用振动分析法评估干式变压器状态的研究

2022-03-12高剑锋合肥市轨道交通集团有限公司

安徽科技 2022年2期

文/高剑锋（合肥市轨道交通集团有限公司）

一、研究背景及意义

随着城市化的发展和人口的集中，城市的交通需求与日俱增，城市轨道交通凭借其快速、便捷、安全、运能大等优势成为当前城市公共交通的重要组成部分。供电系统是轨道交通的动力源泉，列车牵引、车站及信号设备均离不开电能，轨道供电的安全与稳定成为轨道交通的核心任务之一。

在轨道供电系统中，干式变压器是保障供电系统安全运行的核心元件，是35 kV 中压环网电能输送网络中承上启下的一环，担负着电压转换的重任，其正常运行对整个轨道供电系统稳定性的意义重大。而在长年累月的运行中，部分绝缘零件的逐步老化会引发干式变压器短路等故障发生，在线或周期性监测干式变压器的运行状态对及早发现故障、预判并避免故障的发生起着事半功倍的作用。

当前对于干式变压器的监测，主要有电流、电压等电信号及温度等非电信号的在线监测，而振动信号的监控一般应用在油浸式变压器中，在干式变压器中应用较少[1]。

将振动模型和频域分析法应用在干式变压器上，可为其振动信号评估提供可行方案。通过搭建干式变压器振动信号监测评估系统，周期性采集干式变压器及柜体表面的振动信号、提取分析信号的特征值，对干式变压器的运行状态进行评估和预判[2]，这一方法可对现有的干式变压器的主保护和监测进行配合与补充，更加全面、可靠地保障干式变压器的运行安全、轨道交通的供电稳定，给城市轨道交通的安全运营带来可观的经济效益和社会效益。

二、干式变压器振动机理分析

干式变压器主要由硅钢片组成的铁芯和环氧树脂浇注的线圈组成，高、低压线圈之间放置绝缘筒增加电气绝缘，并由垫块支撑和约束线圈。其铁芯采用优质冷轧晶粒取向硅钢片，因自旋与晶格作用产生磁致伸缩，在交变磁场下使得铁芯依据励磁频率产生周期振动，其振动基频是电源频率的两倍[3]。同时，磁致伸缩非线性、框架尺寸及安装方式使其具有一定成分的高频分量。

干式变压器绕组的电流与漏磁作用产生电动力，可推动铁芯夹件应力，造成铁芯振动。各类振动经支撑装置传递到干式变压器及柜体表面，形成复合的振动信号。由振动机理可以看出，硅钢片材质、各部件的构造和尺寸、夹紧程度、运行状态（电流、温度等）均能对复合的振动（信号）产生一定的影响。

三、基于振动法评估系统的架构

运行中的干式变压器电流的不同可使干式变压器的振动信号发生变化，因此可以通过采集的振动信号并应用频域分析法，对干式变压器运行的实际工况进行评估与诊断。

该监测评估系统由传感器模块、信号采集与处理模块、数据频域分析模块、评估软件模块和标准数据库模块组成，设计总体架构如图1 所示。

图1 监测评估系统设计总体架构图

依据系统功能需求集成多参数传感技术、SoC 片上系统和网络通信技术，可实现干式变压器的振动信号监测、分析和状态评估。信号采集与处理模块实现信号的采样、存储和通信，实现评估系统的监测、解析及反馈；标准数据库为现场稳定运行后采集的标准样本，提供给频域分析模块作为比对的基准值及预设范围和偏差；最终通过评估软件评估运行状态。

四、干式变压器振动信号的特征值分析

在设计的评估系统中，干式变压器运行时硅钢片磁致伸缩引起的铁芯振动、绕组在负载电流的电磁力作用下产生的振动以及实际运行中因干式变压器结构和安装方式而产生的各种频率的振动，这些信号的叠加给干式变压器的运行状态评估造成困难，所以从干式变压器振动信号中提取特征信息成为其状态评估的核心和难点。

基于傅氏变换的频域分析是振动法评估干式变压器运行状态的高效方法，在频域里将更明晰地观测出振动信号各频点的功率分布[4]。现场采集的干式变压器振动信号功率谱主要为频域100 Hz 及其倍频范围的功率分布范围。

实测表明，干式变压器振动信号集中在频域100 Hz 及其倍频处，信号的功率谱随干式变压器运行状态的变化而变化，故本文选取100 Hz 频率分量作为故障特征频率。

针对此特征，本文在运行电流（高压侧）分别为7.5 A 和23.2 A 时，分析振动信号频域100 Hz 及其倍频处(100 Hz、200 Hz、300 Hz 等)的功率特征。振动信号的功率数据汇总见表1。

表1 干式变压器振动信号的功率频谱密度/(g2/Hz）

将表1 中振动信号的功率频谱密度的数据绘制成如图2 所示的趋势曲线图。

图2 干式变压器振动信号功率频谱密度趋势曲线图

由图2 可以得出：7.5A 的低工况和23.2A 的高工况运行下，功率频谱密度均较多地落在100～400 Hz，高于500 Hz 的高频区段分布较少；在振动信号功率分布局部区段（ ±200 Hz）内，能量占比高的均落在基频的素数倍频段上；当电流增大时，原本占比不多的高频成分整体仍将持续降低，现场直观地表现为电流越大干式变压器呈现的音调越低。