基于改進的HHT變壓器鐵芯振動信號檢測研究

李殿文，劉 淳，馬德寶，董 鑫

(1.國網遼寧省電力有限公司物資分公司，遼寧 沈陽 110004； 2.國網遼寧省電力有限公司電力科學研究院，遼寧 沈陽 110006)

檢測變壓器的運行狀態對于保障電力系統穩定運行極為重要。然而現階段變壓器的故障檢測方法多為離線檢測方法，且并不完善，主要包括絕緣狀態檢測、電氣故障檢測及機械故障檢測3類[1]。隨著現代電力系統的迅速發展，額定容量較大、電壓等級較高的電力變壓器在電力系統中所占比例越來越高。這些電力變壓器的造價昂貴，且往往處于電力系統的樞紐位置，因此要求其能可靠連續運行，且不允許經常退出運行進行檢測和檢修，因而有必要尋求一種新的在線檢測方法。

變壓器經常發生的故障是變壓器鐵芯機械故障。近年來，人們對變壓器振動信號的測量做了大量研究，希望以此來實現變壓器鐵芯機械狀態在線檢測[2]。然而如何有效從實測振動信號中提取出反映鐵芯振動特征的信息是實現在線檢測的關鍵所在。

HHT變換具有多分辨、自適應的特點。它特別適用于處理平穩時變信號，自HHT變換提出以來，它便被人們迅速引入到機械故障診斷領域中，并取得大量積極的成果。鐵芯振動信號本質上屬于非平穩時變信號，傳統的FFT對其已不適用，強行擬合則容易引起頻譜泄漏，因此本文提出在變壓器鐵芯振動信號的分析中引入HHT變換。由于實測振動信號中往往含有高次諧波和大量噪聲，為抑制其對HHT分析精度的影響，本文首先通過小波包變換對其進行消噪處理，從而有效提高HHT的分析結果。仿真結果顯示，該方法有效且準確，可以應用到變壓器故障診斷中[3]。

1 小波去噪原理

首先選取1個meyer小波基，meyer小波基要較大程度地相似于鐵芯振動信號，并且對其進行3層小波分解。再通過軟閾值對分解得到的各層小波系數進行處理。最后通過重構軟閾值處理后的各層小波系數和尺度系數信號，實現對原始振動信號的降噪處理。

2 Hilbert-Huang變換理論

Hilbert-Huang變換簡稱HHT，是近年來信號分析領域的重大突破。該方法主要由經驗模態分解(EMD)及Hilbert變換兩部分組成，其核心部分是EMD分解。它的特點是對于非線性、非平穩數據可以通過EMD分解進行線性和平穩化處理，從而得到固有模態分量(intrinsic mode function, IMF)，經過數據Hilbert變換，求得瞬時頻率、瞬時振幅，從而得到信號Hilbert譜與邊界譜。

HHT方法對數據進行分析一般分為2步：通過EMD對采樣信號進行分解，得到一系列固有模態函數分量; 對分解得到基本分量進行譜分析，得能量分布譜圖。

瞬時頻率的概念及其定義方法一直存在爭議，一般認為只有單分量信號定義其瞬時頻率才有意義。對于一般信號而言，要提取信號里面包含的單分量信號較難，而HHT方法恰恰能很好解決該問題。任意時間序列X(t)，總有Hilbert變換Y(t)：

(1)

式中：P為柯西原理值，所有Lp級函數都有這個變換；X(t)和Y(t)復共軛對，可以求得解析信號Z(t)：

Z(t)=X(t)+iY(t)=a(t)eiθ(t)

(2)

(3)

進而可以得到瞬時頻率：

(4)

(5)

3 基于小波包變換和HHT的變壓器鐵芯振動信號檢測

通過振動傳感器采集變壓器振動信號；對采集到的振動信號進行小波包分解，并對其相應頻段部分進行閾值處理，小波包閾值去噪主要包括3個環節。

a.信號小波包分解，選擇合適的小波基并確定分解層數[4]。本文采用與鐵芯振動信號較為相似的meyer小波，對振動信號的小波包分解選用3層分接層數，分解過程如圖1所示。圖1中aij表示第i層小波包的分解系數。

b.小波分解系數的閾值量化，利用文獻[5]的方法確定小波包分解最后一層中需要進行閾值處理的頻段，并利用Donoho提出的非線性小波閾值去噪法，對小波包分解系數進行軟閾值處理。

c.利用閾值處理后的小波包系數重構信號，這樣便完成了對原始振動信號的降噪處理。

對降噪后的振動信號進行EMD分解，并得到IMF分量ci(t)；對得到的ci(t)分量進行Hibert變換，并得出時頻譜(t,fi(t))；分別計算正常信號和故障信號的邊際譜(f,e(f))，通過邊際譜對鐵芯振動狀態進行監測和故障診斷。

4 鐵芯振動信號仿真分析

本文構造了下面的仿真信號，來證明本文所提方法的可行性：

y=sin(200πt)+sin(400πt)+sin(600πt)

(6)

以10 kHz的抽樣速率對振動信號進行采樣，如圖2所示是振動信號的采樣波形。

如圖3所示，對于含有未知成分的振動信號進行EMD分解后，能有效提取其各分量，體現EMD分解具有自適應性的優點，因此本文將EMD分解應用到對變壓器鐵芯振動信號的分析中。對IMF量進行Hilbert變換，變換后的頻譜如圖4所示。

由于實際測取的變壓器鐵芯振動信號往往含有噪聲，因此在式(6)中加入方差為0.5的高斯白噪聲，采樣頻率仍為10 kHz，振動信號波形、EMD分解結果及Hilbert譜如圖5—圖7所示。

圖6中的第1個IMF分量是信號中所含的噪聲，從圖6中可知，Hilbert-Huang變換具有一定抗噪能力，但是從圖7的計算結果來看，僅通過Hilbert-Huang變換對分析信號頻率的提取結果并不理想，故本文提出一種小波包和Hilbert-Huang變換相結合的新算法，即先使用小波包對信號進行去噪處理，提高其信噪比，然后使用Hilbert-Huang變換對預處理后的信號采樣值進行分析，結果如圖8—圖10所示。

上述計算結果表明，小波包變換能有效抑制噪聲對Hilbert-Huang變換的影響，從而使Hilbert-Huang變換能準確提取出經過預處理后信號的各頻率成分，仿真結果驗證了本文算法的有效性[6]。

5 鐵芯振動信號實際分析

為了將文本所提的分析算法應用到實際環境中，并且對實際使用效果進行驗證，本文對某變電站1臺額定容量為500 kVA，10 kV/400 V，Y/D-11三相油浸式變壓器在空載條件下的器身振動進行測試。分別測取器身鐵芯螺栓緊固正常態與松動故障態振動加速度信號，變壓器箱體振動信號的實測波形如圖11和圖12所示。圖11及圖12表明，鐵芯螺栓緊固和松動時測取的振動信號雖然有所區別，但是無法直接從時域波形得到其特征信息。

對正常信號和故障信號用小波包進行閾值處理后，分別對其進行EMD分解，并求其邊際譜，分析結果如圖13—圖16所示。

由圖15和圖16可知，發生故障后振動信號各頻段能量進行重新分布，尤其是100～400 Hz頻段發生明顯變化。其中除200 Hz處有所減少外，其他各處均有不同程度增加，特別是300 Hz處能量增加最大。由此可見，本文提出的算法可以有效提取變壓器鐵芯故障信號的特征信息，為變壓器的鐵芯機械狀態監測提供了一種新方法。

6 結語

由于鐵芯振動信號為非線性非平穩調頻信號，本文對其引入具有自適應、多分辨率的HHT方法進行處理。通過EMD對消噪后的鐵芯振動信號進行自適應分解，然后計算邊際譜，通過邊際譜來實現變壓器鐵芯振動的監測與診斷。仿真表明，該算法具有極強的抗噪性能，計算精度高，分析結果能很好地與理論相吻合；鐵芯振動信號是一種頻率調制信號，EMD對其端點效應較輕，即使在噪聲較強的情況下，通過小波包預處理后，仍能取得較高的分解精度，不會出現虛假分量，本文算法能很好地對變壓器鐵芯振動信號進行在線檢測分析。