近年來電力變壓器繞組變形、鐵心鬆動等故障頻發，而機械故障、直流偏磁等常引起變壓器異常振動，如何通過振動信號識別實現變壓器故障診斷是目前的研究熱點和難點。

華北電力大學新能源電力系統國家重點實驗室先進傳感研究團隊通過分析多台不同電壓等級，不同型號變壓器正常與典型故障下的振動信號，提出了一種基于振動信號多特徵值的電力變壓器故障檢測方法，通過特徵值優化、截斷正態擬合與SMOTE數據擴充構建了「兩段式」故障診斷算法，解決了現有診斷方法泛用性差，難以應用於不同變壓器的問題，實現了多台變壓器故障的「橫向診斷」。

研究背景

在變壓器故障檢測的諸多方法中，振動分析法以其檢測快速、對變壓器影響小、檢測精度高的優點，得到了國內外專家學者廣泛的研究。

為何變壓器運行時會產生振動？

變壓器內部兩大振源為鐵心和繞組。運行時，鐵心中通過交變主磁通，引起矽鋼片產生磁致伸縮現象——平行於磁場方向伸長，垂直於磁場方向縮短，其振動基頻為100Hz。繞組線匝內交變電流與漏磁場相互作用產生周期性安培力，引起繞組產生徑向和軸向振動，其基頻同樣為100Hz。

變壓器的振動信號與內部機械部件狀態緊密相關，例如繞組變形引起局部線匝位移，預緊力下降，往往使得振動信號幅值增大並產生高頻分量，因此監測振動信號特徵即可實現故障的判斷和預警。

現有的基于振動信號的故障檢測方法有哪些？

現有方法主要從振動的時域、頻域入手，提取能量、頻率等若干特徵從而推斷變壓器狀態。常用的方法有：特徵值閾值法、希爾伯特-黃變換方法、小波包分解法等。

現有算法存在哪些不足？

（1）現有研究大多是針對某一特定型號或電壓等級變壓器開展的縱向比較，由此形成的診斷算法難以推廣到其他型號或電壓等級的變壓器，泛用性較差。

（2）在振動歷史數據缺失的情況下，基於時間域縱向對比的算法失效。

（3）在診斷特徵向量的構造上，目前廣泛使用「100Hz占比」、「總諧波畸變率(Total Harmonic Distortion, THD)」等診斷指標，但變壓器正常運行時普遍存在的200Hz、300Hz等倍頻分量將影響其診斷效果。

（4）現場測量的變壓器大多處於正常工況，故障工況的振動數據短缺，而在實驗室條件下人為設置故障，無法獲取足量的不同型號、不同電壓等級變壓器振動數據，數據的缺失與不平衡將嚴重影響算法的分類效果。

論文所解決的問題、意義與方法概述

本文首先搜集整理各電壓等級變壓器正常與繞組變形、鐵心鬆動、繞組鬆動、直流偏磁四類典型故障振動信號，解決了數據不足，數據來源單一的問題；其次分析了變壓器正常運行時振動主頻分布情況，將200Hz~400Hz低頻倍頻分量納入正常，優化了「100Hz占比」、「THD」特徵值的計算公式，解決了特徵值易受倍頻干擾，分類效果差的問題；再次構造了變壓器工況模糊評價算法，提出了兩段式診斷流程，實現多特徵值融合；最後提出了振動特徵值的截斷正態分布擬合方法，採用SMOTE算法對故障數據進行擴充，解決了數據不平衡問題，進一步提高了分類精度。

論文方法及創新點

論文整體框架如圖1所示。

首先進行數據搜集與篩選，共獲得數據104組（69組正常，35組故障），對應變壓器電壓等級範圍為2kV~500kV，涉及故障類型包含繞組變形、鐵心鬆動、繞組鬆動、直流偏磁四類。

其次分析變壓器正常情況下振動信號的頻譜特點，如圖2所示，受到振動的非線性和共振的影響，兩台變壓器振動頻譜中倍頻幅值大於基頻，這將嚴重影響100Hz占比和以100Hz為閾值的THD這兩個特徵值的分類效果。

為減小倍頻的影響，結合正常和故障變壓器振動主頻統計結果，本文將200Hz~400Hz低頻倍頻分量納入正常範圍，對兩特徵值進行如下修改：1）將100Hz占比改為低頻占比；2）將THD的基頻由100Hz改為100Hz和較低頻率的倍頻，稱為倍頻THD。

隨後對兩優化特徵值的分類效果進行測試，結果如圖3所示。

兩優化特徵值相比於原特徵值分類效果明顯提升，抗振動倍頻干擾能力增強，其分類結果的區間重合度顯著下降，分類效果分別提升了79%、76%。

隨後利用5個特徵值進行診斷算法構建。不同特徵值對不同故障類型的敏感度不同，為避免各特徵值間互相影響，將總診斷流程劃分為一次診斷和二次診斷兩部分，如圖4所示。

其中一次診斷利用截斷正態擬合實現初步分類（其原理類似貝葉斯分類器），將數據分成「正常」、「故障」和「不確定」三類，隨後將「不確定」的數據輸入二次診斷，這一步算法採用直接劃定閾值方法。圖5為一次診斷和二次診斷的流程。

最後使用數據集進行算法訓練與測試。

本文雖收集了大量數據，但由於實際情況中故障的變壓器較少，因此仍存在故障數據不足的問題，為緩解數據不平衡對分類效果的影響，使用SMOTE算法對故障數據進行擴充，使得擴充後正常、故障的數據量相等，均為54組。

測試集有27組數據，其中包含15組正常樣本、3組鐵心鬆動樣本、3組繞組變形樣本、1組繞組鬆動樣本和5組直流偏磁樣本。將測試集數據輸入經過訓練的模型，其一次診斷與二次診斷結果分別如圖6所示。所有的故障數據均被正確診斷出，2組正常數據被誤診為故障，算法對於不同電壓等級的變壓器分類準確度達到92.6%。

本文還對來自不同測點、不同負載情況變壓器的數據進行了測試，在測試集範圍內算法對不同測點的數據分類準確率為100%（12/12），對不同負載情況的數據分類準確率為93.3%（14/15）。表明算法基本不受測點位置、負載情況的干擾。

結論

本文收集整理了各電壓等級變壓器正常和典型故障下的振動信號，提出了一種基于振動特徵值的多變壓器故障橫向診斷方法。主要結論如下：

（1）統計了變壓器振動主頻分布情況，將100Hz~400Hz分量納入正常的範圍，對傳統的100Hz占比、總諧波畸變率計算式進行了改進，大幅提升了兩特徵值的分類效果。

（2）構造了兩段式診斷流程，一次診斷使用截斷正態函數進行數據擬合，考慮了特徵值定義域限制與變壓器工況界限的模糊性；二次診斷對一次診斷的「不確定」數據進行進一步分類。

（3）使用SMOTE算法對故障數據進行擴充，緩解了數據不足和類別不平衡的問題。

（4）使用27組數據進行測試，結果表明算法對正常、故障變壓器的分類準確度達到92.6%，適用於不同變壓器的橫向診斷和對不同測點、不同工作狀態數據的分類。

團隊介紹

華北電力大學新能源電力系統國家重點實驗室先進傳感研究團隊主要開展高電壓與絕緣技術、電氣裝備先進傳感檢測，先進輸變電智能裝備、電氣設備診斷與大數據分析等方面的研究。研製了特高壓寬頻帶GIS設備特快速暫態過電壓測量傳感器，構建了全光網輸電線路狀態感知方法，提出了多種針對變電設備的光學智能感知方法。堅持基礎研究與服務國家重大需求並重，研究成果多次在我國特高壓輸電工程中得到了應用。

本文編自2023年第1期《電工技術學報》，論文標題為「基于振動信號多特徵值的電力變壓器故障檢測研究」。本課題得到國家電網有限公司科技資助項目的支持。