基于有載分接開關(guān)的變壓器繞組故障自動(dòng)化診斷方法研究

摘要：變壓器繞組故障信號(hào)狀態(tài)的多樣性對(duì)故障診斷效果具有顯著影響，因此，文章提出基于有載分接開關(guān)的變壓器繞組故障自動(dòng)化診斷方法。該方法將單維時(shí)間序列下的信號(hào)映射到高維空間，通過利用信號(hào)能量熵函數(shù)，確定相點(diǎn)在映射空間中的累積分布特征。引入長(zhǎng)短期記憶網(wǎng)絡(luò)技術(shù)，分析有載分接開關(guān)信號(hào)累積分布的延遲特性，基于提取的特征自動(dòng)進(jìn)行故障模式的識(shí)別。測(cè)試結(jié)果表明：該研究方法對(duì)于各類變壓器繞組故障的診斷用時(shí)始終在2.5 ms以下，診斷性能可靠性較高。

關(guān)鍵詞：有載分接開關(guān)；變壓器繞組；故障自動(dòng)化診斷；LSTM；歐氏距離

中圖分類號(hào)：TM71

文獻(xiàn)標(biāo)志碼：A

0 引言

對(duì)變壓器繞組故障進(jìn)行診斷時(shí)，需要克服的主要干擾包括電氣系統(tǒng)中的其他設(shè)備或組件可能產(chǎn)生噪聲^［1］、機(jī)械振動(dòng)、電磁干擾等環(huán)境因素^［2］，采樣頻率、信噪比等因素^［3］。唐冬來等^［4］提出一種以多維時(shí)頻特征為基礎(chǔ)的變壓器故障識(shí)別方法，通過提取變壓器運(yùn)行數(shù)據(jù)中的多維時(shí)頻特征，更全面地反映變壓器的運(yùn)行狀態(tài)，從而提高故障識(shí)別診斷的準(zhǔn)確性。馬旭聰?shù)?sup>［5^］提出了以孿生卷積網(wǎng)絡(luò)為基礎(chǔ)的變壓器繞組故障識(shí)別方法，利用孿生卷積網(wǎng)絡(luò)自動(dòng)學(xué)習(xí)數(shù)據(jù)的深層次特征，借助孿生網(wǎng)絡(luò)結(jié)構(gòu)對(duì)輸入數(shù)據(jù)的微小變化進(jìn)行分析，提高故障識(shí)別診斷的穩(wěn)定性。但以上方法需要大量的訓(xùn)練數(shù)據(jù)來優(yōu)化模型參數(shù)，故障診斷效果不佳。為此，文章提出基于有載分接開關(guān)的變壓器繞組故障自動(dòng)化診斷方法研究。

1 變壓器繞組故障自動(dòng)化診斷方法設(shè)計(jì)

1.1 有載分接開關(guān)狀態(tài)特征提取

為充分獲取有載分接開關(guān)的機(jī)械振動(dòng)信號(hào)中蘊(yùn)含的混沌特征，文章將單維時(shí)間序列下的信號(hào)映射到高維空間，以此對(duì)單位時(shí)域信號(hào)分量在演化過程中包含的動(dòng)力學(xué)狀態(tài)信息進(jìn)行完整提取。

對(duì)相空間中任意相點(diǎn)，二者之間距離的計(jì)算方式可以表示為：

r_ij=‖x_i（t）-x_j（t）‖（1）

其中，r_ij表示t時(shí)刻，高維空間有載分接開關(guān)機(jī)械振動(dòng)信號(hào)x_i（t）和x_j（t）相點(diǎn)之間的歐氏距離參數(shù)。

1.2 變壓器繞組故障診斷

文章在進(jìn)行具體的變壓器繞組故障診斷階段，引入長(zhǎng)短期記憶網(wǎng)絡(luò)（Long Short-Term Memory，LSTM），根據(jù)已提取到的有載分接開關(guān)狀態(tài)特征進(jìn)行故障自動(dòng)化診斷。

該研究將提取到的特征作為輸入，通過全連接層進(jìn)行分類，全連接層的輸出層使用softmax激活函數(shù)，以輸出每個(gè)故障類別的概率分布^［6］。假設(shè)有N個(gè)故障類別，時(shí)間步長(zhǎng)為t，全連接層的輸出表示為：

y^_ij=softmax（W_y·h_ij+b_y·C_ij）（2）

其中，y^_ij表示模型預(yù)測(cè)的第i個(gè)樣本屬于第j個(gè)類別的概率，W_y表示全連接層的權(quán)重矩陣，h_ij表示LSTM模型在時(shí)間步長(zhǎng)t的隱藏狀態(tài)，b_y表示全連接層的偏置項(xiàng)。

使用交叉熵?fù)p失函數(shù)來衡量模型預(yù)測(cè)的概率分布與真實(shí)標(biāo)簽之間的差異，假設(shè)每個(gè)樣本屬于M個(gè)可能的類別之一，則交叉熵?fù)p失函數(shù)可以表示為：

其中，y_ij表示第i個(gè)樣本對(duì)應(yīng)第j個(gè)類別的真實(shí)標(biāo)簽。通過梯度下降優(yōu)化器更新模型參數(shù)，對(duì)于第f次迭代，參數(shù)更新可以表示為：

其中，θ表示模型的參數(shù)（包括W_y和b_y），η表示學(xué)習(xí)率，▽_θLoss（θ_t）表示在當(dāng)前參數(shù)θ_t下計(jì)算出的損失函數(shù)關(guān)于參數(shù)的梯度。通過不斷迭代，能夠逐漸降低損失函數(shù)的值，使模型預(yù)測(cè)更加準(zhǔn)確，得到優(yōu)化后的y^′_ij。

非線性累積分布延遲可能指的是在考慮非線性關(guān)系時(shí)，2個(gè)信號(hào)相點(diǎn)之間在時(shí)間或其他維度上的累積差異或延遲。

根據(jù)有載分接開關(guān)信號(hào)的累計(jì)分布延遲，以Shannon信息熵為基礎(chǔ)，對(duì)2個(gè)隨機(jī)變量（高維空間有載分接開關(guān)信號(hào)相點(diǎn)）間的非線性累積分布延遲進(jìn)行計(jì)算，具體可以表示為：

其中，I表示高維空間有載分接開關(guān)信號(hào)相點(diǎn)x_i（t）和x_j（t）間的非線性累積分布延遲，H_ij表示x_i（t）和x_j（t）的信號(hào)能量熵，p（x_i（t），x_j（t））表示x_i（t）和x_j（t）之間的離散分布系數(shù)，px_i（t）和px_j（t）分別表示獨(dú)立高維空間有載分接開關(guān)信號(hào)相點(diǎn)x_i（t）和x_j（t）的離散值。

互信息量反映了2個(gè)變量間的統(tǒng)計(jì)相關(guān)性或依賴程度，因此根據(jù)計(jì)算出的非線性累積分布延遲I，采用互信息法，對(duì)非線性累積分布延遲與故障的關(guān)系進(jìn)行分析，自動(dòng)判斷變壓器繞組是否存在故障，實(shí)現(xiàn)對(duì)具體故障狀態(tài)的診斷，高維空間有載分接開關(guān)信號(hào)相點(diǎn)x_i（t）和x_j（t）間的非線性累積分布延遲與故障之間的對(duì)應(yīng)關(guān)系為：

（1）當(dāng)I大于1.0時(shí)，變壓器繞組故障狀態(tài)為變形故障。

（2）當(dāng)I接近無窮時(shí)，變壓器繞組故障狀態(tài)為匝間短路故障。

（3）當(dāng)I在不同時(shí)刻的值具有不規(guī)律的發(fā)展特征時(shí)，變壓器繞組故障狀態(tài)為預(yù)緊力松動(dòng)故障，具體的松動(dòng)程度以峰值階段I值大小為基準(zhǔn)加以判斷。

至此，完成對(duì)有載分接開關(guān)狀態(tài)特征的提取，為后續(xù)對(duì)變壓器繞組故障狀態(tài)的診斷，最大限度確保其能夠適應(yīng)不同工況下故障信號(hào)的具體情況，穩(wěn)定輸出可靠的診斷結(jié)果。

2 智能化應(yīng)用測(cè)試

2.1 測(cè)試環(huán)境

為了驗(yàn)證文章基于有載分接開關(guān)，研究的變壓器繞組故障自動(dòng)化診斷方法在實(shí)際應(yīng)用過程中的效果與方法性能，對(duì)其進(jìn)行智能化應(yīng)用測(cè)試。該研究在仿真環(huán)境中以實(shí)際的變壓器配置為基礎(chǔ)構(gòu)建了故障模型，具體如圖1所示。

2.2 測(cè)試結(jié)果與分析

對(duì)該研究方法的測(cè)試結(jié)果進(jìn)行統(tǒng)計(jì)，不同變壓器繞組故障狀態(tài)的診斷結(jié)果如表1所示。

結(jié)合表1所示的測(cè)試結(jié)果可以看出，應(yīng)用該研究方法針對(duì)繞組變形、匝間短路、預(yù)緊力80.0%松動(dòng)和預(yù)緊力50.0%松動(dòng)故障進(jìn)行診斷，只有預(yù)緊力50.0%松動(dòng)故障與實(shí)際結(jié)果不一致，在16次故障診斷中僅有1次未檢測(cè)出對(duì)應(yīng)的故障，診斷準(zhǔn)確率為93.75%，說明該研究方法對(duì)各類變壓器繞組故障的診斷性能均較為可靠，可以實(shí)現(xiàn)對(duì)不同狀態(tài)的變壓器繞組故障進(jìn)行有效診斷，具有良好應(yīng)用價(jià)值。

為了驗(yàn)證該研究方法的故障檢測(cè)性能，以同一故障類型、不同故障編號(hào)的診斷用時(shí)為指標(biāo)，分析應(yīng)用該研究方法進(jìn)行故障診斷的效率問題。測(cè)試要求各類故障診斷時(shí)間低于4s，即可滿足實(shí)際應(yīng)用需求。統(tǒng)計(jì)不同故障的診斷耗時(shí)，得到結(jié)果如圖2所示。

根據(jù)圖2中的結(jié)果可以看到，該研究方法對(duì)繞組變形故障的診斷耗時(shí)為0.4～0.8s，對(duì)匝間短路故障的診斷耗時(shí)為1.4～1.8s，對(duì)預(yù)緊力80.0%松動(dòng)故障的診斷耗時(shí)為0.8～1.2s，對(duì)預(yù)緊力50.0%松動(dòng)故障的診斷耗時(shí)為2.0～2.4s，對(duì)繞組變形故障的診斷耗時(shí)最短效率最高，對(duì)預(yù)緊力50.0%松動(dòng)故障的診斷耗時(shí)最長(zhǎng)，但是也能夠使診斷時(shí)間保持在2.5s以下，能夠滿足實(shí)際應(yīng)用需求，具有較高的故障診斷性能。

3 結(jié)語

從實(shí)際應(yīng)用需求的角度分析，開展變壓器繞組故障診斷研究對(duì)于整體電力系統(tǒng)的安全、穩(wěn)定具有重要的現(xiàn)實(shí)意義。文章提出基于有載分接開關(guān)的變壓器繞組故障自動(dòng)化診斷方法研究，利用有載分接開關(guān)與變壓器繞組狀態(tài)之間的反饋關(guān)系，切實(shí)實(shí)現(xiàn)了對(duì)具體

故障狀態(tài)的精準(zhǔn)診斷，能夠適應(yīng)不同的應(yīng)用場(chǎng)景，達(dá)到穩(wěn)定的診斷效果。

參考文獻(xiàn)

［1］譚珊，趙仲勇，楊建，等.基于動(dòng)態(tài)時(shí)間規(guī)整的變壓器繞組變形故障診斷方法研究［J］.高壓電器，2024（2）：108-118.

［2］黃俊成，趙仲勇.基于譜聚類算法的變壓器繞組故障分析方法初探［J］.電氣應(yīng)用，2024（1）：110-116.

［3］黃鳳潔.變壓器繞組故障模擬及故障診斷技術(shù)［J］.電氣技術(shù)與經(jīng)濟(jì)，2023（10）：184-185，191.

［4］唐冬來，李擎宇，龔奕宇，等.基于多維時(shí)頻特征的變壓器故障聲紋識(shí)別方法研究［J］.自動(dòng)化儀表，2023（11）：11-14，19.

［5］馬旭聰，唐文虎，牛哲文，等.非均衡數(shù)據(jù)集下基于孿生卷積網(wǎng)絡(luò)的變壓器繞組變形故障識(shí)別方法［J］.高壓電器，2023（10）：120-128.

［6］張龍，武玉才，馬明晗.開口變壓器法檢測(cè)汽輪發(fā)電機(jī)轉(zhuǎn)子繞組故障的有效性驗(yàn)證［J］.大電機(jī)技術(shù)，2023（6）：29-34，41.

（編輯 王永超）

Study on the automatic diagnosis method of transformer winding fault based on on-load tap switch

ZHU Yidong， LYU Zhiyong， HUANG Wenbin

（Zaozhuang Power Supply Company State Grid Shandong Electric Power Company， Zaozhuang 277100， China）

Abstract：Since the diversity of transformer winding fault signal status influences on the fault diagnosis effect， the automatic diagnosis method of transformer winding fault diagnosis based on on-load tap switch is proposed. This method maps the signals under the single-dimensional time series to a high-dimensional space， and determines the cumulative distribution characteristics of the phase points in the mapping space by using the signal energy entropy function. Long-and short-term memory network technology is introduced to analyze the delay characteristics of the cumulative distribution of the on-load tap switch signals， and automatically identify the fault mode based on the extracted features. The test results show that the various transformer winding fault diagnosis time is always under 2.5 ms， and the diagnostic performance and reliability are high.

Key words：on-load tap switch; transformer winding; automatic fault automation diagnosis; LSTM; Euclidean distance