[發(fā)明專利]一種基于振動特征的高壓并聯電抗器機械狀態(tài)評估方法

有效

• 申請?zhí)枺?/td>: 202010432433.X
• 申請日: 2020-05-20
• 公開（公告）號: CN111638028B
• 公開（公告）日: 2022-05-10
• 發(fā)明（設計）人: 高樹國;孟令明;曾四鳴;汲勝昌;黨永亮;劉宏亮;孫路;趙軍
• 申請（專利權）人: 國網河北省電力有限公司電力科學研究院;國家電網有限公司;西安交通大學
• 主分類號: G01M7/02
• 分類號: G01M7/02;G01R31/12;G06N3/04
• 代理公司: 石家莊新世紀專利商標事務所有限公司 13100
• 代理人: 呼春輝

本發(fā)明公開了一種基于振動特征的高壓并聯電抗器機械狀態(tài)評估方法，涉及電氣設備故障診斷技術領域；其包括基于高壓并聯電抗器的歷史狀態(tài)數據和實時振動噪聲信號數據，通過LSTM神經網絡時間序列預測方法，對比預測特征值與實際特征值的偏差，衡量高壓并聯電抗器是或否出現機械缺陷或故障；其通過高壓并聯電抗器的歷史狀態(tài)數據和實時振動噪聲信號數據、LSTM神經網絡時間序列預測方法、對比預測特征值與實際特征值的偏差等，實現了高壓并聯電抗器機械狀態(tài)評估。

技術領域

本發(fā)明涉及電氣設備故障診斷技術領域，尤其涉及一種基于振動特征的高壓并聯電抗器機械狀態(tài)評估方法。

背景技術

高壓并聯電抗器是電力系統(tǒng)中重要的無功補償設備，對電力系統(tǒng)的安全穩(wěn)定運行起著重要的作用，其電壓等級在500kV以上。近年來全國范圍內有多臺高壓并聯電抗器處于異常狀態(tài)或發(fā)生故障，因此對高壓并聯電抗器開展故障診斷具有十分重要的意義。根據發(fā)生故障的高壓并聯電抗器解體報告，高壓并聯電抗器主要故障形式為內部緊固件松動，產生局部懸浮電位，進而產生異常的局部放電、乙炔增高，最終導致設備停運。

據相關資料顯示，目前常見的高壓并聯電抗器狀態(tài)評估方法有油色譜法、特高頻法、超聲法，這些方法在高壓并聯電抗器故障后期(出現絕緣缺陷)陷診斷方面表現出較高的準確性，但對于其早期機械故障難以及時診斷。振動法利用高壓并聯電抗器油箱表面的振動信號檢測其機械狀態(tài)，具有在線、非侵入和對早期機械故障反應靈敏的優(yōu)點，相關科研機構和企業(yè)研制了種類繁多的基于振動聲學信號的高壓并聯電抗器在線監(jiān)測儀器，實現了高壓并聯電抗器油箱表面振動信號的實時觀測和記錄。但是不同電壓等級、不同生產廠家的高壓并聯電抗器表面振動信號有所不同，即使是同一生產廠家生產的同一種類高壓并聯電抗器，由于生產工藝把控和高壓并聯電抗器本身機械系統(tǒng)的復雜性，其振動信號也會不同，并且對于某臺特定的高壓并聯電抗器，在其運行的不同階段，振動信號也會隨運行年限增長和環(huán)境因素的波動而發(fā)生改變，目前的診斷評估方法未充分考慮被觀測高壓并聯電抗器在不同時間維度下本身的運行特征，其典型健康振動信號集、典型故障振動信號集的選擇和判據的確立往往基于自于一次實驗室小模型實驗的統(tǒng)計、經驗結果或其它在運電抗器相關統(tǒng)計結果，給高壓并聯電抗器狀態(tài)評估帶來了一定困難。

因此針對基于振動信號的高壓并聯電抗器機械狀態(tài)評估，發(fā)明一種綜合利用設備本體獲取隨時間變化的特征數據，判據具有個性化和能自適應當前運行環(huán)境和運行年限的高壓并聯電抗器振動特征評估方法具有重要意義，該方法具有堅實的工程背景和廣闊的應用前景。

現有技術問題及思考：

如何解決高壓并聯電抗器機械狀態(tài)評估的技術問題。

發(fā)明內容

本發(fā)明所要解決的技術問題是提供一種基于振動特征的高壓并聯電抗器機械狀態(tài)評估方法，其通過高壓并聯電抗器的歷史狀態(tài)數據和實時振動噪聲信號數據、LSTM神經網絡時間序列預測方法、對比預測特征值與實際特征值的偏差等，實現了高壓并聯電抗器機械狀態(tài)評估。

為解決上述技術問題，本發(fā)明所采取的技術方案是：一種基于振動特征的高壓并聯電抗器機械狀態(tài)評估方法，基于高壓并聯電抗器的歷史狀態(tài)數據和實時振動噪聲信號數據，通過LSTM神經網絡時間序列預測方法，對比預測特征值與實際特征值的偏差，衡量高壓并聯電抗器是或否出現機械缺陷或故障。

進一步的技術方案在于：采集高壓并聯電抗器油箱表面的振動信號和噪聲信號，提取信號中的特征值并組成時間序列，結合時間序列預測模型，計算預測值與實際值的綜合偏差衡量因子，通過該因子判斷衡量高壓并聯電抗器的油箱內部是或否發(fā)生非自然趨勢的機械缺陷或故障。

進一步的技術方案在于：將高壓并聯電抗器油箱表面的振動信號和噪聲信號的基頻幅值作為特征變量。

進一步的技術方案在于：將30分鐘作為一個采樣周期，采集高壓并聯電抗器油箱表面的振動信號和噪聲信號。

進一步的技術方案在于：通過LSTM神經網絡預測高壓并聯電抗器未來一段時間內的振動特征值。