[发明专利]一种变压器绕组工作状态的在线监测方法

摘要

本发明公开了一种变压器绕组工作状态的在线监测方法，其包括下列步骤：采集变压器箱壁的振动信号、变压器的三相电压信号和三相电流信号，并根据变压器的三相电压信号和三相电流信号计算得到相应的三个功率因数；基于广义自回归神经网络建立变压器箱壁振动模型；将测得的变压器箱壁振动信号100Hz分量的幅值与变压器箱壁振动模型的期望输出量进行比较，若二者的相对误差小于一阈值，则判断变压器绕组运行状态正常；若二者的相对误差大于等于该阈值，则判断变压器绕组发生了松动或变形。该方法能有效地、高灵敏度地在线监测出变压器绕组的松动和变形状况，从而可及时检修或更换变压器，避免因绕组结构损坏而导致变压器发生突然短路的故障。

主权项

一种变压器绕组工作状态的在线监测方法，其特征在于，包括下列步骤：(1)采集变压器箱壁的振动信号、变压器的三相电压信号和三相电流信号，并根据变压器的三相电压信号和三相电流信号计算得到相应的三个功率因数；(2)基于广义自回归神经网络建立变压器箱壁振动模型： Y = S N S D S D = Σ i = 1 n y i p i S N = Σ i = 1 n p i p i = exp ( - [ X - X i ] T [ X - X i ] 2 σ 2 ) , i = 1,2 , L , n 式中，n为广义自回归神经网络中神经元的数目；X为所述变压器箱壁振动模型的输入量，其是将所述变压器的三相电压信号、三相电流信号和相应的功率因数共9个量形成向量序列，X＝[x1，x2，L，x9]T；Xi是第i个神经元对应的学习样本向量，所述学习样本向量为在测得的三相电压信号、三相电流信号和计算得到的相应的功率因数中任意选取一段数据形成的向量，学习样本向量包括任意一段取自学习样本的训练样本向量和除了训练样本向量之外的预测样本向量，Xi＝[xi1，xi2，L，xi9]T；σ是光滑因子，其取值范围为0.10～0.20；yi是所述变压器箱壁振动模型的实际输出量，与训练样本向量相对应，其是变压器箱壁的振动信号的100Hz分量的幅值；Y是所述变压器箱壁振动模型的期望输出量，其与预测样本向量相对应，为变压器箱壁的振动信号的100Hz分量的幅值；(3)在采集的变压器箱壁的振动信号中选取与变压器箱壁振动模型的期望输出量Y时间对应的振动信号，对其进行傅里叶变换得到测得的该振动信号的100Hz分量的幅值Y′；(4)将Y′与变压器箱壁振动模型的期望输出量Y进行比较，若二者的相对误差小于15％～20％，则判断变压器绕组运行状态正常；若二者的相对误差大于等于15％～20％，则判断变压器绕组发生了松动或变形。