Transformada wavelet empírica mejorada (EWT) y su aplicación en no

Scientific Reports volumen 12, Número de artículo: 17533 (2022) Citar este artículo

1002 Accesos

Detalles de métricas

La frecuencia de resonancia del transformador contiene información relacionada con su estructura. Es más fácil identificar la frecuencia de resonancia en la señal de vibración durante la prueba de martillo y encendido que en la operación del transformador, porque la vibración causada por la corriente de carga no necesita ser considerada durante la prueba de martillo y encendido. Por lo tanto, se necesita un método de análisis con cálculo simple, velocidad de cálculo rápida y monitoreo fácil en tiempo real para tratar con estas dos vibraciones no estacionarias. El monitoreo de vibraciones puede comprender el estado de salud del transformador en tiempo real, mejorar la confiabilidad del suministro de energía y brindar una advertencia temprana en la etapa temprana de fallas. En este artículo se propone un nuevo método de segmentación en el dominio de la frecuencia. Este método puede procesar efectivamente la señal de vibración del transformador e identificar su frecuencia de resonancia. Se establecen once estados de carga diferentes en el transformador. El método propuesto en este artículo puede extraer la frecuencia resonante del transformador de la señal de prueba de martilleo. En comparación con el método original de transformada de wavelet empírica, este método puede dividir el dominio de la frecuencia de manera más efectiva, tiene una resolución de tiempo-frecuencia más alta y el tiempo de ejecución del método modificado se reduce de 80 a 2 s. La universalidad de este método se demuestra mediante experimentos en tres tipos diferentes de transformadores.

Debido a la mejora de los requisitos de estabilidad de la fuente de alimentación, cada vez hay más investigaciones sobre la evaluación del estado del transformador. Los métodos comunes de diagnóstico de fallas del transformador incluyen inspección regular, análisis de gas disuelto1, monitoreo de vibraciones2,3, monitoreo de descargas parciales4, medición ultrasónica5, análisis de respuesta de frecuencia6 y otros métodos. Comparado con los otros métodos, la medición de vibraciones tiene las ventajas de una instalación conveniente, menos interferencia ambiental y bajo costo. Es aplicable a casi todos los tipos de transformadores.

La vibración del transformador proviene principalmente de la magnetoestricción y las fuerzas magnéticas. A través del monitoreo en tiempo real de la vibración del transformador, se establecerá la relación entre la vibración anormal y las fallas internas del transformador, lo cual es útil para organizar el mantenimiento preventivo a tiempo y mejorar la vida útil del transformador. Por ejemplo, cuando el perno de apriete del núcleo del transformador está flojo, es decir, el espacio de aire entre los cambios del núcleo de hierro, aumentará significativamente la vibración del transformador7, además, los pernos sueltos también reducen la capacidad del transformador para resistir choques externos. La degradación del rendimiento mecánico del transformador se rastreó mediante la medición de vibraciones multicanal en8. In9, los datos de vibración en el cambiador de tomas bajo carga del transformador se obtienen para realizar la identificación de fallas tempranas del equipo, y el mapeo autoorganizado (SOM) se usa para evaluar el estado del cambiador de tomas bajo carga en línea. En 10, se estudió el método de monitoreo de la deformación del devanado por vibración de la caja del transformador, este método tiene en cuenta la vibración generada por diferentes partes del transformador y analiza la influencia de la temperatura en la generación, superposición y transmisión de vibraciones.

La frecuencia de vibración del transformador depende de la frecuencia de resonancia y de la excitación externa. La excitación externa incluye principalmente el voltaje, la corriente y el entorno de trabajo, estos factores se pueden medir durante la operación del transformador. La frecuencia de resonancia es el factor interno que determina la frecuencia de vibración del transformador. Está determinado por la estructura del transformador y no cambia con el cambio de excitación externa. Se puede obtener mediante prueba de martilleo. Cuanto más cerca esté el componente de vibración de la frecuencia de resonancia, es más probable que cause la resonancia del transformador. La resonancia es muy dañina, lo que provocará una vibración violenta del transformador, lo que provocará el aflojamiento de los pernos y la caída de los bloques de amortiguación. Además, la estructura se puede rastrear monitoreando la frecuencia de resonancia del transformador, y el diagnóstico de fallas del transformador se puede realizar analizando el cambio de la estructura del transformador. En paper11, la frecuencia de resonancia del transformador se calculó mediante el método pseudoespectral. La relación entre la frecuencia de vibración del transformador con los armónicos de tensión y corriente se dedujo en el trabajo12. En 13 se estudió la influencia de la vibración en la operación del transformador grande y las medidas de reducción de vibración para evitar la resonancia bajo la excitación de la fuerza electromagnética, y se desarrolló un prototipo de transformador de potencia con muy bajo ruido, con una capacidad de carga completa de 200MVA y un nivel de ruido inferior a 65 dB. El modelo no lineal del transformador fue construido por la red neuronal de Fourier compuesta por elementos no lineales y un bloque dinámico lineal, y el efecto de la predicción de vibraciones y la extracción de parámetros del sistema se verificaron mediante pruebas en varios transformadores de potencia14.

Hay muchos métodos analíticos para tratar los datos de vibración. El análisis de Fourier es un método de análisis simple y efectivo, pero el método de transformada de Fourier no puede mostrar información de tiempo-frecuencia al mismo tiempo15. El artículo16 proponía un algoritmo de entropía de permutación simplificado que se usa para calcular las características de vibración del transformador convertidor. En comparación con el algoritmo de entropía de permutación tradicional, el algoritmo tiene las ventajas de una clasificación estable, alta flexibilidad y velocidad de computación rápida. El método de transformada wavelet17,18 también tiene muchas aplicaciones en el monitoreo de vibraciones de transformadores. Se usó la wavelet compleja de Morlet para procesar los datos de vibración libre del transformador in17, se usó el algoritmo Crazy Climber mejorado para extraer las crestas de wavelet del espectrograma de tiempo-frecuencia, y se obtuvieron las primeras frecuencias de resonancia de cuatro órdenes y las relaciones de amortiguamiento del devanado del transformador. . En 18 se propuso un nuevo método para el diagnóstico de fallas mecánicas de núcleos y devanados de transformadores basado en la banda de frecuencia: distribución de energía. Las fallas mecánicas del transformador fueron diagnosticadas en línea por la distribución de energía en cada banda de frecuencia de los datos de vibración en tiempo real. El algoritmo mejorado de descomposición del modo empírico se aplicó a la extracción del índice de falla de los datos de vibración en el cambio de toma bajo carga del transformador19. EWT fue presentado por primera vez por el profesor Jérôme Gilles20, es equivalente a una serie de combinaciones de filtros de paso de banda, y la señal original se descompone en varias combinaciones de señales en diferentes dominios de frecuencia. Los artículos21,22 introdujeron la aplicación de EWT en datos sísmicos y22 propusieron un método EWT mejorado basado en la representación del espacio de escala. Paper23 introdujo la aplicación de EWT en el reconocimiento de imágenes bidimensionales. Se presentó en paper24 una transformada wavelet de Morlet adaptativa mejorada y su aplicación en los datos de vibración de la caja de engranajes. EWT también tiene algunas aplicaciones en transformadores. En paper25, se propuso un método de diagnóstico de fallas basado en EWT y algoritmo de enjambre de salp para diagnosticar diferentes estados de falla de transformadores. En paper26, el método EWT se combinó con entropía multiescala, y los tiempos de conteo se redujeron seleccionando los componentes wavelet altamente correlacionados con la señal original.

EWT se selecciona de muchos métodos de procesamiento de señales no estacionarios principalmente porque puede mejorar la resolución del componente de frecuencia objetivo al establecer de manera flexible el límite de segmentación del dominio de frecuencia, y la segmentación del dominio de frecuencia EWT se basa en la transformada de Fourier, los dos métodos se superponen parcialmente, por lo que el proceso de procesamiento de señales es una relación progresiva, que puede reducir la carga de cálculo; Más importante aún, al establecer el límite cerca del componente de frecuencia objetivo anormal de acuerdo con el resultado de Fourier, el componente objetivo se puede analizar en profundidad para determinar el tiempo de cambio del componente de frecuencia objetivo, es muy importante para el diagnóstico de fallas del transformador. El método de división del espectro propuesto en este documento combina factores como el extremo y la envolvente del dominio de la frecuencia, que no solo pueden rastrear y analizar los componentes objetivo, sino también dividir razonablemente el rango del espectro. A diferencia del paper26, este paper no combina otros métodos, sino que mejora directamente el principio de división del espectro en EWT, simplifica el proceso de cálculo y mejora la adaptabilidad. Comparado con el método tradicional basado en el plano de escala, elimina el paso de crear el plano de escala, mejora en gran medida la velocidad de cálculo y es más adecuado para el análisis y monitoreo en tiempo real.

Según la ubicación de la vibración, la vibración del transformador se puede dividir en vibración del núcleo de hierro, vibración del devanado y vibración del equipo de enfriamiento. Según los determinantes de la frecuencia de vibración, se puede dividir en vibración determinada por la frecuencia de resonancia y vibración determinada por la frecuencia de excitación.

La vibración del devanado del transformador es causada por la interacción entre la corriente y la fuga de flujo magnético en el devanado, la fuerza de vibración de la bobina Fw es proporcional al cuadrado de la corriente I, como se muestra en la ecuación. (1). La vibración del núcleo del transformador es causada por la magnetoestricción y la fuerza magnética, la fuerza de vibración del núcleo de hierro Fc es proporcional al cuadrado del voltaje U, como se muestra en la ecuación. (2).

La corriente y el voltaje en el transformador son ondas sinusoidales mezcladas con una pequeña cantidad de armónicos, que se pueden expresar como Ecs. (3) y (4), I0 y U0 representan los componentes DC de corriente y voltaje respectivamente e In y Un representan los componentes fundamentales y los componentes armónicos de corriente y voltaje respectivamente.

Combina la ecuación. (3) en la ecuación. (1) para obtener

La tercera parte de la Ec. (5) se puede expresar como la Ec. (6), pyq es un número entre 1 y los números combinatorios Cn2.

De acuerdo con las reglas de transformación de la ecuación trigonométrica, la segunda parte de la ecuación. (6) se puede expresar como

La frecuencia de vibración del transformador incluirá el componente de CC, el componente de frecuencia armónica, la frecuencia doble de cada componente armónico, la suma de dos componentes armónicos cualesquiera y la diferencia de dos componentes armónicos cualesquiera, como se muestra en la Tabla 1. Cuando el transformador funciona, la corriente y el voltaje están cerca de las ondas sinusoidales ideales con bajo contenido de armónicos, y se puede ver en la Tabla 1 que la amplitud de cada fuerza de excitación está en el mismo orden de magnitud, por lo que la amplitud de vibración causada por los armónicos depende principalmente de la posición del punto de frecuencia de resonancia, esto también es útil para determinar la distribución de la frecuencia de resonancia al observar la distribución de la frecuencia de vibración.

Durante el funcionamiento del transformador, la amplitud de vibración y la velocidad de vibración son muy pequeñas, lo que pertenece a un sistema de micro amplitud. Por lo tanto, el sistema de vibración del transformador se puede considerar como un sistema lineal tomando solo el término de primer orden de la serie de Taylor y omitiendo el término de orden superior. La ecuación de movimiento de la vibración forzada del sistema lineal de libertad simple se muestra en la ecuación. (8), m, c, k son masa, coeficiente de amortiguamiento y coeficiente elástico respectivamente.

La ecuación (8) se puede reescribir como

Los parámetros en la ecuación. (9) se definen como sigue:

En Ecs. (10) y (11), ωn es la frecuencia de resonancia y ξ es la tasa de amortiguamiento. Debido a que el sistema del transformador es aproximadamente un sistema lineal, la vibración bajo cada excitación satisface el teorema de superposición. Por conveniencia del análisis, se supone que la fuerza de excitación F = fncosωt. Sustituyendo en la Ec. (9) para obtener

Los parámetros en la ecuación. (12) se definen como sigue:

Se puede ver a partir de la Ec. (12) que el primer elemento de la ecuación se atenuará gradualmente y se pondrá a cero bajo la acción del amortiguamiento del transformador. La forma de onda de frecuencia específica en la prueba de martilleo se puede extraer mediante EWT mejorado, y los parámetros relevantes (X, ξ, ωn) se pueden obtener ajustando la envolvente de la forma de onda. La Figura 1 muestra el proceso de atenuación del componente de frecuencia de 37 Hz en la prueba de martilleo, que corresponde al componente de frecuencia de resonancia de 37 Hz en la Fig. 6. Los valores de los parámetros relevantes se obtienen por ajuste de parámetros, como se muestra en (15)

Ajuste de la forma de onda de resonancia.

Para la segunda parte de la Ec. (12), la vibración del transformador bajo diferentes fuerzas de excitación de frecuencia sigue siendo la respuesta de la frecuencia correspondiente, pero la amplitud de la vibración se ve afectada por el coeficiente de estructura del transformador y la frecuencia de resonancia. Sea p como se muestra en la ecuación. (16), p es una variable no negativa. Cuanto menor es p, mayor es la amplitud de vibración.

La ecuación (16) se puede transformar en

p es una ecuación cuártica univariada con ω como variable, entonces

p′ es una ecuación cúbica univariante, sea p′ = 0, obtendremos

Por lo tanto, p tiene el valor mínimo en ω2, es decir, en la Ec. (12), cuanto más cerca está ω de ω2, mayor es la amplitud de x(t), x(t) tiene la máxima amplitud de vibración cuando ω = ω2.

EWT es esencialmente una transformada wavelet que puede establecer de manera flexible el límite de segmentación20. El núcleo del método EWT radica en la división del dominio de la frecuencia. Los resultados del espectro varían mucho en diferentes aplicaciones, pero el propósito de la segmentación del espectro es el mismo, que es resaltar el proceso de cambio del componente de frecuencia objetivo. La función de escalado empírico y las ondículas empíricas se muestran en las Ecs. (20) y (21), respectivamente.

La función β(x) deberá cumplir las siguientes condiciones:

El τN = γωN, y si γ < min[(ωN+1 − ωN)/(ωN+1 + ωN)], obtendremos un marco ajustado. Entonces la señal puede ser reconstruida por:

Del análisis anterior, se puede encontrar que el enfoque de EWT es determinar el límite de segmentación del dominio de frecuencia. El procesamiento de diferentes tipos de señales necesita combinar sus características únicas. Los componentes de los datos de vibración del transformador tienen las siguientes características.

Durante la operación del transformador, el componente principal en el dominio de la frecuencia suele ser un múltiplo entero de 50 Hz (la frecuencia eléctrica es de 50 Hz). En circunstancias normales, el componente de 100 Hz debería tener la mayor amplitud, pero debido a la influencia de la frecuencia de resonancia, el componente de duplicación de frecuencia de 50 Hz más cercano al punto de frecuencia de resonancia puede ser el componente de mayor amplitud.

Cuando el transformador no funciona, la amplitud de la interferencia ambiental es inferior a 0,003 m/s2 y el valor correspondiente en el resultado de la transformada de Fourier es 0,003*16 384/2 ≈ 25, la frecuencia de muestreo de la señal de vibración es 16384 Hz. En el análisis del resultado de Fourier de la señal de vibración, la señal por debajo de 25 puede ignorarse.

Los componentes continuos de alta amplitud pueden ocurrir durante la prueba de martilleo o el cambio de estado del transformador. Estos componentes aumentarán la dificultad de la segmentación en el dominio de la frecuencia.

Algunos componentes de frecuencia con baja amplitud aparecerán cerca de los componentes de alta amplitud. Deberíamos ignorar la influencia de estos componentes de baja amplitud al dividir el dominio de la frecuencia.

En el proceso de diagnóstico de fallas del transformador, los componentes de alta amplitud, los componentes de frecuencia emergentes y los componentes con gran cambio son importantes, las dos últimas partes se denominan colectivamente como componentes de frecuencia anormal. Es necesario establecer límites cerca de estos componentes de frecuencia.

La Figura 2 muestra el espectro de vibración de martilleo del transformador, la línea vertical azul en la figura representa el componente máximo en el espectro, los triángulos rojos representan los resultados de división ideales del espectro y cada triángulo rojo representa un área de división. La situación del espectro durante el cambio de estado es similar a la de la prueba de martilleo. Al dividir este tipo de espectro, debemos prestar atención a los siguientes puntos.

El componente de amplitud baja cerca de la amplitud alta corresponde al área 1 en la Fig. 2.

Los componentes adyacentes con amplitud similar corresponden al área 2 en la Fig. 2.

El componente de baja amplitud corresponde al área 3 en la Fig. 2.

El límite de división no puede caer en el componente máximo.

El límite de la región de alta amplitud debe ser más denso, como el rango de 400 a 800 Hz en la Fig. 2, y el límite de la región de baja amplitud debe ser más disperso, como el rango de 900 a 1100 Hz.

Espectro de la prueba de martilleo del transformador.

El método de segmentación en el dominio de la frecuencia propuesto se muestra en la Fig. 3. El procedimiento del método de segmentación en el dominio de la frecuencia propuesto incluye los siguientes cuatro pasos.

Paso 1: Se analiza el espectro de Fourier de la señal analizada para obtener los componentes de frecuencia anormales de la señal. Y se extraen los extremos del dominio de la frecuencia.

Paso 2: Eliminación de las señales de interferencia que afectan la segmentación del límite, incluidos los componentes de baja amplitud del desorden alrededor del componente de alta amplitud, los múltiples componentes adyacentes con amplitudes altas similares y los componentes con amplitud pequeña en el dominio de la frecuencia.

Paso 3: el límite divisorio se determina de acuerdo con la envolvente de los componentes de frecuencia principal restantes después de eliminar las señales de interferencia, y los componentes anormales en el Paso 1 deben analizarse enfáticamente.

Paso 4: Verifique el límite de segmentación para evitar que caiga sobre los componentes principales del dominio de la frecuencia, de lo contrario, estos componentes se verán atenuados en el proceso de análisis posterior.

Proceso de segmentación de dominio de frecuencia mejorado.

Usamos la Ec. (24) para eliminar los componentes de baja amplitud alrededor de los componentes de alta amplitud, y use la fórmula (25) para tratar con los múltiples componentes de alta amplitud adyacentes. f(a) yf(b) representan las amplitudes de los dos componentes en el dominio de la frecuencia, y ayb representan las frecuencias de los dos componentes. Las ecuaciones (24) y (25) son dos métodos simples y efectivos para eliminar los componentes de interferencia. La selección de coeficientes relevantes en la fórmula es muy importante. El transformador utilizado en este documento es un transformador de tipo seco con una capacidad de 100 kVA. Durante el experimento, kp y r se toman como 20, 100 respectivamente, kq y s se toman como 0.15 y 30 respectivamente. Los cuatro parámetros anteriores son parámetros empíricos en el proceso experimental. Debido a que la frecuencia de trabajo del transformador es de 50 Hz, para un componente de frecuencia máxima, los lados izquierdo y derecho son de 50 Hz y el ancho de banda de frecuencia es de 100 Hz, es decir, r = 100. Al considerar los componentes de frecuencia adyacentes, el ancho de banda tome la mitad de 50, 50/2 = 25, es decir, s = 25, r y s son dos parámetros solo relacionados con la frecuencia de alimentación del transformador, la determinación de kp y kq debe combinarse con la vibración del transformador . En el experimento, la amplitud máxima del dominio de la frecuencia es básicamente alrededor de 500 (como se muestra en las Figs. 5 y 7), 500/25 = 20, es decir, kp = 20, (25 aquí se refiere al valor del ruido ambiental en el Paso 3 , 0.003*16,384/2 ≈ 25), y kq = 0.15 se obtiene de experimentos múltiples.

Para el componente de frecuencia con cambio repentino, podemos agregar líneas de segmentación en ambos lados. Para evitar que la segmentación de frecuencia sea demasiado densa o escasa, el número y la posición de las líneas límite se pueden ajustar de forma flexible de acuerdo con el valor medio de los componentes de frecuencia dentro de este rango. Si la división es demasiado densa, se puede tomar el valor promedio de los dos límites o el límite con amplitud de baja frecuencia o el límite cercano a la frecuencia objetivo. El último método puede mejorar la resolución de la amplitud de frecuencia objetivo. Para una región con división dispersa, se puede agregar apropiadamente una línea límite de división en algunos valores mínimos del dominio de frecuencia.

El sensor de vibración adopta el sensor de aceleración piezoeléctrico CA-YD-188T de la compañía Jiangsu Lianneng, con sensibilidad de 500 mv/g, rango de frecuencia de 0–5000 Hz, rango de medición de ± 10 g, límite de impacto de 2000g y rango de temperatura de trabajo de − 40 a 120 ℃. El instrumento de adquisición de vibraciones utiliza la unidad de adquisición de alto rango dinámico de la empresa Dewesoft. Como se muestra en la Fig. 4, el transformador experimental tiene 14 pernos de sujeción, 6 pernos transversales (A–F) y 8 pernos longitudinales (1–8). Hay cinco posiciones de instalación (superior izquierda, superior central, superior derecha, inferior izquierda, inferior derecha) de sensores de vibración en el transformador. La prueba de martilleo consta de cuatro veces en cada grupo, de pie del lado del devanado de alta tensión y de frente al transformador, el primer martilleo (K1) es de izquierda a derecha en la parte superior del transformador, el segundo martilleo (K2) es de adelante hacia atrás en la dirección de la vista, el tercer martilleo (K3) es de derecha a izquierda en la parte superior del transformador, y el cuarto martilleo (K4) es hacia abajo desde el centro de la parte superior. El método propuesto en este documento se utiliza principalmente para analizar la vibración transitoria del transformador, incluida la vibración del transformador bajo encendido, apagado y cambio de carga entre diferentes cargas, como se muestra en la Tabla 2. Los métodos propuestos en este documento son aplicable a la situación transitoria cuando se cambia el estado, pero solo muestra los resultados de la prueba de martillo, el encendido y el cambio de carga de 60 a 100 kW.

Transformador de prueba de vibraciones.

En la prueba de detonación, solo existe el efecto de la excitación instantánea y ninguna otra interferencia de vibración, por lo que es fácil observar la frecuencia de resonancia. La forma de onda de vibración de la prueba de martilleo del transformador en estado normal se muestra en las Figs. 5 y 6. Para el componente de frecuencia de resonancia, debemos prestar atención a los componentes armónicos del múltiplo integral de 50 Hz. Es más probable que estos componentes causen resonancia en el transformador. El mapa de colores 'chorro' se usa en la Fig. 5 y todas las figuras de tiempo-frecuencia subsiguientes.

La segmentación del espectro y la visualización de frecuencia de tiempo de los datos de prueba de martilleo (K1) basados en el método tradicional, (a1–a3) son los resultados de la segmentación del espectro de Fourier (posición superior izquierda, mapa de colores, 'chorro').

La segmentación del espectro y la visualización de la frecuencia de tiempo de los datos de prueba de martilleo (K1) se basan en el método propuesto en este documento, (a) son los resultados de la segmentación del espectro de Fourier (posición superior izquierda, mapa de colores, 'chorro').

La figura 5 muestra los resultados de tres métodos EWT tradicionales basados en el plano extremo, adaptativo y gaussiano20. En la Fig. 5, los resultados de la transformada de Fourier y la segmentación del dominio de la frecuencia se muestran a la izquierda, la representación longitudinal es para facilitar la comparación con los componentes de frecuencia del plano de tiempo-frecuencia, y el cambio de cada componente de frecuencia con el tiempo se muestra en el bien. Las siguientes Figs. 6, 8 y 9 también son iguales.

El método basado en valores extremos necesita especificar el número de valores extremos por adelantado. Cuando el número de valores extremos especificados es pequeño, la división puede ser insuficiente, lo que es similar a los resultados de la división basados en el método adaptativo; cuando el número de valores extremos es grande, algunas bandas de frecuencia pueden ser demasiado estrechas, demasiadas bandas aumentarán la carga de cálculo, y bandas demasiado estrechas causarán distorsión en la visualización en el plano de tiempo-frecuencia, y aparecerán algunas líneas brillantes sin color. aparecen, como 250 Hz y 700 Hz en la subfigura (1) de la Fig. 5. El color constante significa que la amplitud de estos componentes de frecuencia son constantes, pero de hecho, estos componentes no siempre son constantes, porque esto es una prueba de martillo , la vibración decaerá rápidamente, por lo que ningún componente de frecuencia puede cambiar. Solo hay un límite en el rango de 0 a 1000 Hz según el método adaptativo, los componentes que se analizarán se dividen juntos, lo que no es útil para el análisis de vibración del transformador. El método basado en el plano gaussiano es el mejor de los tres métodos. Además de los componentes de frecuencia de resonancia que se pueden ver en el método basado en el plano de escala gaussiana20, el método propuesto en este artículo puede proporcionar frecuencias de resonancia más ricas, como alrededor de 20 Hz, 550 Hz, 750 Hz y 850 Hz en la Fig. 6. El método de segmentación propuesto también puede dar las frecuencias resonantes con mayor precisión, es decir, la línea del plano tiempo-frecuencia es más recta. El método basado en el plano gaussiano necesita dibujar un plano gaussiano al dividir el dominio de la frecuencia, por lo que la carga de cálculo es muy pesada, el análisis tiempo-frecuencia del método basado en el plano gaussiano toma alrededor de 80 s, mientras que el método propuesto toma alrededor 2 s. Cuando el análisis de tiempo-frecuencia se lleva a cabo para múltiples canales, múltiples martilleos o fallas, el método basado en el plano gaussiano necesita altos recursos computacionales. Lo que es más importante, los tres métodos tradicionales anteriores no pueden rastrear ni analizar los componentes de frecuencia emergentes.

En cualquier caso, el método EWT sigue siendo un buen método de análisis de tiempo-frecuencia, especialmente el método EWT basado en el plano gaussiano. El método propuesto en este documento es un método EWT mejorado. En comparación con el método basado en el plano gaussiano, el método mejorado de segmentación del dominio de la frecuencia es simple en el cálculo y claro en la visualización de tiempo-frecuencia de componentes de frecuencia importantes, que es más adecuado para el análisis de datos de vibración de transformadores.

La Tabla 3 muestra los resultados de identificación de las frecuencias de resonancia y los coeficientes de amortiguamiento correspondientes a múltiples puntos de frecuencia de resonancia en la Fig. 6. El cambio del coeficiente de amortiguamiento del transformador con la frecuencia de resonancia se muestra en la Fig. 7. Con el aumento de la frecuencia de resonancia, el coeficiente de amortiguamiento muestra una tendencia a la baja. Para puntos de frecuencia de resonancia superiores a 400 Hz, los coeficientes de amortiguamiento serán muy pequeños.

Variación del coeficiente de amortiguamiento con la frecuencia de resonancia.

Cuando la prueba de martilleo del transformador es inconveniente o imposible, el método de determinar la frecuencia resonante del transformador a través de los datos de vibración en el encendido es muy útil. Especialmente para grandes transformadores de potencia, la prueba de martilleo puede ser difícil de lograr. Dado que no hay corriente en el devanado del transformador cuando se enciende el transformador, no es necesario considerar la vibración causada por la corriente de carga, por lo que la señal de interferencia es pequeña durante la medición de la vibración. Cuando el transformador está encendido, es equivalente a darse una excitación física a sí mismo. Aunque hay algunos componentes de vibración generados por la excitación del transformador durante la operación sin carga del transformador, sin embargo, se determinan los espectros de frecuencia de la corriente de excitación, por lo que también se determinan los componentes de vibración generados por la corriente de excitación. Por lo tanto, el cambio de la frecuencia de resonancia puede observarse comparando el espectro de vibración cuando el transformador está encendido.

Las Figuras 8 y 9 muestran los resultados del análisis de los datos de vibración cuando el transformador está encendido y el tiempo de encendido del transformador es de 0,36 s. El método basado en el plano gaussiano no resalta la parte con una gran amplitud de frecuencia, como 100 Hz, 250 Hz, etc. Los resultados mejorados de la segmentación en el dominio de la frecuencia se muestran en la Fig. 9. Se puede ver que el nuevo método de segmentación establece el límite para las partes con gran amplitud (100 Hz, 250 Hz). En comparación con los resultados del plano de tiempo-frecuencia de la Fig. 8, la información de tiempo-frecuencia del método propuesto en este artículo es más evidente.

Análisis de datos de vibración de la potencia del transformador basado en el plano gaussiano6, (a) son los resultados de la segmentación del espectro de Fourier (posición superior izquierda, mapa de colores, 'chorro').

El análisis de datos de vibración de la potencia del transformador se basa en el método propuesto en este documento, (a) son los resultados de la segmentación del espectro de Fourier (posición superior izquierda, mapa de colores, 'chorro').

En las Figs. 10 y 11, K1–K4 son los resultados del análisis de Fourier de la vibración de la prueba de martilleo del transformador, se puede ver que aunque las frecuencias de resonancia excitadas por las cuatro pruebas de martilleo no son exactamente las mismas, el rango de distribución de los puntos de resonancia es básicamente el mismo, y las frecuencias de resonancia del transformador se pueden obtener de forma más completa martillando en diferentes direcciones. La primera línea azul oscuro es el resultado del análisis cuando se enciende el transformador. Se puede ver que los componentes de vibración del transformador incluyen todos los componentes de duplicación de frecuencia de 50 Hz dentro de 0-1000 Hz tanto en dirección transversal como longitudinal. Por lo tanto, cuando se produce un punto de resonancia dentro de los 1000 Hz, provocará resonancia en el componente de duplicación de frecuencia de 50 Hz adyacente a él. Excepto por el punto de frecuencia de 100 Hz causado por la histéresis, los puntos de frecuencia de resonancia excitados por la prueba de martillo son básicamente los mismos que los puntos de frecuencia de vibración en el encendido. Se puede ver que el transformador resuena a algunas frecuencias, como 350 Hz, 600 Hz y 800 Hz en la Fig. 10 y 200 Hz, 400 Hz, 600 Hz ~ 800 Hz y 900 Hz en la Fig. 11.

Resultados del análisis de datos de vibración de cuatro pruebas de martilleo y encendido (posición superior izquierda).

Resultados del análisis de datos de vibración de cuatro pruebas de martilleo y encendido (posición superior derecha).

La Figura 12 muestra el espectro de frecuencia de la vibración en estado estable del transformador con una carga de 60 kW y 100 kW, respectivamente. La figura 13 muestra los cambios de vibración antes y después del paso de carga del transformador, la carga cambia de 60 a 100 kW, el tiempo del paso de carga es de aproximadamente 0,39 s. Al comparar el espectro de frecuencia de la vibración de estado estable antes y después del paso de carga del transformador, se puede ver que los componentes de 200 Hz, 400 Hz, 700 Hz y 1000 Hz cambian mucho, en los que el componente de 1000 Hz es un componente de frecuencia emergente. Al establecer el límite de división del dominio de frecuencia cerca de estos componentes, es obvio que los cuatro componentes de frecuencia cambian inmediatamente después del paso de carga, por lo que el paso de carga es la razón del cambio de estos componentes de frecuencia.

Comparación de dominio de frecuencia antes y después del paso de carga del transformador (posición superior izquierda).

Visualización de datos de vibración y tiempo-frecuencia antes y después del paso de carga del transformador (posición superior izquierda).

Cuando los datos de vibración del transformador cambian mucho, los componentes con un gran cambio de amplitud se determinan comparando cada componente de la señal en el dominio de la frecuencia, y luego se establece un límite cerca del componente de frecuencia objetivo para mejorar la resolución de frecuencia de tiempo de la frecuencia objetivo y determinar el tiempo de aparición de la frecuencia objetivo. Combinado con las señales de voltaje y corriente del paso de carga del transformador, se puede determinar si el cambio de la señal de frecuencia objetivo es causado por fallas del transformador o paso de carga.

Las Figuras 14 y 15 muestran los resultados del análisis de la prueba de martilleo de un transformador de a bordo sumergido en aceite de 25 kV para Unidades Múltiples Eléctricas (EMU). La figura 14 es el resultado basado en el método aquí propuesto y la figura 15 es el resultado basado en el plano gaussiano convencional. La distribución del espectro del transformador de a bordo sumergido en aceite de 25 kV es muy amplia y hay muchos puntos de frecuencia de resonancia en el rango de 0 a 3000 Hz. Los resultados del análisis de tiempo-frecuencia de la parte de alta frecuencia y la parte de baja frecuencia se muestran en la Fig. 14. Se puede ver que para la parte de baja frecuencia, ambos métodos tienen una mejor resolución de tiempo-frecuencia, y el método propuesto está más densamente dividido; para la parte de alta frecuencia, el método propuesto en este artículo tiene ventajas obvias, especialmente para el componente de 3000 Hz, la amplitud del componente de frecuencia es muy alta y el método basado en el plano gaussiano no muestra el cambio de frecuencia componente bien.

Los resultados del análisis de los datos de la prueba de martilleo de un transformador de a bordo sumergido en aceite de 25 kV, (a) son los resultados de la segmentación del espectro de Fourier (método propuesto en este documento, posición superior izquierda, mapa de colores, 'chorro').

Los resultados del análisis de los datos de la prueba de martilleo del transformador de a bordo sumergido en aceite de 25 kV, (a) son los resultados de la segmentación del espectro de Fourier (método basado en el plano de escala gaussiana, posición superior izquierda, mapa de colores, 'chorro').

Las figuras 16 y 17 son los resultados del análisis de la prueba de martilleo del transformador de tracción de metro de 35 kV. La figura 16 es el resultado basado en el método aquí propuesto y la figura 17 es el resultado basado en el plano gaussiano convencional. Se puede observar que la distribución de frecuencias de resonancia del transformador tipo seco para Metro de 35 kV está muy concentrada, principalmente en el rango de 200 a 400 Hz, y ambos métodos tienen una buena resolución tiempo-frecuencia.

Los resultados del análisis de los datos de la prueba de martilleo del transformador de tracción de metro de 35 kV, (a) son los resultados de la segmentación del espectro de Fourier (método propuesto en este documento, posición superior izquierda, mapa de colores, 'chorro').

Los resultados del análisis de los datos de la prueba de martilleo del transformador de tipo seco subterráneo de 35 kV, (a) son los resultados de la segmentación del espectro de Fourier (método basado en el plano de escala gaussiana, posición superior izquierda, mapa de colores, 'chorro').

Se puede observar que el método propuesto en este artículo tiene una alta resolución de tiempo-frecuencia para estos dos tipos de transformadores. El método propuesto en este trabajo tiene buena aplicabilidad tanto para componentes de baja frecuencia como para componentes de alta frecuencia, y el tiempo de procesamiento de las señales de vibración de los dos tipos de transformadores es menor a 2 s. Sin embargo, el método basado en el plano gaussiano tiene un tiempo de ejecución de unos 80 s.

Combinado con los resultados del análisis de tres transformadores, las ventajas del método propuesto son las siguientes.

Este método puede rastrear y analizar el componente de cambio repentino. Cuando la vibración del transformador fluctúa, la causa de la fluctuación de la vibración se puede determinar ubicando el tiempo de cambio de frecuencia y el tiempo de paso de carga, lo cual es de gran importancia para realizar el diagnóstico de fallas en línea del transformador.

A través del método propuesto, se separan las formas de onda de vibración a frecuencias de resonancia y se extraen los coeficientes de amortiguamiento y otros coeficientes de correlación a diferentes frecuencias de resonancia.

Para transformadores de potencia grandes, la prueba de martilleo puede ser difícil de lograr. Cuando la prueba de martilleo del transformador es inconveniente o imposible, las frecuencias de resonancia del transformador pueden determinarse mediante los datos de vibración durante el encendido sin carga.

La desventaja de este método es que para diferentes tipos de transformadores, la determinación de kp (en la Ec. 24) y kq (en la Ec. 25) debe combinarse con la vibración del transformador y ajustarse de acuerdo con los objetivos del análisis.

En este documento se propone un método EWT mejorado. A través del análisis de las señales de vibración del transformador tipo seco de 380 V, el transformador tipo seco subterráneo de 35 kV y el transformador de a bordo sumergido en aceite de 25 kV de EMU, se demuestra la aplicabilidad de este método para transformadores con diferentes niveles de voltaje y diferentes capacidades.

El método propuesto en este documento puede eliminar eficazmente la influencia de los componentes de interferencia, como los componentes de pequeña amplitud y múltiples componentes adyacentes de alta amplitud, y destaca la importancia de los componentes de alta amplitud y los componentes con grandes cambios en el dominio de la frecuencia. Lo que es más importante, en comparación con los métodos tradicionales, el método propuesto puede rastrear y analizar los nuevos componentes de frecuencia. A través del análisis de datos de vibración de martilleo del transformador y datos de vibración de potencia, este método tiene una resolución de tiempo-frecuencia más alta, y el tiempo de cálculo se acorta de 80 s a aproximadamente 2 s, lo que demuestra la superioridad de este método.

Todos los datos generados durante este estudio se incluyen en este artículo publicado [y sus archivos de información complementarios].

Dai, J., Song, H., Sheng, G. y Jiang, X. Análisis de gas disuelto de aceite aislante para el diagnóstico de fallas de transformadores de potencia con una red de creencias profundas. IEEE T. Dielect. El. En. 24(5), 2828–2835 (2017).

Artículo CAS Google Académico

Zhang, B., Yan, N., Du, J., Han, F. y Wang, H. Un enfoque novedoso para investigar la vibración del núcleo en los transformadores de potencia. IEEE T. Magn. 54(11), 1–4 (2018).

Google Académico

Bagheri, M., Zollanvari, A. & Nezhivenko, S. Pronóstico de la condición de falla del transformador utilizando señales de vibración en un entorno de nubes. Acceso IEEE 6, 9862–9874 (2018).

Artículo Google Académico

Lee, SH, Jung, SY & Lee, BW Mediciones de descargas parciales de materiales dieléctricos criogénicos en un transformador HTS usando HFCT. Aplicación IEEE T. Supercon. 20(3), 1139–1142 (2010).

Artículo ADS CAS Google Académico

Yang, Z., Zhou, Q., Wu, X. & Zhao, Z. Un nuevo método de medición de la tensión interfacial del aceite de transformador combinado con SVM optimizado con PSO y tecnología ultrasónica multifrecuencia. Acceso IEEE 7, 182624–182631 (2019).

Artículo Google Académico

Kim, JW, Park, B., Jeong, SC, Kim, SW y Park, P. Diagnóstico de fallas de un transformador de potencia utilizando un análisis de respuesta de frecuencia mejorado. IEEE T. Entrega de energía. 20(1), 169–178 (2005).

Artículo Google Académico

Zhang, P., Li, L., Cheng, Z., Tian, C. y Han, Y. Estudio sobre la vibración del núcleo de hierro del transformador y el reactor basado en la tensión de Maxwell y la magnetoestricción anisotrópica. IEEE T. Magn. 55(2), 1–5 (2019).

Artículo Google Académico

Saponara, S., Fanucci, L., Bernardo, F. & Falciani, A. Diagnóstico predictivo de fallas de transformadores de alta potencia mediante la conexión en red de nodos de medición de vibraciones con procesamiento de señal integrado. IEEE T. Instrumento. medida 65(8), 1749–1760 (2016).

Artículo Google Académico

Kang, P. & Birtwhistle, D. Monitoreo de condición de cambiadores de tomas bajo carga de transformadores de potencia. Parte 2: Detección de envejecimiento a partir de firmas de vibración. Proceso IEE. Generación Transmisión Distribución. 148(4), 307 (2001).

Artículo Google Académico

Garcia, B., Burgos, JC & Alonso, A. Modelado de vibraciones de tanques de transformadores como método para detectar deformaciones en devanados—Parte I: Fundamento teórico. IEEE T. Entrega de energía. 21(1), 157–163 (2006).

Artículo Google Académico

Shin, PS, Lee, J. & Ha, JW Un análisis de vibración libre de devanados helicoidales de transformadores de potencia por método pseudoespectral. IEEE T. Magn. 43(6), 2657–2659 (2007).

Artículo ANUNCIOS Google Académico

Shengchang, J., Yongfen, L. & Yanming, L. Investigación sobre la técnica de extracción de la vibración de frecuencia fundamental del núcleo del transformador basada en OLCM. IEEE T. Entrega de energía. 21(4), 1981–1988 (2006).

Artículo Google Académico

Hsu, C. et al. Reducción de vibraciones y nivel sonoro para un transformador de potencia monofásico de gran capacidad. IEEE T. Magn. 51(11), 1–4 (2015).

Google Académico

Jing, Z., Hai, H., Pan, J. & Yanni, Z. Identificación del sistema de vibración no lineal de los transformadores de potencia. medida ciencia Tecnología 28(1), 15005 (2016).

Artículo Google Académico

Bartoletti, C. et al. Técnicas vibroacústicas para el diagnóstico de transformadores de potencia. IEEE T. Entrega de energía. 19(1), 221–229 (2004).

Artículo Google Académico

X. Zhang, R. Huang, D. Zhou, F. Wang (2018) Monitoreo de vibraciones del transformador convertidor mediante entropía de permutación simplificada, 2018. IEEE, 864–869. https://doi.org/10.1109/CAC.2018.8623221

Luo, Bo., Wang, F., Liao, T. & He, Z. Identificación de parámetros modales del devanado del transformador de potencia basado en la wavelet compleja mejorada de Morlet. J. Vib. Choque 33(06), 131–136 (2014).

Google Académico

Yan, O., Lin, X. y Yin, J. Características de los datos de vibración del transformador de potencia utilizando la teoría de las ondículas. Ing. de alto voltaje 01, 165–168 (2007).

Google Académico

Duan, R. & Wang, F. Diagnóstico de fallas del cambiador de tomas bajo carga en el transformador del convertidor basado en el análisis de vibración de frecuencia de tiempo. IEEE T. Ind. Electron. 63(6), 3815–3823 (2016).

Artículo Google Académico

Gilles, J. Transformada wavelet empírica. IEEE T. Proceso de señal. 61(16), 3999–4010 (2013).

Artículo ADS MathSciNet Google Scholar

Liu, W., Cao, S. & Chen, Y. Análisis sísmico de tiempo-frecuencia a través de la transformada empírica de wavelet. IEEE Geosci. Remote S. 13(1), 28–32 (2016).

Artículo CAS Google Académico

Liu, N., Li, Z., Sun, F., Wang, Q. & Gao, J. La transformada empírica mejorada de wavelet y aplicaciones a los datos de reflexión sísmica. IEEE Geosci. Remote S. 16(12), 1939–1943 (2019).

Artículo Google Académico

Parashar, D. & Agrawal, DK Clasificación automática de etapas de glaucoma utilizando transformada wavelet empírica de tensor bidimensional. Proceso de señal IEEE. Dejar. 28, 66–70 (2021).

Artículo ANUNCIOS Google Académico

Xin, Y., Li, S., Zhang, Z., An, Z. y Wang, J. Transformada de ondícula morlet empírica reforzada adaptativa y su aplicación en el diagnóstico de fallas de maquinaria rotativa. Acceso IEEE 7, 65150–65162 (2019).

Artículo Google Académico

Lu, S., Gao, W., Hong, C. & Sun, Y. Un método de diagnóstico de fallas recientemente diseñado para transformadores a través de una transformada de wavelet empírica mejorada y una máquina de aprendizaje extremo del núcleo. Adv. Ing. Informar. 49, 101320 (2021).

Artículo Google Académico

Zhao, M. & Xu, G. Extracción de características de señales de vibración de transformadores de potencia basadas en la transformada de wavelet empírica y la entropía multiescala. Ciencia IET. medida Tecnología 12(1), 63–71 (2018).

Artículo Google Académico

Descargar referencias

Escuela de Ingeniería Eléctrica, Universidad Jiaotong de Beijing, Beijing, 100044, China

Ruizheng Ni, Ruichang Qiu, Zheming Jin, Jie Chen y Zhigang Liu

También puede buscar este autor en PubMed Google Scholar

RN: Redacción, revisión y edición. ZJ: Metodología. JC: Adquisición de fondos. RQ: Administración de proyectos. ZL: Supervisión.

Correspondencia a Ruichang Qiu.

Los autores declaran no tener conflictos de intereses.

Springer Nature se mantiene neutral con respecto a los reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.

Acceso abierto Este artículo tiene una licencia internacional Creative Commons Attribution 4.0, que permite el uso, el intercambio, la adaptación, la distribución y la reproducción en cualquier medio o formato, siempre que se otorgue el crédito correspondiente al autor o autores originales y a la fuente. proporcionar un enlace a la licencia Creative Commons e indicar si se realizaron cambios. Las imágenes u otro material de terceros en este artículo están incluidos en la licencia Creative Commons del artículo, a menos que se indique lo contrario en una línea de crédito al material. Si el material no está incluido en la licencia Creative Commons del artículo y su uso previsto no está permitido por la regulación legal o excede el uso permitido, deberá obtener el permiso directamente del titular de los derechos de autor. Para ver una copia de esta licencia, visite http://creativecommons.org/licenses/by/4.0/.

Reimpresiones y permisos

Ni, R., Qiu, R., Jin, Z. et al. Transformada de wavelet empírica mejorada (EWT) y su aplicación en la señal de vibración no estacionaria del transformador. Informe científico 12, 17533 (2022). https://doi.org/10.1038/s41598-022-22519-z

Descargar cita

Recibido: 08 Abril 2022

Aceptado: 17 de octubre de 2022

Publicado: 20 de octubre de 2022

DOI: https://doi.org/10.1038/s41598-022-22519-z

Cualquier persona con la que compartas el siguiente enlace podrá leer este contenido:

Lo sentimos, un enlace para compartir no está disponible actualmente para este artículo.

Proporcionado por la iniciativa de intercambio de contenido Springer Nature SharedIt

Al enviar un comentario, acepta cumplir con nuestros Términos y Pautas de la comunidad. Si encuentra algo abusivo o que no cumple con nuestros términos o pautas, márquelo como inapropiado.

Blog