李殿文，劉 淳，馬德寶，董 鑫

(1.國網(wǎng)遼寧省電力有限公司物資分公司，遼寧 沈陽 110004； 2.國網(wǎng)遼寧省電力有限公司電力科學(xué)研究院，遼寧 沈陽 110006)

檢測(cè)變壓器的運(yùn)行狀態(tài)對(duì)于保障電力系統(tǒng)穩(wěn)定運(yùn)行極為重要。然而現(xiàn)階段變壓器的故障檢測(cè)方法多為離線檢測(cè)方法，且并不完善，主要包括絕緣狀態(tài)檢測(cè)、電氣故障檢測(cè)及機(jī)械故障檢測(cè)3類[1]。隨著現(xiàn)代電力系統(tǒng)的迅速發(fā)展，額定容量較大、電壓等級(jí)較高的電力變壓器在電力系統(tǒng)中所占比例越來越高。這些電力變壓器的造價(jià)昂貴，且往往處于電力系統(tǒng)的樞紐位置，因此要求其能可靠連續(xù)運(yùn)行，且不允許經(jīng)常退出運(yùn)行進(jìn)行檢測(cè)和檢修，因而有必要尋求一種新的在線檢測(cè)方法。

變壓器經(jīng)常發(fā)生的故障是變壓器鐵芯機(jī)械故障。近年來，人們對(duì)變壓器振動(dòng)信號(hào)的測(cè)量做了大量研究，希望以此來實(shí)現(xiàn)變壓器鐵芯機(jī)械狀態(tài)在線檢測(cè)[2]。然而如何有效從實(shí)測(cè)振動(dòng)信號(hào)中提取出反映鐵芯振動(dòng)特征的信息是實(shí)現(xiàn)在線檢測(cè)的關(guān)鍵所在。

HHT變換具有多分辨、自適應(yīng)的特點(diǎn)。它特別適用于處理平穩(wěn)時(shí)變信號(hào)，自HHT變換提出以來，它便被人們迅速引入到機(jī)械故障診斷領(lǐng)域中，并取得大量積極的成果。鐵芯振動(dòng)信號(hào)本質(zhì)上屬于非平穩(wěn)時(shí)變信號(hào)，傳統(tǒng)的FFT對(duì)其已不適用，強(qiáng)行擬合則容易引起頻譜泄漏，因此本文提出在變壓器鐵芯振動(dòng)信號(hào)的分析中引入HHT變換。由于實(shí)測(cè)振動(dòng)信號(hào)中往往含有高次諧波和大量噪聲，為抑制其對(duì)HHT分析精度的影響，本文首先通過小波包變換對(duì)其進(jìn)行消噪處理，從而有效提高HHT的分析結(jié)果。仿真結(jié)果顯示，該方法有效且準(zhǔn)確，可以應(yīng)用到變壓器故障診斷中[3]。

1 小波去噪原理

首先選取1個(gè)meyer小波基，meyer小波基要較大程度地相似于鐵芯振動(dòng)信號(hào)，并且對(duì)其進(jìn)行3層小波分解。再通過軟閾值對(duì)分解得到的各層小波系數(shù)進(jìn)行處理。最后通過重構(gòu)軟閾值處理后的各層小波系數(shù)和尺度系數(shù)信號(hào)，實(shí)現(xiàn)對(duì)原始振動(dòng)信號(hào)的降噪處理。

2 Hilbert-Huang變換理論

Hilbert-Huang變換簡(jiǎn)稱HHT，是近年來信號(hào)分析領(lǐng)域的重大突破。該方法主要由經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)及Hilbert變換兩部分組成，其核心部分是EMD分解。它的特點(diǎn)是對(duì)于非線性、非平穩(wěn)數(shù)據(jù)可以通過EMD分解進(jìn)行線性和平穩(wěn)化處理，從而得到固有模態(tài)分量(intrinsic mode function, IMF)，經(jīng)過數(shù)據(jù)Hilbert變換，求得瞬時(shí)頻率、瞬時(shí)振幅，從而得到信號(hào)Hilbert譜與邊界譜。

HHT方法對(duì)數(shù)據(jù)進(jìn)行分析一般分為2步：通過EMD對(duì)采樣信號(hào)進(jìn)行分解，得到一系列固有模態(tài)函數(shù)分量; 對(duì)分解得到基本分量進(jìn)行譜分析，得能量分布譜圖。

瞬時(shí)頻率的概念及其定義方法一直存在爭(zhēng)議，一般認(rèn)為只有單分量信號(hào)定義其瞬時(shí)頻率才有意義。對(duì)于一般信號(hào)而言，要提取信號(hào)里面包含的單分量信號(hào)較難，而HHT方法恰恰能很好解決該問題。任意時(shí)間序列X(t)，總有Hilbert變換Y(t)：

(1)

式中：P為柯西原理值，所有Lp級(jí)函數(shù)都有這個(gè)變換；X(t)和Y(t)復(fù)共軛對(duì)，可以求得解析信號(hào)Z(t)：

Z(t)=X(t)+iY(t)=a(t)eiθ(t)

(2)

(3)

進(jìn)而可以得到瞬時(shí)頻率：

(4)

(5)

3 基于小波包變換和HHT的變壓器鐵芯振動(dòng)信號(hào)檢測(cè)

通過振動(dòng)傳感器采集變壓器振動(dòng)信號(hào)；對(duì)采集到的振動(dòng)信號(hào)進(jìn)行小波包分解，并對(duì)其相應(yīng)頻段部分進(jìn)行閾值處理，小波包閾值去噪主要包括3個(gè)環(huán)節(jié)。

a.信號(hào)小波包分解，選擇合適的小波基并確定分解層數(shù)[4]。本文采用與鐵芯振動(dòng)信號(hào)較為相似的meyer小波，對(duì)振動(dòng)信號(hào)的小波包分解選用3層分接層數(shù)，分解過程如圖1所示。圖1中aij表示第i層小波包的分解系數(shù)。

b.小波分解系數(shù)的閾值量化，利用文獻(xiàn)[5]的方法確定小波包分解最后一層中需要進(jìn)行閾值處理的頻段，并利用Donoho提出的非線性小波閾值去噪法，對(duì)小波包分解系數(shù)進(jìn)行軟閾值處理。

c.利用閾值處理后的小波包系數(shù)重構(gòu)信號(hào)，這樣便完成了對(duì)原始振動(dòng)信號(hào)的降噪處理。

對(duì)降噪后的振動(dòng)信號(hào)進(jìn)行EMD分解，并得到IMF分量ci(t)；對(duì)得到的ci(t)分量進(jìn)行Hibert變換，并得出時(shí)頻譜(t,fi(t))；分別計(jì)算正常信號(hào)和故障信號(hào)的邊際譜(f,e(f))，通過邊際譜對(duì)鐵芯振動(dòng)狀態(tài)進(jìn)行監(jiān)測(cè)和故障診斷。

4 鐵芯振動(dòng)信號(hào)仿真分析

本文構(gòu)造了下面的仿真信號(hào)，來證明本文所提方法的可行性：

y=sin(200πt)+sin(400πt)+sin(600πt)

(6)

以10 kHz的抽樣速率對(duì)振動(dòng)信號(hào)進(jìn)行采樣，如圖2所示是振動(dòng)信號(hào)的采樣波形。

如圖3所示，對(duì)于含有未知成分的振動(dòng)信號(hào)進(jìn)行EMD分解后，能有效提取其各分量，體現(xiàn)EMD分解具有自適應(yīng)性的優(yōu)點(diǎn)，因此本文將EMD分解應(yīng)用到對(duì)變壓器鐵芯振動(dòng)信號(hào)的分析中。對(duì)IMF量進(jìn)行Hilbert變換，變換后的頻譜如圖4所示。

由于實(shí)際測(cè)取的變壓器鐵芯振動(dòng)信號(hào)往往含有噪聲，因此在式(6)中加入方差為0.5的高斯白噪聲，采樣頻率仍為10 kHz，振動(dòng)信號(hào)波形、EMD分解結(jié)果及Hilbert譜如圖5—圖7所示。

圖6中的第1個(gè)IMF分量是信號(hào)中所含的噪聲，從圖6中可知，Hilbert-Huang變換具有一定抗噪能力，但是從圖7的計(jì)算結(jié)果來看，僅通過Hilbert-Huang變換對(duì)分析信號(hào)頻率的提取結(jié)果并不理想，故本文提出一種小波包和Hilbert-Huang變換相結(jié)合的新算法，即先使用小波包對(duì)信號(hào)進(jìn)行去噪處理，提高其信噪比，然后使用Hilbert-Huang變換對(duì)預(yù)處理后的信號(hào)采樣值進(jìn)行分析，結(jié)果如圖8—圖10所示。

上述計(jì)算結(jié)果表明，小波包變換能有效抑制噪聲對(duì)Hilbert-Huang變換的影響，從而使Hilbert-Huang變換能準(zhǔn)確提取出經(jīng)過預(yù)處理后信號(hào)的各頻率成分，仿真結(jié)果驗(yàn)證了本文算法的有效性[6]。

5 鐵芯振動(dòng)信號(hào)實(shí)際分析

為了將文本所提的分析算法應(yīng)用到實(shí)際環(huán)境中，并且對(duì)實(shí)際使用效果進(jìn)行驗(yàn)證，本文對(duì)某變電站1臺(tái)額定容量為500 kVA，10 kV/400 V，Y/D-11三相油浸式變壓器在空載條件下的器身振動(dòng)進(jìn)行測(cè)試。分別測(cè)取器身鐵芯螺栓緊固正常態(tài)與松動(dòng)故障態(tài)振動(dòng)加速度信號(hào)，變壓器箱體振動(dòng)信號(hào)的實(shí)測(cè)波形如圖11和圖12所示。圖11及圖12表明，鐵芯螺栓緊固和松動(dòng)時(shí)測(cè)取的振動(dòng)信號(hào)雖然有所區(qū)別，但是無法直接從時(shí)域波形得到其特征信息。

對(duì)正常信號(hào)和故障信號(hào)用小波包進(jìn)行閾值處理后，分別對(duì)其進(jìn)行EMD分解，并求其邊際譜，分析結(jié)果如圖13—圖16所示。

由圖15和圖16可知，發(fā)生故障后振動(dòng)信號(hào)各頻段能量進(jìn)行重新分布，尤其是100～400 Hz頻段發(fā)生明顯變化。其中除200 Hz處有所減少外，其他各處均有不同程度增加，特別是300 Hz處能量增加最大。由此可見，本文提出的算法可以有效提取變壓器鐵芯故障信號(hào)的特征信息，為變壓器的鐵芯機(jī)械狀態(tài)監(jiān)測(cè)提供了一種新方法。

6 結(jié)語

由于鐵芯振動(dòng)信號(hào)為非線性非平穩(wěn)調(diào)頻信號(hào)，本文對(duì)其引入具有自適應(yīng)、多分辨率的HHT方法進(jìn)行處理。通過EMD對(duì)消噪后的鐵芯振動(dòng)信號(hào)進(jìn)行自適應(yīng)分解，然后計(jì)算邊際譜，通過邊際譜來實(shí)現(xiàn)變壓器鐵芯振動(dòng)的監(jiān)測(cè)與診斷。仿真表明，該算法具有極強(qiáng)的抗噪性能，計(jì)算精度高，分析結(jié)果能很好地與理論相吻合；鐵芯振動(dòng)信號(hào)是一種頻率調(diào)制信號(hào)，EMD對(duì)其端點(diǎn)效應(yīng)較輕，即使在噪聲較強(qiáng)的情況下，通過小波包預(yù)處理后，仍能取得較高的分解精度，不會(huì)出現(xiàn)虛假分量，本文算法能很好地對(duì)變壓器鐵芯振動(dòng)信號(hào)進(jìn)行在線檢測(cè)分析。