变压器振动信号分析在重载铁路数字孪生变电所的应用研究.pdf
《变压器振动信号分析在重载铁路数字孪生变电所的应用研究.pdf》由会员分享,可在线阅读,更多相关《变压器振动信号分析在重载铁路数字孪生变电所的应用研究.pdf(10页珍藏版)》请在咨信网上搜索。
1、铁道运输与经济RAILW AY TRANSPORT AND ECONOMY第 45 卷 第 11 期变压器振动信号分析在重载铁路数字孪生变电所的应用研究Application of Transformer Vibration Signal Analysis in Digital Twin Substation for Heavy-Haul Railway刘继永1,王志良2,李卓2LIU Jiyong1,WANG Zhiliang2,LI Zhuo2(1.国能朔黄铁路发展有限责任公司 肃宁分公司,河北 沧州 062350;2.中国铁道科学研究院集团有限公司 机车车辆研究所,北京 100081)(
2、1.Suning Branch,Guoneng Shuohuang Railway Development Co.,Ltd.,Cangzhou 062350,Hebei China;2.Locomotive&Car Research Institute,China Academy of Railway Sciences Corporation Limited,Beijing 100081,China)摘要:基于重载铁路数字孪生变电所建设,对变压器振动信号分析应用开展了重点研究。首先,采用经验小波变换对变压器振动信号进行分解处理,获取反映变压器振动特性的多阶经验小波分量;其次,以精细化复合多尺度
3、分散熵RCMDE作为衡量各阶经验小波分量时域分布特性的指标,通过组合各阶经验小波分量对应的RCMDE,表征变压器振动信号的多维度特征;最后,采用优化的OPTICS聚类算法辨识变压器振动是否存在异常,优化的OPTICS算法能够有效改善建模样本不平衡的问题,使得构建的预警模型整体性能更为稳健。在朔黄铁路变压器安装测试设备,采集分析振动信号,对研究方法进行了验证。经过实例验证,该研究方法适用于变压器故障在线监测,对于辨识变压器机械性故障预警具有一定实用价值。关键词:变压器;振动信号;经验小波变换;分散熵;聚类Abstract:Based on the construction of digital
4、twin substations for heavy-haul railways,key research has been conducted on the analysis and application of transformer vibration signals.Firstly,empirical wavelet transform was employed to decompose and process the transformer vibration signals for obtaining multi-order empirical wavelet components
5、 that reflect the transformer vibration characteristics.Secondly,the refined composite multi-scale dispersed entropy RCMDE was adopted as an indicator to measure the temporal distribution characteristics of each order of empirical wavelet components.By combining the RCMDE corresponding to each order
6、 of empirical wavelet components,the multi-dimensional characteristics of transformer vibration signals were characterized.Finally,the optimized OPTICS clustering algorithm was utilized to identify whether there were abnormalities in transformer vibration.This algorithm can improve the problem of im
7、balanced modeling samples,making the overall performance of the built early warning model more robust.Meanwhile,this paper collected and analyzed vibration signals,and validated the research method by installing testing equipment on transformers of the Shuohuang Railway.Practical verification shows
8、that this method is suitable for online monitoring of transformer faults and has certain practical significance for identifying mechanical fault warning of transformers.Keywords:Transformer;Vibration Signal;Empirical Wavelet Transform;Dispersed Entropy;Clustering文章编号:1003-1421(2023)11-0150-10 中图分类号:
9、U284;TM41 文献标识码:ADOI:10.16668/ki.issn.1003-1421.2023.11.19引用格式:刘继永,王志良,李卓.变压器振动信号分析在重载铁路数字孪生变电所的应用研究J.铁道运输与经济,2023,45(11):150-159.LIU Jiyong,WANG Zhiliang,LI Zhuo.Application of Transformer Vibration Signal Analysis in Digital Twin Substation for Heavy-Haul RailwayJ.Railway Transport and Economy,202
10、3,45(11):150-159.-150刘继永 等 变压器振动信号分析在重载铁路数字孪生变电所的应用研究0引言目前,铁路牵引变电所变压器故障诊断手段主要包括:油中溶解气体分析法1、局部放电法2、红外测温法3-4、振动分析法5-8等。油中溶解气体法局限性在于故障辨识时效性低,无法对变压器外部辅件缺陷辨识。局部放电法时效性更为灵敏但易受外界环境干扰,噪声抑制技术是难点。红外测温法待缺陷升级为严重故障时才可发挥出价值。振动分析法主要检测变压器绕组松动及变形、铁芯松动、有载分接开关触头卡涩等机械故障。据统计表明,变压器绕组、有载分接开关、铁芯故障占变压器故障的70%9,为此,对变压器状态检测及诊断分
11、析是必要的。数字孪生变电所是一种将物理变电所与数字模型相结合概念,旨在实现对变电所全面监测、分析和优化,变压器振动信号分析是其一项重要应用研究领域。通过振动检测判断变压器故障,在国内已有应用,主要基于对振动信号的阈值分析。通过对振动信号采用精细化复合多尺度分散熵(Refined Composite Multi-Scale Dispersed Entropy,RCMDE)提取各分解分量特征信息,从时域、频域多个尺度衡量变压器振动信号复杂度,用作区分正常及异常指标,可以建立变压器振动信号与故障之间关联模型,用来预测变压器未来可能发生的故障类型和时间,主要应用于重载铁路承担冲击负荷的牵引供电变压器运
12、维。1重载铁路变电所数字孪生建设根据实际电气设备种类和业务需求,对变压器、隔离开关、断路器、避雷器电气及结构状态信号进行采集,开展数据模型管理、训练,实现设备状态分类评估、趋势预测及缺陷案例自学习模型建立。朔黄铁路(神池南黄骅港)黄骅港牵引变电所在国内重载铁路领域首次应用变电所数字孪生建设技术,在电力变压器高压侧A,B,C三相绕组上、下2个位置部署振动监测传感器,在牵引变压器本体高压侧T,F相绕组上、下2个位置部署振动监测传感器;采用强磁铁将振动传感器吸附在变压器低压侧面中部位置。变压器振动传感器测点布置及安装示意图如图1所示。2重载工况下变压器振动优化算法变压器振动主要由铁芯、绕组产生,铁芯
13、振动信号中含有高次谐波分量10。自适应模态分解方法开始广泛应用于机械故障诊断领域,如经验模式分解11(Empirical Mode Decomposition,EMD),集 合 经 验 模 式 分 解12(Ensemble Empirical Mode Decomposition,EEMD),自适应噪声完全集合经验模态分解5-6(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN),经验小波变换13-14(Empirical Wavelet Transform,EWT),变分模式分解15(Vari
14、ational Mode Decomposition,VMD)等方法。EWT是具备小波变换理论框架自适应信号分解方法,较好地解决了EMD存在模态混叠问题。故研究采用EWT作为变压器振动信号时频分解方法,用于区分不同故障模式下差异性。2.1经验小波变换EWT算法主要在于对振动信号傅里叶谱进行合理划分,自适应性体现在能够构造一系列正交小波滤波器组,通过小波滤波器实现非线性信号分解,提取一系列调频调幅(AM-FM)分量。经验小波变换优点是抗模态混叠能力强、端点效应轻微且运算时间较短。EWT13计算步骤如下。步骤1:傅里叶变换(FFT)计算输入信号f(t)的频谱;步骤2:将频谱F()定义在0,范围内。
15、步骤3:根据傅里叶频谱分段构造个经验小波 n()。步骤4:计算经验小波变换(EWT)。图1变压器振动传感器测点布置及安装示意图Fig.1Measurement point layout and installation of transformer vibration sensors-151刘继永 等 变压器振动信号分析在重载铁路数字孪生变电所的应用研究步骤5:根据公式进行信号重构。f(t)=Wf(0,t)1(t)+n=1NWf(n,t)n(t)=F-1(Wf(0,)1()+n=1NWf(n)n()式 中:1为 经 验 尺 度 函 数;Wf(0,)1()和Wf(n,)n()分别为Wf(0,t)
16、1(t)和Wf(k,t)k(t)的傅里叶变换。2.2精细化复合多尺度分散熵采用精细化复合多尺度分散熵 RCMDE 提取各分解分量特征信息,用作区分正常及异常指标。分散熵源于香农(Shannon)熵和符号动力学,能够快速、有效地衡量系统或时间序列不规则性,一些细节信息可能被忽略但固有动态属性能够有效保留下来16-17。RCMDE在短数据、不同幅值范围、同时存在确定性过程和随机过程等不利条件下,能有效提取隐藏在变压器振动信号序列中特征信息,定量表征各种工况下振动信号复杂程度,在提取振动信号特征方面具有一定优势。RCMDE对分散熵改进,通过可变尺度因子参与,使得衡量振动信号更为敏感。对于一长度为N的
17、单变量时间序列:x=x1,x2,xN,其分散熵(DisEn)计算步骤如下。(1)将xj(j=1,2,N)映射为c类,每个类别均是从1至c整数索引。在最大或最小值明显大于或小于信号均值或中值情况下,采用正态累积分布函数(Normal Cumulative Distribution Function,NCDF)映射方法能够解决xj主要信息仅分配为少数几个类别问题。NCDF 方法将x映射为y=y1,y2,yN,其中y0,1。NCDF映射公式为yj=12-xje-(t-)222dt式中:和分别是时间序列x标准差和平均值。采用线性算法为每个yi分配一个从1到c整数。为实现该映射过程,通过zcj=roun
18、d(cyj+0.5)来实现转换,其中 round 函数表示通过四舍五入将(cyj+0.5)的值映射为(1,c)之间的一类。由于采用了NCDF非线性处理,整个映射过程为非线性。(2)计算具有嵌入维度m和时间延迟d的新序列zm,ci,其表示为zm,ci=zci,zci+d,zci+(m-1)d i=1,2,N-(m-1)d 每个时间序列zm,ci可被映射为一个分散模式v0v1vm-1,其中zci=v0,zci+d=v1,zci+(m-1)d=vm-1,可用于分配给zm,ci的潜在分散模式数量等于cm,这主要是因为信号有m个元素,每个元素又是1至c之间整数。(3)对于每cm个潜在分散模式v0v1vm
19、-1来说,出现该模式相应的频率如下。p(v0v1vm-1)=#i|iN-(m-1)d,zm,cihastypev0v1vm-1N-(m-1)d式中:p(v0v1vm-1)表示为分配给zm,ci的分散模式v0v1vm-1的数量除以嵌入维度为m的嵌入信号总和;#表示集合中元素个数。(4)基于香农熵定义,DisEn值计算公式为DisEn(x,m,c,d)=-=1cmp(v0v1vm-1)ln(p(v0v1vm-1)当所有可能的分散模式具有相等概率值时,DisEn将获得最大值,其值为ln(cm)。相反,若仅存在一个不同于零的p(v0v1vm-1),说明该序列为一个完全规则或可预测的时间序列,此时Dis
20、En将获得最小值。本研究将DisEnln(cm)作为归一化DisEn应用。多尺度分散熵(MDE)计算方式如下:假定存在一长度为 L 单变量信号:u=u1,u2,uL。在MDE算法中,首先将原始信号u划分为多组长度为非重叠分段,其中为尺度因子。其次,计算每个分段平均值以得出粗粒度信号,计算公式为xj()=1b=(j-1)+1jub 1j|L=N通过DisEn方法计算每个粗粒度信号熵值,即获得多尺度分散熵。在RCMDE算法中,对于尺度因子来说,不同值的时间序列,建立粗粒化过程有不同起点,RCMDE可表示为对那些移位序列分散模式平均值进行香农熵计算。u 中第 k 个粗粒化时间序列xk=xk,1,xk
21、,2,可表示为xk,j=1b=k+(j-1)k+j-1ub1jN,1k-152刘继永 等 变压器振动信号分析在重载铁路数字孪生变电所的应用研究对于每个尺度因子来说,RCMDE可定义为RCMDE(x,m,c,d,)=-=1cmp(v0v1vm-1)ln(p(v0v1vm-1)式中:p(v0v1vm-1)=11p()k为序列x()k(1k)中与分散模式相应的频率。p(v0v1vm-1)=11p()k计算公式为p(v0v1vm-1)=11p()k3预警评定指标OPTICS聚类算法优化采用优化的OPTICS聚类算法18-20构建变压器正常运行状态下异常预警模型,自适应对设备运行工况聚类,抽取出典型工况
22、;对于无法形成簇类非典型工况,采用等距离划分法对其进行优化,并将优化结果作为聚类结果补充,完善预警模型稳健性。3.1OPTICS聚类算法3.1.1OPTICS算法原理OPTICS 聚类算法18是基于密度的聚类算法,其输出是训练样本的一个有序队列,从这个队列里面可以获得任意密度的聚类。OPTICS算法主要输入参数包括:初始邻域半径和最少点数min(Pts),其算法核心概念包括:核心点、核心距离、可达距离、直接密度可达,定义具体如下。(1)核心对象:如果一个对象 p 的半径范围内包含点数量不小于最少点数,即count(N(p)MinPts,则该对象称为核心对象。其中count(N(p)表示对象p在
23、半径邻域范围内包含对象点数。(2)核心距离:只有核心对象才能定义核心距离。对象p的核心距离定义为p成为核心对象的最小半径*。对象 p 核心距离coreDist(p)数学描述如下。coreDist(p)=无定义 count(N(p)MinPtsdist(p,MinPtsth)其他式 中:MinPtsth表 示 第 MinPts 个 对 象;dist(p,MinPtsth)表示对象p与对象MinPtsth的空间距离。(3)可达距离:对于核心对象p,对象q到p可达距离可定义为q到p距离或者p核心距离,数学描述如下。reachDist(p,q)=无定义count(N(p)MinPtsmax(coreD
24、ist(p),dist(p,q)其他(4)密 度 直 达:如 果 对 象 p、q 满 足:qN(p),且count(N(p)MinPts,则称 q 可由 p 密度直达,或称为q可由p直接密度可达。(5)密度可达:如果数据集D中包含对象p1,p2,pn,当i1,n-1时,pi+1可由 pi密度直达,那么则称p1与pn密度可达。3.1.2OPTICS算法流程基于以上OPTICS聚类算法核心概念,其实现流程描述如下。步骤1:已知数据集D,创建2个队列,有序队列O和结果队列R,有序队列用来存放核心对象及其密度直达对象,并按可达距离升序排列;结果队列用来存放样本点输出次序。通俗来讲,有序队列用于存放待处
25、理数据,而结果队列用于存放已处理数据。步骤2:若D中所有样本点都被处理或者不存在核心对象,则算法结束;否则,选择1个未处理(即不在结果队列R中)且为核心对象的样本点p进行处理:将p放入结果队列R中,并在D中把p标记为已处理;找到D中p所有的密度直达样本点,若p的密度直达样本点不存在于结果队列中,则将其按可达距离排序放入有序队列O中。步骤 3:若有序队列 O 为空,则回到步骤 2,否则从O中取出第一个样本点q(即可达距离最小的样本点),放入R中,并将q在O中删除、在D中标记为已处理。步骤4:若q不是核心对象,则重复步骤3,从有序队列O中再次选择一个可达距离最小的样本点;若q是核心对象,则找到其在
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 变压器 振动 信号 分析 重载 铁路 数字 孪生 变电所 应用 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。