基于聲學振動特征參量及權重因子的電抗器狀態評估方法研究

楊磊YANG Lei

（國家管網集團榆濟管道有限責任公司，濟南 250014）

0 引言

隨著中國經濟高速發展，電力工業作為國民經濟發展當中的戰略行業，電力系統向著電力物聯網、超高壓，智能化、高態勢感知化發展。作為電網可靠運行的基石部分，電抗器承擔著限制過電壓和潛供電流、吸收電力系統容性無功、提高重合閘成功率的作用；同時應用于高壓線路端的并聯電抗器同樣有利于削弱空載和輕載線路上的無功分布，以此降低線損和潛供電流，大大提高了線路自動重合閘率，也有利于消除發電端的自勵磁作用[1]。由于電抗器自身材料的限制，主要受到外界大氣環境等影響使得絕緣材料老化速度較快，造成材料的力學性能和絕緣性能下降，尤其是在氣候潮濕、污染嚴重的環境中易形成局部放電；另一方面由于電抗器的結構易形成局部溫升過高，如存在制造缺陷則加劇該問題的形成。

目前通過對電抗器的電信號和氣體信號取樣進行分析的方法在國際上有相關應用，但該裝置容易受到現場強電磁干擾，采集到的局部放電信號無法準確反映出電抗器內部真實的局部放電量，存在數據分析結果不夠可靠等問題。國內對于電抗器在線故障診斷的研究多數聚焦于電抗器振動信號檢測及檢測方式優化等方面。

由于電抗器自身結構的原因，振動引發的電抗器零部件松動或破損情況導致的故障占到總故障類型的五分之一左右。經調查表明，持續運行中的電抗器的聲學振動特征可以在一定范疇中表徵電抗器的正常和異常狀態，許多并未危及絕緣的、沒有引起電氣量變化的異常狀態可以通過聲學振動測量檢測而發現。有國內外學者多將電抗器運行時發出的聲信號認定為噪聲，研究目的多為電抗器降噪的定性或定量研究，鮮見將電抗器的振動和聲學信號作為異常狀態檢測的有效手段。

與傳統的電抗器異常狀態檢測方法相比，聲學振動信號檢測法在各方面應用中都有其特有的優點。相比于局部放電檢測法，聲學振動檢測法能夠在設備本體未產生較大變化的情況下，對未引起電氣量信號變化的程度較輕的機械故障實現檢測；同時與主回路部分無電氣連接，檢測方法更為安全，不易受到主回路電磁影響，無需對電抗器進行停機，即可實現在線帶電檢測，能夠在日常工作狀態下實現對電抗器的運行狀態監測。聲學振動檢測法結合了聲學檢測和振動檢測兩個不同檢測方式的優點，安裝簡便、可移植性較強、信號整體性較好，有著廣闊的應用前景。

本文通過獲取電抗器聲學振動特征參量，包括聲學檢測方面的聲壓級、聲功率級、聲學信號頻譜，振動監測方面的振動幅值、振動加速度值、振動信號頻譜、諧波比重及頻率復雜度等特征參量，分析高壓并聯電抗器長期運行工況下各特征參量的范圍和分布規律，通過層次分析法確定各特征參量的權重因子，并在此基礎上結合模糊推理建立電抗器的狀態評估模型。

1 電抗器聲學指紋的提取

經調查發現電抗器的聲紋診斷長期以來都未得到廣泛的應用，其主要原因在于在現場收集聲紋數據過程中，應用場景經常會存在各類復雜的干擾噪聲，給電抗器本體聲音的采集、處理與故障診斷帶來困擾。因此，全頻段地去除噪聲處理成為了在進行深度神經網絡訓練或實際應用時需要首先開展的工作。

由于大部分應用場景位于戶外條件下，電抗器聲信號會受到的干擾較為復雜，干擾信號類型也有所不同。首先，持續弱干擾類中的電暈放電和瞬時干擾類中的鳥鳴等干擾頻帶都與電網主設備本體頻帶（0-4000Hz）無交集，因此可以不用考慮。而對于其他的干擾，將使用以下算法對變電站的聲音信號進行處理：對于瞬時干擾信號，采用基于相似矩陣的盲源分離法；對于持續強干擾信號，利用幅值與相角波動性法消除噪聲。

盲源分離為少量先驗源信號的情況下從混疊信號中分離和提取各種源信號的方法。該方法普遍用于分離非穩定信號和連續穩定信號。在電抗器聲音采集過程中，鳥鳴等瞬時類干擾在變電站的干擾種類中占據絕大部分。此類干擾的共同特性是持續時間短且干擾信號的能量分布集中，而電抗器本體聲音則是連續穩定的信號[2]。因此，本文使用基于相似矩陣的盲源分離方法將瞬時干擾信號從原始聲音中剝離，從而排除無關干擾，提高后續識別算法的準確率和效率。

電抗器在運行中，實際產生的聲學信號和振動信號都屬于非平穩信號。即使在發生故障或者運行異常時，聲學信號和振動信號同樣具有不穩定性，時域中會有多條曲線同時存在，原始信號中包含各種不同頻率的成分[3]。因此對電抗器聲學振動指紋的提取需要借助時頻分析方法。

本文通過希爾伯特-黃變換算法獲得電抗器聲學和振動的非平穩信號在時域和頻域的規律，再由此提取頻域下的諧波比重、頻率復雜度等特征量[4]，分析不同廠家、不同電壓等級、不同型號電抗器的特征量的差異，選取可有效區分不同電抗器的特征量建立聲學指紋庫。本部分內容的核心是HHT 算法。

HHT 變換算法，首先根據信號x（t）的所有局部最大值和局部最小值用三次樣條線確立兩條包絡線。重新確立信號數據y1（t）：

μ1——包絡線的均值

判斷數據y1（t）是否符合固有單模態分量IMF，若數據y1（t）不符合IMF 條件，按照上式重新確定y1（t），直到y1（t）滿足IMF 條件記c1（t）=y1（t），將c1（t）作為信號x（t）的首個IMF 分量，代表信號x（t）中最高頻分量。

去掉信號x（t）中的高頻分量c1（t）可得一個新的原始數據r1（t）即為：

將r1（t）作為原始信號數據重復分離過程，獲得IMF分量c2（t），重復計算n 次獲得n 個IMF 分量可記為：

循環計算直到cn（t）或者rn（t）均符合終止條件，使得函數rn（t）為一單調函數時停止。

其中，rn（t）為殘余函數，表示信號的平均趨勢，而IMF分量ci（t）分別包含了信號各個頻段的信息。每一頻段含有頻率成分不同且隨信號本身而變化。

將IMF 分量進行HHT 變換：

構造解析信號

瞬時幅值函數

瞬時相位函數

可得瞬時頻率

得

忽略殘余函數rn（t），將上式的展開式成為Hillbert 譜式以及邊際譜式，可較為精確的描述信號的幅值在頻域和時域的變化規律：

2 基于各聲學振動特征參量及權重因子的狀態評估方法

基于特征參量和權重因子的狀態評估方法，本質上是一種基于信號處理的電抗器狀態評估方法。考慮采用模糊層次分析法結合基于均衡函數的變權模型來建立電抗器的狀態評估模型。評估模型包括建立特征參量集、劃分狀態等級、確定權重因子、確定隸屬函數和模糊算子以及確定狀態評估等級五個部分。

①建立電抗器特征參量集，u={u1，u2…un}，un為第n 個評價特征參量，n 為評價因子的個數。初步考慮包括聲壓級、聲功率級、聲學信號頻譜、振動幅值、振動加速度值、振動信號頻譜、諧波比重及頻譜復雜度等參量，首先需檢驗各參量與電抗器狀態的關聯度，選取關聯度強的參量作為電抗器聲學振動的特征參量。

權重是一個相對的概念，是針對某一指標而言。某一指標的權重是指該指標在整體評價中的相對其他因子的重要程度。美國運籌學家T. L. Saaty 教授提出的層次分析法（analytic hierarchy process，AHP）是一種定性與定量分析相結合的多目標決策權重確定方法。它的特點是把復雜問題中的各種因素通過劃分為相互聯系的有序層次，使之條理化，根據對一定客觀現實的主觀判斷結構（主要是兩兩比較）把專家意見和分析者的客觀判斷結果直接而有效地結合起來，將同一層次元素兩兩比較的重要性進行定量描述；而后，利用數學方法計算反映每一層次元素的相對重要性次序的權值，通過所有層次之間的總排序計算所有元素的相對權重并進行排序[5]。目前AHP 方法已被廣泛應用于解決許多復雜系統的權重確定問題。

本文采用變權方法解決選取特征參量的可靠性差異問題，以保證權重較小的特征參量在嚴重偏離正常值時仍然能夠在整體評估中不被忽略。采取歸一化處理方法解決各特征參量數量級和量綱不同的問題，歸一化處理后的數據代入變權公式和隸屬函數即可計算出變權值和每組數據針對電抗器不同狀態等級的隸屬度。

②劃分電抗器狀態的評估等級。根據國內電力企業制定的相關標準以及運行檢修過程中的歷史經驗，一般將電抗器的狀態評估結果分為S1-S4 四個等級，按照正常、注意、異常、嚴重四個狀態表征電抗器故障可能性。

③確定各特征參量的權重因子。在常權評價模型里設備狀態可靠性越高時評價因素指標偏離正常值越小，實際的電抗器狀態評估中卻恰恰相反，指標參數偏離值較高時設備狀態可靠性更好，因此無法應用。變權模型按照所采集數據計算獲得各因子的權重，具有較強的客觀性。因此將均衡函數引入變權模型，得到公式

式中：xi為第i 個評價特征參量歸一化后的數值，m 為評價特征參量的個數為第i 個評價特征參量的常權，利用層次分析法計算，ωi為第i 個評價特征參量的變權重。α=1 時，則變權模型等效為常權模型，一般在無需考慮各特征參量均衡問題時取α＞1/2，某些特別需要關注的、與嚴重缺陷密切相關的特征參量取α＜1/2。由于電抗器檢測過程中關鍵特征參量偏離幅值越大對電抗器的整體性能影響越嚴重，故取值為α=0.2[6]。

④隸屬函數的確定和模糊算子的選擇。基于簡化實際運算的目的，選用“降（升）半梯形分布法”作為隸屬函數來確定各評價隸屬于不同評估等級的程度，采用加權平均型的模糊合成算子。

⑤評估等級的確定。將集中度較高的特征參量利用權重和關系矩陣進行分析，使用最大隸屬原則對計算結果進行評價，確定對象狀態等級，進而得出最終的綜合評判結果。

3 實際應用案例

對某變電站運行中的3 臺單相并聯電抗器，應用本文所提供的電抗器狀態評估方法進行聲學振動信號檢測和狀態評估。3 臺電抗器聲振信號的奇偶次諧波比和50Hz比重值極低，表明3 臺電抗器均不存在直流偏磁等異常工況。對于B 相和C 相電抗器，其聲振信號的基頻幅值基本穩定，不存在明顯波動，且基頻比重達到90%以上，頻譜復雜度小于1，應用狀態評估模型評估的結果為“正常（S1）”。

A 相電抗器的聲振信號基頻比重80%，頻譜復雜度1.02，低頻比重98.41%，中頻比重1.50%，高頻比重0.08%，按照本文設計的狀態評估模型，評估結果為“注意（S2）”。6 個月后對A 相電抗器聲振信號進行復測，基頻比重65%，頻譜復雜度1.35，低頻比重80.31%，中頻比重16.45%，高頻比重0.40%，狀態評估的結果為“異常（S3）”，表明機械缺陷的持續影響和振動的長期效應對電抗器內部機械結構造成了破壞。

圖1 基于特征參量和權重因子的狀態評估方法

經過返廠檢修，在A 相高抗內部發現非出線側X 柱上磁分路靠近旁軛的夾件與主鐵心上夾件間接地線，未按圖紙要求在主鐵心夾件端進行接地撬接，接線頭與上鐵軛拉螺桿墊圈接觸，拉螺桿墊圈及對應夾件和絕緣墊圈周圍有明顯放電痕跡。由此表明，本文提供的狀態評估方法可以反映電抗器的機械狀態。

4 結論

本文提供的電抗器聲學振動檢測方法與傳統的電抗器異常狀態檢測方法相比，安裝簡便、可移植性較強、信號整體性較好，簡化了電抗器故障檢測方法，更為安全有效實現了電抗器的在線故障檢測。