摘要：变电站电力变压器的故障检测技术，是指通过监控变压器运行状态来检测变电站电力变压器是否仍处于正常工作中，若发生故障，能够做到及时报警，方便工作人员对其进行检测维修，同时还可以预测变压器未来一段时间内的工作情况。传统的变压器故障检测方法都是依靠人工完成的，包括状态检修、定期检修等，这些方法均需要相关工作人员定期在现场进行操作，对工作人员的技术水平以及工作经验都有要求，但是传统检测方法不但缺乏时效性，而且具有一定的安全风险。随着工业发展、科技进步、人们生活水平的不断提高，随之而来的是用电需求大幅增长、电网规模变大大，传统的检测手段已无法满足日益变化的需求，此时，伴随着计算机与电子技术的进步，实时的在线故障检测技术已逐步发展起来。本文提出的变电站电力变压器故障检测方案是通过分析、提取变压器所发声音的幅频特征，并结合相应的检测算法来达到变压器故障检测检测目的。
关键词：电力变压器；检测维修；用电需求；幅频特征；
引言
现如今我国已经进入一个高速发展的时代，随着工业、科技与经济的不断进步，用电部门的增多，用电量激增，电力事业也发生了很大变化，表现在电网规模越来越大，电力系统向大容量、超高压与自动化方向转型，全国发电、输送与配电量大幅提升，工业生产使用的电气设备越来越多、越来越频繁，人们日常生活对电能的依赖也越来越强I钔。如果发生突发性断电，不但会给生产制造带来巨大损失，也会给我们的生活带来诸多不便。为避免断电事故的发生，确保生产生活的顺利进行，电力系统能够安全稳定运行是必要的前提，同时也是社会发展进步的有力保障。变电站电力变压器在电力系统中扮演着非常重要的角色，是关键也是最重要的设备之一，其担负着重要的使命：变电、输送与分配电能。电力变压器能否正常运行，直接影响着电力系统的供电工作与安全水平，一旦产生故障，不仅修理费用高，更重要的是会带来直接的重大经济损失。如何提升电力变压器的安全稳定性，确保其正常工作，是电力部门极为关切的问题，因此，变压器故障检测技术的研究具有十分重要的意义。
1 变电站电力变压器声音采集
利用变电站电力变压器所发出的声音特性进行检测的，因而依据本方法所设计的检测系统可实现在线非接触式的变压器状态检测。有经验的变电站工作人员在对变压器进行巡检时，可以凭借听到的声音而判断出变压器是否仍处于正常的工作状态，如果发现故障，亦可凭借所听到声音而判断变
压器所出现故障类型正常工作状态的声音样本有：变压器正常运行声音、含有说话声的正常运行声音、含有鸟叫声的正常运行声音、含有风声的正常运行声音、含有雨声的正常运行声音；故障声音样本有：变压器放电声、变压器机械滑动声。工作中将以快速检测故障声音为目的展开研究，最终实现一旦发现电力变压器出现故障，及时报警，迅速通知相关工作人员抵达现场处理。
期刊文章分类查询,尽在期刊图书馆
2变电站电力变压器声音的预处理
对运行中的变压器声音进行采集时，我们可以使用多种不同的设备，如：使用笔记本电脑直接录音、电脑外接麦克风录音或使用手机录音等等，虽然这些设备都可以实现相同的功能，但由于每种设备的硬件参数不同，我们所采集到的声音数据会存在很大差别。为避免这种因采集设备不同而导致的声音样本个体间差异，我们每次采集数据时都会使用相同的设备（同一笔记本、同一麦克风）进行。但即便每次的采集工作都使用相同设备，由于各种因素的影响，所采集到的声音样本个体间也存在着很多的差别，如：采集声音时麦克风所对的方向、采集声音时麦克风与变压器之间的距离变化等，这些因素都会影响所采集的声音品质，为解决这一问题，最普遍的方法就是对所采集的声音数据进行归一化处理。经过归一化处理的声音数据都具有相同的规范，即：声音幅度数值都处于同一区间。这样做不仅方便计算，还可以使得不同声音样本间的一些特性在同一条件下进行比较，更重要的是降低不同样本间因采集因素造成的差异并防止溢出。
3声音特征参数提取方法
常用的声音分析方法有时域分析、频域分析以及短时处理技术，这三种方法是声音信号分析技术的基础。除此之外，另有其他一些变换域的分析技术，如线性预测分析、同态处理等。时域分析常用的特征参数有短时能量特征、短时平均幅度特征、短时过零率以及自相关特征等；频域分析特征参数有频谱特征、短时功率谱特征等；线性预测分析常用的特征参数有线性预测倒谱系数、线谱对参数、梅尔倒谱系数等。在不同声音领域的检测识别中，选择相应的特征参数对声音的检测、识别效果有着直接的影响。直接提取出的声音特征参数一般情况下还不能直接应用于分类、检测、识别使用，需要对这些特征做进一步的处理，如最大可分性变换、正交变换以及主成分分析等，通过变换可对特征进行压缩、减小运算量、突出各类声音的个性，进而提高系统检测能力。
4电力变压器故障检测
采用2DPCA算法进行特征降维是在应用PCA方法进行实验过程中联想到并对声音特征数据加以改变所得，即通过对所提取每帧声音特征按行排列成二维矩阵，使其符合2DPCA的降维算法。应用2DPCA算法可以简化降维计算的复杂度，同时实验结果表明采用2DPCA+SVM的方法对变电站电力变压器故障检测同样可以达到很好的效果。通过实验可以看出，提出的基于变电站电力变压器所发出声音的幅频特性提取特征，并结合PCA+SVM或2DPCA+SVM方法进行变压器故障检测均可达到比较理想的检测效果。应用PCA+SVM方法进行故障检测时，在SVM核函数的选择上相对少一些，但固定为线性核函数后，该方法受特征降维阈值的选择影响很小。应用2DPCA+SVM方法进行故障检测时，其相对于PCA+SVM算法在核函数的选择上更广泛一些，但受到特征降维阈值的选择影响较大。
5结论
基于声音的各类检测、分类等方法和技术己逐渐成熟，本论文提出的基于声音信号幅频特性的变电站电力变压器故障实时在线检测方法，可作为电力变压器故障检测的一种有效辅助手段，协助变电站相关工作人员对电力变压进行日常维护，减少人力的工作量，提早发现问题，以避免重大事故的发生。
参考文献：
[1]韩钰洁，叶晖，王然，变压器故障诊断研究现状，科技创新与应用，2016
[2]刘守明，胡志坤，王美玲，基于知识库的电力变压器故障诊断专家系统，计算机测量与控制，2011
论文作者:努尔艾力•尤勒瓦斯,邱现民,迪力萨提R
论文发表刊物:《电力设备》2019年第3期
论文发表时间:2019/6/10
标签：声音论文; 特征论文; 变压器论文; 故障论文; 变电站论文; 电力变压器论文; 方法论文; 《电力设备》2019年第3期论文;