案。装置不但对提高电网主设备状态监测水平,减少巡检人力、物力和完善故障诊断技术具有重要意义,而且还可提高整个电网的稳定运行水平。

摘要：本文提出了基于声纹识别的变压器局部放电的在线监测和诊断方法。通过在变压器上安装4个磁吸式声纹采集装置获得变压器声纹信号,采用基于负熵的FastICA对采集得到的数据进行处理,分离变压器的本体运行声纹信号和故障声纹信号。接着,采用梅尔对数频谱特征分析方法提取之前分离所得的故障声纹信号的特征值,特征值作为输入量经训练好了的卷积神经网络(CNN)模型预测得到变压器故障类型。通过设计放电试验,对故障声纹的识别准确率超过90%,验证了系统的有效性。本文充分利用变压器声纹信号,通过卷积神经网络算法实现变压器局部放电诊断,能够有效发现变压器内部绝缘的初期故障,提高了设备供电可靠性。

摘要：为精准诊断变压器铁芯松动故障,开展噪声预估下的变压器铁芯松动故障诊断方法的设计研究。根据信号在传输过程中可能携带的噪声,对信号实行交叉分段与分帧处理,引进海明窗函数,设计噪声预估下的变压器铁芯松动声纹信号采集;根据信号的功率频谱密度,建立针对提取信号的转换处理函数。使用Mel滤波器,设计信号的降维处理与数据矩阵的压缩处理;计算变压器铁芯在作业中的磁通密度,并计算因磁通量发生变化而直接引起的铁芯振动频率,将其作为松动故障特征频率,实现松动故障特征频率提取与故障诊断。设计对比实验,实验结果证明:噪声预估下的变压器铁芯松动故障方法实际应用效果良好,可以精准诊断变压器的松动故障形式,能够及时排查并高效率处理故障。