基于变压器振动及声纹可视化技术的故障诊断当前在变电方面的应用-电子发烧友网

人工智能作为新一轮科技革命和产业变革的重要驱动力量，正在构建数据驱动、人机协同、跨界融合、共创分享的智能经济形态。加快发展新一代人工智能，是事关我国能否抓住新一轮科技革命和产业变革机遇的战略问题。

变压器结构复杂，如果铁心、绕组等部件发生结构上的变化，将会引起许多特征量发生变化，其中振动信号和声纹信号包含了变压器机械结构丰富的状态信息，且可实现带电检测。振动信号衰减小、信息量丰富，可通过加速度传感器测量，但由于变压器体积庞大，测量变压器完整的振动信号需要大量的振动加速度传感器，另外变压器带电部位（如套管）不易布置传感器，因此加速度传感器只能测量局部的振动信号。

声纹信号可通过传声器阵列远距离测量，可获得变压器整体的声纹分布数据，但是声纹通过空气传播到传声器阵列，存在一定程度的衰减，且易受环境噪音的干扰，与振动信号相比信息完整性较低。

声纹技术的检测原理

当设备发生缺陷或故障后，内部组件或结构发生机械形变，会使其声学指纹（以下简称声纹）改变，可以作为诊断缺陷及故障的重要特征参量，声学指纹感知方法与电气设备没有任何电气连接，在安全的监测设备状态的同时，又能解决红外、紫外等远距离成像手段检测特征有限与检测纵深不足的问题。

基于变压器振动及声纹可视化技术的机械故障诊断装置，充分发挥振动信号和声纹信号优势，通过传声器阵列获取变压器声纹信号整体分布情况，再通过加速度传感器精确测量局部振动信号，从而获得完整的振声信号。通过建立变压器运行振型模型（Operating Deflection Shapes，ODS），实现振动信号可视化。

借助波束形成算法，实现变压器声纹成像，并精确定位振动异响源。在变压器短路冲击试验故障“累积效应”时频全链条声振图谱库的基础上，深入挖掘振声信号多维度故障特征量，提出了基于振动及声纹可视化图谱模式识别技术的变压器机械结构失效智能诊断方法，实现了变压器机械故障准确定位及量化评估，提升了变压器状态感知与智能诊断的水平，突破了变压器机械故障带电诊断及故障定位的技术瓶颈。

实现以下功能：传感器与变压器无电气连接，实现信号带电检测。

传感器与变压器无电气连接，变压器无需停电，变压器内部结构不因测试发生改变，不影响其正常运行。传声器阵列可无接触、远距离检测变压器整体声纹信号，加速度传感器通过永磁体吸附在变压器表面检测局部振动信号。且传感器抗干扰能力强，不受电磁干扰。传感器体积小，便于携带，在变电站内操作简便。振动及声纹成像可视化，实现振动异响源定位。通过建立变压器运行变形振型模型实现变压器振动可视化，借助波束形成技术可实现变压器声纹成像，实现变压器振动异响源定位，便于查找故障原因。

挖掘多维度故障特征量，实现故障类型智能诊断挖掘振动信号和声纹信号多维度故障特征量，提出了基于振动及声纹成像可视化图谱模式识别技术的变压器机械结构失效智能诊断方法，攻克了变压器机械故障无法准确定位及量化评估的行业难题，提升了变压器状态感知与智能诊断的水平，突破了变压器机械故障带电诊断及故障定位的技术瓶颈。应用目标和原则适用于各电压等级变压器机械故障诊断。另外，对于其他变电设备（如断路器、隔离开关、互感器等）也具有适用性。柯林电气：KLJC-18变压器声纹振动监测与故障诊断系统

传感器紧贴变压器

国网智芯公司智声诊断仪”针对变压器发生故障可能造成的区域性停电、影响电网安全健康运行的重大问题，推出了基于“猎鹰”人工智能芯片、声纹分析技术研发的故障诊断仪（简称“智声诊断仪”）。

该诊断仪是变电站重资产设备变压器故障诊断“预言家”，它可以“望闻问切”，采集变压器可能发生的各种异常故障的影像和声音，超前诊断微小故障，并通过人工智能技术进行分析预警，超前制定防范措施，为智慧变电站安全、可靠运行提供技术保障。

主要有如下四大技术优势：望，搭配高清摄像终端--实时采集监测异常显现故障影像，助力变压器故障远程指挥、可视化处理；闻，引入声纹识别技术--采用声纹识别算法，无差别地采集、提取5米范围内的监管变压器常态或异常情况下声音强弱变化、声源定位、去混响、声音信号分离等，保证原始声音的准确性，形成故障识别声纹图像。

问，搭载人工智能产品--针对变压器常见故障问题，建立多种可自主学习更新的诊断算法和预测模型，通过常态状态与异常情况对比，实现智能变电站变压器对电压波动、紧固部件松动、微振、轴承裂纹等9类常见故障的超前诊断和预警维护；

切，形成问题解决方案--可应用于-40℃～55℃的温度环境，具有对变压器设备管理、实时监测、故障诊断等重要功能，并提前分析诊断潜在问题，实时向电力运行故障预警分析系统传递预警信息，超前制定干预变压器故障的“药方”，形成变压器运行状态的监测和预警解决方案，为全面降低变压器故障率提供技术保障。