摘 要：針對現(xiàn)行方法監(jiān)測精度無法得到保證、監(jiān)測效果不佳的問題，提出基于物聯(lián)網(wǎng)的變壓器內(nèi)部機(jī)械聲紋振動狀態(tài)自動監(jiān)測方法。先采用物聯(lián)網(wǎng)技術(shù)對聲紋振動信號進(jìn)行采集與傳輸，然后利用可變形振型法（ODS）對聲紋振動信號進(jìn)行修正，并采用幅值相角波動性判別法對聲紋振動信號中的背景噪聲進(jìn)行識別和去除，最后通過聲紋振動頻譜分析，提取基頻比例、高低頻比、50 Hz奇偶次倍頻比共3個聲紋特征，設(shè)定預(yù)警門限，對聲紋振動狀態(tài)進(jìn)行識別與預(yù)警監(jiān)測。實驗證明，該設(shè)計方法的靈敏度超過97%，誤警率不超過1%，在變壓器內(nèi)部機(jī)械聲紋振動狀態(tài)自動化監(jiān)測領(lǐng)域具有良好的應(yīng)用前景。

關(guān)鍵詞：物聯(lián)網(wǎng)；變壓器；機(jī)械聲紋；振動狀態(tài)；自動監(jiān)測；幅值相角波動性判別法

中圖分類號：TP29；TM41 文獻(xiàn)標(biāo)識碼：A 文章編號：2095-1302（2025）02-00-03

0 引 言

變壓器內(nèi)部異常振動可能導(dǎo)致設(shè)備內(nèi)部的螺絲松動，進(jìn)而影響設(shè)備的正常運行。因此，對于變壓器內(nèi)部機(jī)械聲紋振動問題，采取定期監(jiān)測、加強(qiáng)維護(hù)和保養(yǎng)等措施非常重要，可及時發(fā)現(xiàn)并處理設(shè)備內(nèi)部的異常情況，確保變壓器的正常運行和安全性能。然而，由于變壓器內(nèi)部機(jī)械的復(fù)雜性和運行環(huán)境的多樣性，對其運行狀態(tài)的監(jiān)測和維護(hù)一直是一個難題。傳統(tǒng)的變壓器監(jiān)測方法主要依賴于人工巡檢和定期維護(hù)，這種方法不僅效率低下，而且難以發(fā)現(xiàn)潛在的故障。因此，開發(fā)一種能夠?qū)崟r監(jiān)測變壓器內(nèi)部機(jī)械狀態(tài)的方法顯得尤為重要。在該背景下，本文提出了基于物聯(lián)網(wǎng)的變壓器內(nèi)部機(jī)械聲紋振動狀態(tài)自動監(jiān)測方法。

1 基于物聯(lián)網(wǎng)的變壓器內(nèi)部機(jī)械聲紋振動信號采集與傳輸

根據(jù)實際需求，此次采用型號為KHFA-A4F54的振動傳感器，將振動傳感器安裝在監(jiān)測點上[1]。為了避免基于物聯(lián)網(wǎng)的振動信號采集受到局部聲源過大的影響，振動傳感器的安裝位置需與變壓器本體保持一定距離[2]。選取n個備選監(jiān)測點，采用Pearson相關(guān)系數(shù)對備選監(jiān)測點進(jìn)行分析，可以表示為：

（1）

式中：P表示備選監(jiān)測點聲紋信號頻譜與變壓器內(nèi)部機(jī)械等效聲紋頻譜的Pearson相關(guān)系數(shù)；Xi表示備選監(jiān)測點聲紋信號頻譜；X0i表示變壓器內(nèi)部機(jī)械等效聲紋頻譜[3-4]。Pearson相關(guān)系數(shù)越高，則表示兩個聲紋頻譜越相似，根據(jù)實際情況設(shè)定閾值，選取Pearson相關(guān)系數(shù)大于閾值的監(jiān)測點位，將振動傳感器安裝在點位上，設(shè)定振動傳感器聲紋振動信號測量頻率范圍為25 Hz～15 kHz，采集變壓器內(nèi)部機(jī)械聲紋振動信號[5]。根據(jù)IEC 60651標(biāo)準(zhǔn)，利用ZigBee將采集的聲紋振動信號傳輸?shù)綌?shù)據(jù)服務(wù)器上，用于后續(xù)聲紋振動狀態(tài)的識別與監(jiān)測。

2 變壓器內(nèi)部機(jī)械聲紋修正及去噪

在對變壓器內(nèi)部機(jī)械振動信號進(jìn)行采樣時，必須同步獲取各監(jiān)測點的聲紋振動信號，但由于振動傳感器數(shù)量的限制，僅能同時獲得有限監(jiān)測點的信號。為獲取所有聲源的同步數(shù)據(jù)，利用ODS在聲紋振動信號采樣中引入相位校正法，對聲紋振動信號進(jìn)行校正。該方法以某一監(jiān)測點為參考信號，并記錄其他各監(jiān)測點與參考信號間的相位關(guān)系，待所有測量工作結(jié)束后，以參考監(jiān)測點的錨定相位為基準(zhǔn)，對所有監(jiān)測點進(jìn)行相位校正。

此外，變壓器聲紋振動信號的獲取不可避免地會受到暫態(tài)擾動和穩(wěn)態(tài)擾動的影響，針對其聲紋振動特征的提取，可通過規(guī)避暫態(tài)干擾片段的方法來規(guī)避暫態(tài)干擾，但變壓器大多采用風(fēng)冷系統(tǒng)，風(fēng)機(jī)噪聲為穩(wěn)態(tài)擾動，必然會混入采集的聲紋振動信號中，所以，在對其特征進(jìn)行分析之前，必須先去除噪聲，以消除穩(wěn)態(tài)擾動的影響[6]。采用幅值相角波動性判別法對聲紋振動信號中的背景噪聲進(jìn)行識別和去除。針對聲紋振動信號經(jīng)短時傅里葉變換后各頻率點的幅值和相位變化規(guī)律，實現(xiàn)對變壓器本體和風(fēng)機(jī)噪聲點的準(zhǔn)確識別。在此基礎(chǔ)上，基于以上波動特征，獲得變壓器聲紋振動主導(dǎo)的頻率點集合，并將二者的交集作為變壓器聲紋振動的主要頻率點集，其余點作為風(fēng)機(jī)和外界噪聲的頻率點集。最后，通過對混合信號的快速傅里葉變換，進(jìn)行頻譜分析，可以獲得變壓器本體的頻譜分布。聲紋振動頻率臨近頻點的幅值方差平均值表示為：

（2）

式中：a表示聲紋振動頻率臨近頻點的幅值方差平均值；δ表示頻率的方差；w表示頻點臨近區(qū)域范圍。接下來，計算聲紋振動頻率臨近頻點的相角波動量平均值：

（3）

式中：B表示聲紋振動頻率臨近頻點的相角波動量平均值；η表示頻率的相角波動量。將采樣信號頻率的幅值方差、相角波動量與兩者對應(yīng)的平均值a、B比較，如果幅值方差和相角波動量大于它們的平均值，則判定該頻率為噪聲頻率，去除該頻率信號，從而去除信號噪聲。

3 變壓器內(nèi)部機(jī)械聲紋振動特征提取及預(yù)警監(jiān)測

根據(jù)變壓器內(nèi)部機(jī)械聲紋振動頻譜分析，提取聲紋振動特征。變壓器內(nèi)部機(jī)械聲紋振動分為穩(wěn)態(tài)和瞬態(tài)兩種，兩種狀態(tài)的聲紋振動可以用基頻比例、高低頻比、50 Hz奇偶次倍頻比3個特征區(qū)分。基頻比例是指基頻在振動總頻率中所占的比例，根據(jù)聲紋振動頻譜信息，計算出基頻比例：

（4）

式中：d表示聲紋振動基頻比例；X表示基頻；Xf表示聲紋振動總頻率。高低頻比是指聲紋振動高頻與低頻的比例，

50 Hz奇偶次倍頻比是指聲紋振動50 Hz奇次倍頻與偶次倍頻的比例，以上兩個特征用公式表示為：

（5）

式中：z表示聲紋振動高低頻比；Xd、Xg分別表示聲紋振動低頻、高頻處的分量幅值；h表示聲紋振動50 Hz奇偶次倍頻比；s表示頻率；Xj、Xo分別表示聲紋振動奇次倍頻與偶次倍頻的分量幅值。為了識別聲紋振動狀態(tài)，對每個特征設(shè)定閾值。變壓器的直流偏磁使得其他頻率點的振幅大幅增大，從而降低了基波頻率的比例，所以應(yīng)注意基頻比例的分布下限。為剔除少數(shù)離群點，選擇1%的分割線作為基頻比例預(yù)警門限。在發(fā)生鐵芯或繞組機(jī)械松馳、直流偏磁等情況下，變壓器均可使其頻率分布向高頻段偏移，因此，高低頻比分布的上限應(yīng)引起重視。為了剔除少數(shù)離群點，選擇99%的分割線作為高低頻比預(yù)警門限。變壓器的直流偏置將導(dǎo)致

50 Hz的高次諧波增加。為了剔除少數(shù)離群點，選擇99%的分位線作為50 Hz奇偶次倍頻比預(yù)警門限。將提取的聲紋振動特征與預(yù)警門限對比，如果超出預(yù)警門限，則監(jiān)測結(jié)果為聲紋振動狀態(tài)異常，做出預(yù)警響應(yīng)；反之，監(jiān)測結(jié)果為聲紋振動狀態(tài)正常，以此實現(xiàn)基于物聯(lián)網(wǎng)的變壓器內(nèi)部機(jī)械聲紋振動狀態(tài)自動監(jiān)測[7-8]。

4 實驗論證

4.1 實驗準(zhǔn)備與設(shè)計

本次研究針對某電力公司管轄的1 000 kV變壓器展開現(xiàn)場內(nèi)部機(jī)械聲紋振動狀態(tài)監(jiān)測。變壓器型號為KHFA-AS7G7，LV額定電流為1 443.34 A，頻率特性為45.55 Hz，屬于低頻，聯(lián)結(jié)組別為Dyn12。根據(jù)現(xiàn)場實際情況，布設(shè)了3個監(jiān)測點，準(zhǔn)備了3臺無線傳感器，對變壓器內(nèi)部機(jī)械聲紋振動狀態(tài)自動監(jiān)測80 h，共采集到1 000個聲紋振動樣本。按照上文監(jiān)測流程對變壓器內(nèi)部機(jī)械聲紋振動信號進(jìn)行處理、降噪、分析，提取聲紋振動特征。實驗隨機(jī)選取8個樣本，得到變壓器內(nèi)部機(jī)械聲紋振動特征，見表1。

根據(jù)聲紋振動特征，確定聲紋振動狀態(tài)，并對異常狀態(tài)進(jìn)行預(yù)警。本次實驗共識別到564個異常聲紋振動狀態(tài)樣本，以此為基礎(chǔ)，開展測試。

4.2 實驗結(jié)果與討論

本文選取靈敏度和誤警率作為方法性能評價指標(biāo)。靈敏度值越高，則說明方法監(jiān)測精度越高，即能夠找出更多的正樣本。誤警率表示被錯誤監(jiān)測為正樣本的實例數(shù)量占所有被監(jiān)測為正樣本的實例數(shù)量的比例。誤警率越低，說明模型對于負(fù)樣本的預(yù)測能力越強(qiáng)，即能夠減少不必要的報警。為使實驗數(shù)據(jù)具有一定說明性，將基于機(jī)器視覺的監(jiān)測方法和基于CNN的監(jiān)測方法與本文方法對比。變壓器內(nèi)部機(jī)械聲紋振動狀態(tài)監(jiān)測誤警率如圖1所示。變壓器內(nèi)部機(jī)械聲紋振動狀態(tài)監(jiān)測靈敏度見表2。

在圖1和表2中，3種方法在靈敏度和誤警率方面均表現(xiàn)出明顯差異。從靈敏度方面來看，本文設(shè)計方法的靈敏度超過97%，而基于機(jī)器視覺的監(jiān)測方法靈敏度最高僅為82.46%，基于CNN的監(jiān)測方法靈敏度最高僅為78.62%，因此在該方面本文設(shè)計方法優(yōu)于主流方法；從誤警率方面來看，本文設(shè)計方法的誤警率最高僅為0.31%，基于機(jī)器視覺的監(jiān)測方法誤警率最高可以達(dá)到3.47%，基于CNN的監(jiān)測方法誤警率最高可以達(dá)到4.67%，因此在誤警率方面本文設(shè)計方法也優(yōu)于主流方法。通過以上分析，證明了無論是在靈敏度方面還是在誤警率方面，本文設(shè)計方法均具有絕對的優(yōu)勢，可行性與可靠性較高，可以實現(xiàn)對變壓器內(nèi)部機(jī)械聲紋振動狀態(tài)的自動精準(zhǔn)監(jiān)測[9-10]。

5 結(jié) 語

本文提出了一種基于物聯(lián)網(wǎng)的變壓器內(nèi)部機(jī)械聲紋振動狀態(tài)自動監(jiān)測方法，這是一種具有廣闊應(yīng)用前景和重要價值的先進(jìn)技術(shù)。通過該方法可以更好地保障電力系統(tǒng)的穩(wěn)定性和安全性，提高變壓器的維護(hù)效率和經(jīng)濟(jì)效益，為電力行業(yè)的智能化轉(zhuǎn)型提供有力支持。雖然本次研究取得了一定的成果，但是在內(nèi)容方面還存在不足。在未來的研究中，將進(jìn)一步深入探討基于物聯(lián)網(wǎng)的變壓器內(nèi)部機(jī)械聲紋振動狀態(tài)自動監(jiān)測方法的關(guān)鍵技術(shù)和應(yīng)用前景；將研究更先進(jìn)的傳感器技術(shù)和數(shù)據(jù)處理算法，以提高監(jiān)測的準(zhǔn)確性和可靠性；同時，將研究該方法如何應(yīng)用于實際的電力系統(tǒng)中，并根據(jù)實際運行情況對該方法進(jìn)行優(yōu)化和改進(jìn)，為變壓器內(nèi)部機(jī)械聲紋振動狀態(tài)自動監(jiān)測提供理論支撐。

參考文獻(xiàn)

[1]齊子豪，仝杰，張中浩，等.基于多粒度知識特征和Transformer網(wǎng)絡(luò)的電力變壓器故障聲紋辨識方法[J/OL].中國電機(jī)工程學(xué)報，1-13[2024-01-18].http：//kns.cnki.net/kcms/detail/11.2107.TM. 20231204.1422.004.html.

[2]唐冬來，李擎宇，龔奕宇，等.基于多維時頻特征的變壓器故障聲紋識別方法研究[J].自動化儀表，2023，44（11）：11-14.

[3]劉云鵬，王博聞，李歡，等.結(jié)合載纖繞組形變測量法的大型變壓器繞組多次短路沖擊暫態(tài)聲紋特征[J].中國電機(jī)工程學(xué)報，2022，42（1）：434-447.

[4]李楠，馬宏忠，段大衛(wèi)，等.基于多傳感器融合聲紋特征圖譜的變壓器鐵芯松動故障診斷方法[J].振動與沖擊，2023，42（15）：129-137.

[5]劉云鵬，來庭煜，劉嘉碩，等.特高壓直流換流閥飽和電抗器振動聲紋特性與松動程度聲紋檢測方法[J].電工技術(shù)學(xué)報，2023，38（5）：1375-1389.

[6]崔佳嘉，馬宏忠.基于改進(jìn)MFCC和3D-CNN的變壓器鐵芯松動故障聲紋識別模型[J].電機(jī)與控制學(xué)報，2022，26（12）：150-160.

[7]向志昊，魏華.基于聲紋特征識別的電力變壓器運維檢測技術(shù)研究[J].電子設(shè)計工程，2023，31（20）：114-118.

[8]肖毓增，付新華，楊勝儀，等.聲紋識別在電廠設(shè)備狀態(tài)監(jiān)測中的運用[J].物聯(lián)網(wǎng)技術(shù)，2022，12（10）：4-7.

[9]李楠，馬宏忠，張玉良，等.基于特征篩選和改進(jìn)深度森林的變壓器內(nèi)部機(jī)械狀態(tài)聲紋識別[J].電機(jī)與控制應(yīng)用，2022，49（9）：57-65.

[10]周夢茜.電力變壓器局部放電超聲信號的聲紋識別方法研究[D].北京：華北電力大學(xué)（北京），2021.

作者簡介：丁 燕（1983—），女，河南開封人，碩士，副教授，研究方向為電氣自動化技術(shù)。

收稿日期：2024-01-18 修回日期：2024-03-01