- 頭條有載分接開關狀態特征提取及異常狀態診斷的有效方法2020-02-19 作者：張知先、陳偉根、湯思蕊、王有元、萬福 | 來源：《電工技術學報》 | 點擊率：導語輸配電裝備及系統安全與新技術國家重點實驗室（重慶大學）的研究人員張知先、陳偉根、湯思蕊、王有元、萬福，在2019年第21期《電工技術學報》上撰文（論文標題為“基于互補集總經驗模態分解和局部異常因子的有載分接開關狀態特征提取及異常狀態診斷”），為了及時發現和診斷有載分接開關（OLTC）的異常狀態，在特征提取方面，結合驅動電機電流信號選取OLTC振動信號的特定時段，以突出狀態特征。 利用互補集總經驗模態分解（CEEMD）得到振動信號的固有模態函數（IMF），針對OLTC振動信號的特點，提出基于IMF能量特征的降噪算法；設計了時頻矩陣劃分算法，提取劃分線、峭度、包絡譜熵、時頻矩陣能量密度、時頻矩陣變異系數等特征參量。 在異常狀態診斷方面，通過多個振動測點，同時實現OLTC本體和傳動機構的異常狀態診斷；建立了以局部異常因子（LOF）為診斷參量的OLTC異常狀態診斷方法，通過待測樣本與正常樣本集的比較來發現和診斷OLTC的異常狀態，具有較好的普適性。 仿真和實驗結果表明，基于該文提出的方法能有效發現和診斷OLTC的異常狀態。
有載分接開關（On-Load Tap-Changer, OLTC）是調整變壓器輸出電壓的核心設備，也是變壓器中唯一頻繁操作的機械與電氣結合一體的設備，當OLTC存在故障時將會給變壓器和電網的安全穩定運行造成嚴重威脅。由于目前傳統交流變壓器的OLTC普遍服役時間較長，存在不同程度的老化問題。
同時，近年來大量投運的換流變壓器的OLTC具有切換負荷高、調壓范圍大、調壓操作頻繁、缺乏長期運行經驗等特點。因此，迫切需要一種有效的異常狀態診斷方法，來避免OLTC帶故障運行。
有關資料統計顯示，OLTC的故障約占變壓器整體故障的20%以上，其中約93%為機械故障。OLTC的許多電氣性能故障（如觸頭接觸不良等）也往往是由于操作機構失靈、切換不到位等機械故障引起的，及時發現和診斷OLTC的機械異常狀態，有助于檢修工作人員及時開展故障排查工作，對于保障變壓器的可靠運行具有重要意義。
目前，OLTC的機械異常狀態診斷主要是基于其動作時產生的振動信號，研究工作集中在振動信號特征提取和異常狀態診斷兩個方面。
在振動信號特征提取方面，Seo等基于OLTC動作過程的階段性，提出利用小波分析提取OLTC振動信號脈沖的時間和幅值信息作為特征參量，其特征參量的物理意義明確，基于異變的脈沖與OLTC動作時序的關聯能夠對存在異常狀態的具體零部件進行分析。
然而，小波分析計算量較大且不具有自適應性。馬宏忠等將經驗模態分解（Empirical Mode Decomposition，EMD）引入OLTC振動信號的分析，發現EMD能量熵較小波能量熵在故障存在時的變化更明顯。段若晨等利用窄帶噪聲抑制EMD產生的模式混合，提高了時頻分析的精度。然而，目前基于EMD及其改進算法的OLTC振動信號分析所提取的特征參量物理意義較弱，與OLTC動作時序的關聯性不強。
在異常狀態診斷方面，常用的方法有隱馬爾可夫模型（Hidden Markov Model, HMM）、K-means聚類和時頻矩陣相似度分析等。基于HHM的診斷需要預先建立狀態樣本集，但不同廠家不同型號的OLTC結構各有不同，振動信號存在較大差異，且不同分接位置的振動信號也有所不同，難以建立普適的狀態樣本集。K-means聚類不需建立狀態樣本集，但K-means算法需預先設置類別數，且在非凸數據集中較難收斂。由于OLTC的振動信號具有一定的隨機性，基于時頻矩陣相似度的分析需要確定合適的標準信號。
此外，現有研究主要關注OLTC彈簧和觸頭松動故障等異常狀態，即OLTC本體（切換開關、分接選擇器等）異常狀態的診斷，對于OLTC傳動機構（傳動軸、驅動電機及其控制電路）的異常狀態，特別是傳動軸松動、卡滯等故障研究較少，而在實際工程中OLTC傳動機構的故障時有發生。
鑒于此，本文采用互補集總經驗模態分解（Complementary Ensemble Empirical Mode Decom- position, CEEMD）[9]計算信號的固有模態分量（Intrinsic Mode Function, IMF），該方法是集總經驗模態分解（Ensemble Empirical Mode Decom- position, EEMD）[10]的改進形式，具有較高的計算效率。
針對OLTC振動信號的特點，提出基于IMF分量能量特征的降噪算法，濾除白噪聲和低頻噪聲干擾。結合驅動電機電流信號選取OLTC振動信號的特定時段，以突出狀態特征。通過多個振動測點，同時實現OLTC本體和傳動機構的異常狀態診斷，并降低OLTC本體和傳動機構狀態特征相互間的干擾。
綜合考慮目前OLTC振動信號特征提取中小波分析和EMD分析各自的優缺點，對CEEMD分解得到的時頻矩陣結合OLTC的動作時序進行劃分，設計了基于Teager能量算子的端點提取方法。提取了劃分線、峭度、包絡譜熵、時頻矩陣能量密度、時頻矩陣變異系數等特征參量。
鑒于普適的OLTC狀態樣本集建立較為困難，且OLTC的振動信號存在隨機性，采用局部異常因子（Local Outlier Factor, LOF）來發現OLTC的異常狀態。
圖2 加速度傳感器布置方案
圖3 電流傳感器的安裝方式
圖4 故障模擬
結論
本文提出基于CEEMD和局部異常因子的OLTC異常狀態診斷方法，通過仿真和實驗研究，得到的結論如下：
- 1）結合驅動電機電流信號，確定了用于OLTC狀態診斷的信號時段，通過多個測點同時實現了OLTC本體和傳動機構的異常狀態診斷。
- 2）提出基于IMF分量能量特征的OLTC振動信號降噪算法，能夠抑制白噪聲和低頻噪聲干擾，并提高計算效率。設計了基于Teager能量算子的端點提取算法，建立了特征參量與OLTC動作時序的關聯關系。提出時頻域劃分線、時域峭度及包絡譜信息熵平均值、時頻矩陣變異系數等特征參量，能夠刻畫OLTC振動信號能量在時頻域分布的變化。
- 3）設計了實時的OLTC振動信號局部異常因子算法，并基于此提出一種OLTC標準振動信號的確定方法。實驗結果表明，局部異常因子綜合了多特征參量的變化，能實時跟蹤OLTC的機械狀態，適合作為OLTC異常狀態的診斷參量。
