[发明专利]一种电抗器铁心松动故障诊断方法、装置和设备

说明书

本发明公开了一种电抗器铁心松动故障诊断方法、装置和设备，利用振动测量装置对高压并联电抗器进行振动信号的采集，选取电抗器油箱表面作为测量位置，对采集到的信号进行预处理，将预处理后的振动信号进行模型预测，从而检测电抗器铁心是否发生松动故障。采用GBDT分类算法有效的将采集到的振动信号分类到适当的标签下，并且进行分类的速度快、精度高，在进行信号采集时，对振动位置和负载大小的要求不高，使得具有初步判断对高压并联电抗器螺母松动故障发生，并预测松动程度成为可能。

技术领域

本发明属于电路设备故障诊断技术领域，具体涉及电抗器铁心故障诊断方法、装置和设备。

背景技术

在现在电压等级不断提高和市场经济快速发展的环境下，使得电力企业提高了对输变电设备的安全、经济运行的要求，高压并联电抗器在电力系统中是关键的一环，若其可靠性出现波动，则直接影响电力系统的安全与稳定。据统计资料表明，由于高压并联电抗器电压等级高，具有大容量，长期运行的振动容易造成结构件松动等问题，其中约束铁心的紧固夹件是易产生松动的部件。高压并联电抗器由于其多气隙铁心结构等特殊结构等原因，在交变磁场中产生的振动更为强烈，振动期间铁心饼与紧固夹件、绕组与压板等连接结构件会产生轴向、径向相对位移和一定程度的形变，造成螺栓松动、绝缘材料老化等故障。因此，电抗器各组件的振动情况在一定程度上表征其机械状态，积极开展电抗器松动故障诊断，以便及时发现并采取相应措施，不但可以减少运行维护成本，延长设备寿命，而且能够预防严重事故的发生，带来良好的社会和经济效益。通过分析振动信号可以实现对电抗器运行状态进行监测与评估，从而预先发现潜伏性故障，及时进行排查，这对电力系统的安全稳定运行有着重要意义。

目前，国内外学者关于电抗器的研究主要集中于降噪减振装置研制、绝缘油色谱分析与电磁场分析等方面，关于电抗器振动研究较少，振动信号分析法不仅可以同时诊断绕组和铁心状况，而且与整个电力系统无电气连接，可方便、安全可靠地实现带电检测。现阶段进行部分的电抗器振动研究有基于有限元分析软件COMSOL对电抗器铁心进行三维建模，对铁心电磁力及夹件等钢结构受力进行仿真计算；还有建立电抗器基于电磁、流体和温度三维的温升计算模型，研究电抗器整体及内部绕组的温度分布特性；也有分析了电抗器振动机理，介绍了两种振动信号测试方法，并对实测振动信号进行频谱分析和基于实测特高压并联电抗器振动信号分析，明确了振动频谱及油箱表面分布特性。可见振动法在近些年来一直是国内外研究的热点。高压并联电抗器表面采集到的振动信号在经过处理后会反映当前设备健康状态，在故障发生时产生的振动信号较正常情况下会产生差别，如果可以判断设备处于何种状态下，可及时报告研究员进行检修，避免造成更严重的事故和经济损失。

发明内容

本发明提供了一种电抗器铁心松动故障诊断方法、装置和设备，解决高压并联电抗器在长期运行期间不可避免地产生紧固结构松动后，不易检测出异常技术问题。

为达到上述目的，本发明所述一种基于梯度提升决策树算法的电抗器铁心松动故障诊断方法，，包括以下步骤：

S1、采集高压并联电抗器工作状态下的振动源信号，提取振动源信号中关键的数据特征；用GBDT算法构建的初始预测模型；

S2、将提取的数据特征设置分类标签，作为训练集，对初始预测模型进行训练；在训练过程中，使预测模型不停地学习数据包含的特征，每次迭代在上一轮训练模型的残差值基础上训练，经过多次迭代进行的残差计算和权值加权后，使得强学习器学习到不同状态下电抗器振动信号所包含的特征，得到目标预测模型；

S3、采集待诊断的电抗器的振动信号，将采集到的振动信号输入目标预测模型，判断当前电抗器是否处于螺母松动故障下，并预测电抗器处于何种松动程度下。

进一步的，S1中，用GBDT算法构建的初始预测模型包括以下步骤：

S A1、初始化第一个弱学习器的阈值与权值；

S A2、建立M棵分类回归树；