基于振動(dòng)信號(hào)剖析的變壓器鐵心狀態(tài)精準(zhǔn)檢測(cè)與診斷體系構(gòu)建一、引言1.1研究背景與意義在現(xiàn)代電力系統(tǒng)中，變壓器作為關(guān)鍵的電氣設(shè)備，承擔(dān)著電壓轉(zhuǎn)換、電能分配和傳輸?shù)闹匾蝿?wù)。其運(yùn)行的可靠性和穩(wěn)定性直接關(guān)系到整個(gè)電力系統(tǒng)的安全與經(jīng)濟(jì)運(yùn)行。一旦變壓器發(fā)生故障，不僅會(huì)導(dǎo)致局部停電，影響工業(yè)生產(chǎn)和居民生活，還可能引發(fā)連鎖反應(yīng)，造成大面積停電事故，給社會(huì)帶來(lái)巨大的經(jīng)濟(jì)損失。據(jù)相關(guān)統(tǒng)計(jì)資料顯示，在電力系統(tǒng)的各類故障中，變壓器故障所占比例雖然相對(duì)較小，但造成的損失卻極為嚴(yán)重。例如，某大型變電站的一臺(tái)主變壓器發(fā)生故障，導(dǎo)致周邊多個(gè)區(qū)域停電長(zhǎng)達(dá)數(shù)小時(shí)，直接經(jīng)濟(jì)損失高達(dá)數(shù)千萬(wàn)元，間接經(jīng)濟(jì)損失更是難以估量。變壓器鐵心作為變壓器的核心部件之一，在變壓器的運(yùn)行中起著至關(guān)重要的作用。它為繞組提供磁路，使電能能夠高效地進(jìn)行轉(zhuǎn)換和傳輸。然而，由于長(zhǎng)期運(yùn)行在復(fù)雜的電磁環(huán)境中，受到電磁力、溫度變化、機(jī)械振動(dòng)等多種因素的影響，變壓器鐵心容易出現(xiàn)各種故障。其中，鐵心多點(diǎn)接地是一種較為常見(jiàn)的故障類型，其產(chǎn)生的原因主要包括安裝過(guò)程中的疏忽，如接地片施工工藝和設(shè)計(jì)不良造成短路；附件和外界因素的影響，導(dǎo)致多點(diǎn)接地；以及遺留在變壓器內(nèi)的金屬異物、鐵心工藝不良產(chǎn)生的毛刺、鐵銹與焊渣等引起的接地。鐵心多點(diǎn)接地故障會(huì)導(dǎo)致接地點(diǎn)形成閉合回路，產(chǎn)生環(huán)流，引起局部過(guò)熱，進(jìn)而導(dǎo)致油分解，絕緣性能下降。嚴(yán)重時(shí)，甚至?xí)硅F心硅鋼片燒壞，造成主變重大事故。此外，鐵心松動(dòng)也是常見(jiàn)故障，可能由運(yùn)輸過(guò)程中的顛簸、長(zhǎng)期振動(dòng)等原因?qū)е?，這會(huì)改變鐵心的振動(dòng)特性，影響變壓器的正常運(yùn)行。傳統(tǒng)的變壓器鐵心故障檢測(cè)方法，如絕緣電阻測(cè)試、油色譜分析等，雖然在一定程度上能夠發(fā)現(xiàn)一些故障隱患，但存在著明顯的局限性。絕緣電阻測(cè)試只能檢測(cè)鐵心的絕緣狀況，對(duì)于一些隱性故障難以察覺(jué)；油色譜分析則需要采集變壓器油樣進(jìn)行分析，操作繁瑣，且檢測(cè)周期較長(zhǎng)，無(wú)法實(shí)時(shí)反映變壓器鐵心的運(yùn)行狀態(tài)。而基于振動(dòng)信號(hào)的檢測(cè)診斷方法，能夠?qū)崟r(shí)、準(zhǔn)確地獲取變壓器鐵心的運(yùn)行狀態(tài)信息，具有在線監(jiān)測(cè)、靈敏度高、檢測(cè)速度快等優(yōu)點(diǎn)。通過(guò)對(duì)變壓器振動(dòng)信號(hào)的分析，可以有效地識(shí)別鐵心的故障類型和嚴(yán)重程度，為變壓器的維護(hù)和檢修提供科學(xué)依據(jù)。例如，當(dāng)鐵心出現(xiàn)松動(dòng)故障時(shí)，振動(dòng)信號(hào)的某些頻率成分會(huì)發(fā)生明顯變化，通過(guò)對(duì)這些特征頻率的分析，就可以判斷出鐵心是否存在松動(dòng)以及松動(dòng)的程度。因此，開(kāi)展基于振動(dòng)信號(hào)的變壓器鐵心狀態(tài)檢測(cè)與診斷方法的研究具有重要的現(xiàn)實(shí)意義。1.2國(guó)內(nèi)外研究現(xiàn)狀在變壓器鐵心振動(dòng)信號(hào)檢測(cè)與診斷領(lǐng)域，國(guó)內(nèi)外學(xué)者開(kāi)展了大量研究，取得了一系列成果。國(guó)外方面，早期的研究主要集中在變壓器振動(dòng)的基本原理和信號(hào)特征分析。如[文獻(xiàn)1]通過(guò)對(duì)變壓器鐵心的磁致伸縮效應(yīng)進(jìn)行深入研究，揭示了鐵心振動(dòng)的產(chǎn)生機(jī)制，指出交變磁場(chǎng)作用下硅鋼片的磁致伸縮是導(dǎo)致鐵心振動(dòng)的主要原因，且振動(dòng)幅值與勵(lì)磁電壓的平方成正比，振動(dòng)頻率以100Hz為基頻，同時(shí)包含豐富的高次諧波成分。這為后續(xù)基于振動(dòng)信號(hào)的故障診斷研究奠定了理論基礎(chǔ)。隨著技術(shù)的發(fā)展，國(guó)外學(xué)者在故障診斷方法上不斷創(chuàng)新。[文獻(xiàn)2]提出了基于神經(jīng)網(wǎng)絡(luò)的變壓器故障診斷方法，將振動(dòng)信號(hào)的特征參數(shù)作為神經(jīng)網(wǎng)絡(luò)的輸入，通過(guò)訓(xùn)練神經(jīng)網(wǎng)絡(luò)來(lái)識(shí)別不同的故障類型。實(shí)驗(yàn)結(jié)果表明，該方法對(duì)常見(jiàn)的鐵心故障具有較高的診斷準(zhǔn)確率，但神經(jīng)網(wǎng)絡(luò)的訓(xùn)練需要大量的樣本數(shù)據(jù)，且模型的可解釋性較差。[文獻(xiàn)3]則采用支持向量機(jī)（SVM）算法對(duì)變壓器振動(dòng)信號(hào)進(jìn)行分析，利用SVM良好的分類性能，能夠有效地識(shí)別出鐵心的松動(dòng)、多點(diǎn)接地等故障。然而，SVM算法對(duì)核函數(shù)的選擇較為敏感，不同的核函數(shù)可能會(huì)導(dǎo)致診斷結(jié)果的差異。國(guó)內(nèi)在該領(lǐng)域的研究起步相對(duì)較晚，但發(fā)展迅速。在理論研究方面，國(guó)內(nèi)學(xué)者對(duì)變壓器鐵心振動(dòng)的影響因素進(jìn)行了全面分析。[文獻(xiàn)4]研究發(fā)現(xiàn)，除了磁致伸縮和電磁力外，變壓器的負(fù)載變化、油溫、繞組變形等因素也會(huì)對(duì)鐵心振動(dòng)產(chǎn)生影響。通過(guò)對(duì)這些因素的研究，進(jìn)一步完善了變壓器鐵心振動(dòng)的理論體系。在診斷方法上，國(guó)內(nèi)學(xué)者結(jié)合國(guó)內(nèi)電力系統(tǒng)的實(shí)際情況，提出了多種創(chuàng)新的診斷方法。[文獻(xiàn)5]提出了一種基于小波變換和模糊邏輯的變壓器鐵心故障診斷方法。首先利用小波變換對(duì)振動(dòng)信號(hào)進(jìn)行多分辨率分析，提取信號(hào)的特征量，然后通過(guò)模糊邏輯對(duì)這些特征量進(jìn)行處理，判斷變壓器鐵心的故障類型。該方法充分利用了小波變換在時(shí)頻分析方面的優(yōu)勢(shì)和模糊邏輯對(duì)不確定性問(wèn)題的處理能力，提高了故障診斷的準(zhǔn)確性和可靠性。[文獻(xiàn)6]則將經(jīng)驗(yàn)?zāi)B(tài)分解（EMD）方法應(yīng)用于變壓器振動(dòng)信號(hào)分析，通過(guò)EMD將振動(dòng)信號(hào)分解為一系列本征模態(tài)分量（IMF），再對(duì)IMF進(jìn)行分析，提取故障特征。該方法能夠自適應(yīng)地對(duì)信號(hào)進(jìn)行分解，更準(zhǔn)確地反映信號(hào)的特征，但在分解過(guò)程中可能會(huì)出現(xiàn)模態(tài)混疊現(xiàn)象，影響分析結(jié)果。盡管?chē)?guó)內(nèi)外在變壓器鐵心振動(dòng)信號(hào)檢測(cè)與診斷方面取得了一定的成果，但仍存在一些不足之處。一方面，現(xiàn)有的診斷方法大多基于單一的信號(hào)特征或分析方法，對(duì)復(fù)雜故障的診斷能力有限。例如，當(dāng)變壓器同時(shí)存在鐵心松動(dòng)和多點(diǎn)接地故障時(shí)，僅依靠單一的特征參數(shù)可能無(wú)法準(zhǔn)確判斷故障類型和嚴(yán)重程度。另一方面，不同運(yùn)行條件下變壓器振動(dòng)信號(hào)的特征差異較大，目前的研究在如何建立統(tǒng)一的故障診斷模型以適應(yīng)不同運(yùn)行條件方面還存在不足。此外，對(duì)于一些新型的變壓器故障，如由新材料、新工藝引起的故障，現(xiàn)有的診斷方法還難以有效應(yīng)對(duì)。1.3研究?jī)?nèi)容與方法本文圍繞基于振動(dòng)信號(hào)的變壓器鐵心狀態(tài)檢測(cè)與診斷方法展開(kāi)深入研究，具體研究?jī)?nèi)容如下：變壓器鐵心振動(dòng)信號(hào)特征分析：從理論層面深入剖析變壓器鐵心的振動(dòng)產(chǎn)生機(jī)理，明確交變磁場(chǎng)作用下硅鋼片的磁致伸縮效應(yīng)以及電磁力對(duì)鐵心振動(dòng)的影響機(jī)制。通過(guò)理論推導(dǎo)，得出鐵心振動(dòng)信號(hào)的頻率特性，確定其以100Hz為基頻，且包含豐富高次諧波的特點(diǎn)。同時(shí)，分析振動(dòng)幅值與勵(lì)磁電壓、電流等因素的定量關(guān)系，為后續(xù)的故障診斷提供堅(jiān)實(shí)的理論基礎(chǔ)。振動(dòng)信號(hào)檢測(cè)方法研究：對(duì)現(xiàn)有的變壓器振動(dòng)信號(hào)檢測(cè)技術(shù)進(jìn)行全面梳理，詳細(xì)比較不同傳感器的性能特點(diǎn)，包括壓電式加速度傳感器、磁電式傳感器等在靈敏度、頻率響應(yīng)范圍、抗干擾能力等方面的差異。根據(jù)變壓器的結(jié)構(gòu)特點(diǎn)和運(yùn)行環(huán)境，優(yōu)化傳感器的安裝位置和方式，確保能夠準(zhǔn)確、有效地獲取振動(dòng)信號(hào)。例如，研究在變壓器箱體的不同部位安裝傳感器時(shí)，信號(hào)的傳輸特性和干擾情況，確定最佳的安裝位置，以提高信號(hào)的質(zhì)量和可靠性。故障診斷模型的建立與驗(yàn)證：綜合運(yùn)用多種信號(hào)處理與分析方法，如傅里葉變換、小波變換、經(jīng)驗(yàn)?zāi)B(tài)分解等，對(duì)采集到的振動(dòng)信號(hào)進(jìn)行處理，提取能夠有效表征鐵心故障的特征參數(shù)。利用機(jī)器學(xué)習(xí)算法，如支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)等，建立變壓器鐵心故障診斷模型，并通過(guò)大量的實(shí)驗(yàn)數(shù)據(jù)對(duì)模型進(jìn)行訓(xùn)練和優(yōu)化，提高模型的診斷準(zhǔn)確率和泛化能力。將建立的診斷模型應(yīng)用于實(shí)際的變壓器故障診斷案例中，驗(yàn)證模型的有效性和實(shí)用性，分析模型在實(shí)際應(yīng)用中存在的問(wèn)題和不足，并提出相應(yīng)的改進(jìn)措施。在研究方法上，本文采用理論分析、實(shí)驗(yàn)研究和案例分析相結(jié)合的方式。通過(guò)理論分析，深入理解變壓器鐵心的振動(dòng)機(jī)理和故障產(chǎn)生原因，為實(shí)驗(yàn)研究提供理論指導(dǎo)；開(kāi)展實(shí)驗(yàn)研究，搭建變壓器振動(dòng)信號(hào)模擬實(shí)驗(yàn)平臺(tái)，模擬不同的運(yùn)行工況和故障類型，采集振動(dòng)信號(hào)并進(jìn)行分析處理，驗(yàn)證理論分析的結(jié)果，同時(shí)為故障診斷模型的建立提供數(shù)據(jù)支持；結(jié)合實(shí)際的變壓器故障案例，將研究成果應(yīng)用于實(shí)際的故障診斷中，檢驗(yàn)方法的可行性和有效性，進(jìn)一步完善和優(yōu)化研究成果。二、變壓器鐵心振動(dòng)信號(hào)特性分析2.1變壓器鐵心振動(dòng)機(jī)理變壓器鐵心的振動(dòng)是一個(gè)復(fù)雜的物理過(guò)程，主要由磁致伸縮效應(yīng)和電磁力作用引起。深入理解這兩種作用機(jī)制對(duì)于準(zhǔn)確把握變壓器鐵心振動(dòng)信號(hào)的特性至關(guān)重要，也是后續(xù)進(jìn)行故障診斷的理論基礎(chǔ)。2.1.1磁致伸縮效應(yīng)磁致伸縮效應(yīng)是變壓器鐵心振動(dòng)的重要原因之一。當(dāng)變壓器的鐵心處于交變磁場(chǎng)中時(shí)，構(gòu)成鐵心的硅鋼片會(huì)發(fā)生磁致伸縮現(xiàn)象。從微觀角度來(lái)看，在鐵心磁化過(guò)程中，硅鋼片內(nèi)的介質(zhì)立體晶狀體結(jié)構(gòu)和原子距會(huì)發(fā)生變化。材料會(huì)從磁化強(qiáng)度方向各異的多磁疇狀態(tài)轉(zhuǎn)變?yōu)榕c外磁場(chǎng)同方向的單磁疇狀態(tài)，在此過(guò)程中，沿磁力線方向硅鋼片的尺寸會(huì)增加，而垂直于磁力線方向的尺寸則會(huì)縮小，宏觀上表現(xiàn)為硅鋼片的微小變形。假設(shè)變壓器空載運(yùn)行，在匝數(shù)為N_1的原邊外施加交流電壓u_1=V_0\sin\omegat，在橫截面積為A的鐵心上激勵(lì)交變的主磁通\varPhi。根據(jù)法拉第電磁感應(yīng)定律，可求得鐵心中的磁感應(yīng)強(qiáng)度為B=\frac{\varPhi}{A}=\frac{V_0}{N_1A\omega}\cos\omegat=B_0\cos\omegat，其中B_0=\frac{V_0}{N_1A\omega}\leqB_s，B_s為飽和磁感應(yīng)強(qiáng)度。鐵心中的磁場(chǎng)強(qiáng)度為H=\frac{B}{\mu}=\frac{B}{B_s}H_c=\frac{B_0}{B_s}H_c\cos\omegat，\mu為鐵心的磁導(dǎo)率，H_c為矯頑力。在磁場(chǎng)作用下，硅鋼片的微小變形量滿足\frac{1}{L}\frac{dL}{dH}=\frac{2\varepsilon_s}{H_c^2}|H|，\varepsilon_s為硅鋼片的飽和磁致伸縮率。鐵心的磁致伸縮現(xiàn)象通常用磁致伸縮率\varepsilon來(lái)表征，對(duì)上述公式積分可得硅鋼片的磁致伸縮率\varepsilon=\frac{\DeltaL}{L}=\frac{\varepsilon_s}{H_c^2}H^2=\frac{\varepsilon_sB_0^2}{B_s^2}\cos^2\omegat=\frac{\varepsilon_sV_0^2}{(N_1A\omegaB_s)^2}\cos^2\omegat，L為鐵心硅鋼片的原始尺寸，\DeltaL為鐵心硅鋼片最大變形量。由該式可得磁致伸縮引起鐵心振動(dòng)的加速度為a=\frac{d^2(\DeltaL)}{dt^2}=-\frac{2\varepsilon_sLV_0^2}{(N_1AB_s)^2}\cos2\omegat。由此可知，對(duì)于已經(jīng)疊壓成形的變壓器鐵心，因磁致伸縮引起的鐵心振動(dòng)加速度信號(hào)基頻成分與空載電壓值的平方呈線性關(guān)系，且鐵心振動(dòng)加速度信號(hào)的基頻是空載電壓基頻的兩倍。當(dāng)電源頻率為50Hz時(shí)，鐵心振動(dòng)的基頻為100Hz。此外，由于鐵心磁致伸縮的非線性以及沿鐵心內(nèi)框和外框的磁通路徑長(zhǎng)短不同等原因，鐵心振動(dòng)頻譜中除了基頻外，還包含有豐富的高次諧波成分，如200Hz、300Hz、400Hz等。某研究通過(guò)實(shí)驗(yàn)測(cè)量變壓器鐵心振動(dòng)信號(hào)，發(fā)現(xiàn)振動(dòng)頻譜主要集中在100Hz、200Hz、300Hz和400Hz，到1000Hz以后已基本衰減到0，其中300Hz分量最大，這正是由于鐵心磁致伸縮的非線性以及鐵心固有振蕩頻率等因素共同作用的結(jié)果。磁致伸縮產(chǎn)生的振動(dòng)會(huì)通過(guò)鐵心的緊固結(jié)構(gòu)、絕緣油等介質(zhì)傳遞到變壓器油箱表面，使得油箱表面也產(chǎn)生相應(yīng)的振動(dòng)。而且磁致伸縮效應(yīng)與硅鋼片的材質(zhì)密切相關(guān)，磁致伸縮率越大，則振動(dòng)越明顯，噪聲也越大。當(dāng)磁場(chǎng)強(qiáng)度相同的情況下，材質(zhì)好的硅鋼片磁致伸縮較小，因此產(chǎn)生的振動(dòng)和噪聲也相對(duì)較小。同時(shí)，硅鋼片表面是否涂漆及退火處理也會(huì)影響磁致伸縮率，涂層對(duì)硅鋼片有附著力，可防止硅鋼片過(guò)度變形，在同樣磁場(chǎng)強(qiáng)度下，退火的硅鋼片比不退火的硅鋼片磁致伸縮要小很多，因?yàn)檫x擇最佳退火工藝，可以成倍降低磁致伸縮。2.1.2電磁力作用除了磁致伸縮效應(yīng)，繞組電流產(chǎn)生的電磁力也是導(dǎo)致變壓器鐵心振動(dòng)的重要因素。當(dāng)變壓器繞組中有電流流過(guò)時(shí)，會(huì)產(chǎn)生漏磁場(chǎng)，該漏磁場(chǎng)會(huì)對(duì)繞組和鐵心產(chǎn)生電磁力作用。對(duì)于流過(guò)負(fù)載電流的變壓器繞組，其元電流段\deltadV處于磁感應(yīng)強(qiáng)度為B的磁場(chǎng)中，根據(jù)安培力定律，其所受的電磁力為dF=\deltadV\timesB，其中磁感應(yīng)強(qiáng)度B是由所有元電流段產(chǎn)生的，B=\frac{\mu}{4\pi}\int\frac{\deltadV}{r_0^2}。結(jié)合這兩個(gè)公式可知，作用在變壓器繞組上的電磁力與負(fù)載電流的平方呈線性關(guān)系。又因?yàn)槔@組振動(dòng)加速度與其所受電磁力的大小成正比，所以繞組受到的電磁力會(huì)隨著負(fù)載電流的改變而變化，此時(shí)因電磁力引起的繞組振動(dòng)也會(huì)相應(yīng)變化，繞組振動(dòng)加速度信號(hào)與負(fù)載電流的平方成正比，振動(dòng)信號(hào)的基頻是負(fù)載電流基頻的兩倍，即電源頻率為50Hz時(shí)，繞組振動(dòng)信號(hào)基頻為100Hz。電磁力不僅作用于繞組，也會(huì)作用于鐵心。在變壓器運(yùn)行過(guò)程中，鐵心的各個(gè)部分都會(huì)受到電磁力的作用，這些電磁力的分布和大小會(huì)隨著繞組電流的變化而改變。當(dāng)鐵心的緊固結(jié)構(gòu)出現(xiàn)松動(dòng)等問(wèn)題時(shí)，電磁力的作用會(huì)使鐵心的振動(dòng)加劇，甚至可能導(dǎo)致鐵心部件之間的摩擦和碰撞，進(jìn)一步產(chǎn)生更復(fù)雜的振動(dòng)信號(hào)。在實(shí)際運(yùn)行中，電磁力和磁致伸縮效應(yīng)產(chǎn)生的振動(dòng)相互疊加，使得變壓器鐵心的振動(dòng)信號(hào)變得更加復(fù)雜。當(dāng)變壓器負(fù)載發(fā)生變化時(shí)，繞組電流改變，電磁力作用下的振動(dòng)隨之改變，同時(shí)磁致伸縮效應(yīng)也會(huì)因鐵心磁通的變化而受到影響，兩者相互作用，共同決定了變壓器鐵心的振動(dòng)特性。2.2正常狀態(tài)下鐵心振動(dòng)信號(hào)特征了解正常狀態(tài)下變壓器鐵心振動(dòng)信號(hào)的特征，是判斷變壓器鐵心是否正常運(yùn)行以及識(shí)別故障的基礎(chǔ)。通過(guò)對(duì)正常狀態(tài)下鐵心振動(dòng)信號(hào)的時(shí)域和頻域特征進(jìn)行深入分析，可以為后續(xù)的故障診斷提供準(zhǔn)確的參考依據(jù)，及時(shí)發(fā)現(xiàn)潛在的故障隱患，保障變壓器的安全穩(wěn)定運(yùn)行。2.2.1時(shí)域特征在時(shí)域中，正常運(yùn)行的變壓器鐵心振動(dòng)信號(hào)呈現(xiàn)出較為規(guī)則的周期性變化。其波形近似為正弦波，但由于磁致伸縮的非線性以及電磁力等多種因素的綜合作用，并非嚴(yán)格的正弦波。從幅值范圍來(lái)看，正常鐵心振動(dòng)信號(hào)的幅值相對(duì)穩(wěn)定。在不同的運(yùn)行條件下，如不同的負(fù)載水平和電壓等級(jí)，幅值會(huì)有所變化，但都在一定的合理范圍內(nèi)。例如，對(duì)于一臺(tái)額定容量為100MVA、額定電壓為110kV的變壓器，在額定負(fù)載和額定電壓下運(yùn)行時(shí)，通過(guò)在油箱表面安裝加速度傳感器測(cè)量得到的鐵心振動(dòng)加速度幅值通常在0.1-1m/s2之間。當(dāng)負(fù)載電流增加時(shí)，由于電磁力增大，振動(dòng)幅值會(huì)相應(yīng)增大；而當(dāng)電壓波動(dòng)時(shí)，磁致伸縮效應(yīng)也會(huì)改變，進(jìn)而影響振動(dòng)幅值。研究表明，在一定范圍內(nèi)，振動(dòng)幅值與負(fù)載電流的平方成正比，與電壓的平方也存在一定的關(guān)聯(lián)。在變化規(guī)律方面，正常鐵心振動(dòng)信號(hào)的幅值會(huì)隨著時(shí)間呈現(xiàn)出相對(duì)平穩(wěn)的波動(dòng)。當(dāng)變壓器運(yùn)行狀態(tài)穩(wěn)定時(shí)，振動(dòng)信號(hào)的幅值波動(dòng)較小，不會(huì)出現(xiàn)突然的大幅變化或異常波動(dòng)。而且振動(dòng)信號(hào)的周期與電源頻率相關(guān)，在我國(guó)，電源頻率為50Hz，鐵心振動(dòng)信號(hào)的周期為20ms（因?yàn)檎駝?dòng)基頻為100Hz），這種周期性變化是較為穩(wěn)定的，反映了變壓器鐵心在正常運(yùn)行時(shí)的規(guī)律性振動(dòng)。2.2.2頻域特征通過(guò)對(duì)正常鐵心振動(dòng)信號(hào)進(jìn)行頻域分析，能更深入地了解其內(nèi)在特性。在頻域中，正常鐵心振動(dòng)信號(hào)的頻率成分較為豐富。其基頻為100Hz，這是由磁致伸縮效應(yīng)和電磁力的作用機(jī)制決定的。如前文所述，在交變磁場(chǎng)作用下，硅鋼片的磁致伸縮變化周期是電源頻率的半個(gè)周期，當(dāng)電源頻率為50Hz時(shí)，磁致伸縮引起的鐵心振動(dòng)基頻為100Hz；同時(shí)，繞組電流產(chǎn)生的電磁力作用下的振動(dòng)基頻也為100Hz?；l的幅值在整個(gè)頻譜中通常占據(jù)較大比重，是鐵心振動(dòng)信號(hào)的主要頻率成分。除了100Hz基頻外，鐵心振動(dòng)信號(hào)還包含豐富的高次諧波，如200Hz、300Hz、400Hz等。這些高次諧波的產(chǎn)生與鐵心磁致伸縮的非線性、鐵心結(jié)構(gòu)的不均勻性以及電磁力的復(fù)雜分布等因素有關(guān)。由于鐵心磁致伸縮的非線性特性，使得振動(dòng)信號(hào)在基頻的基礎(chǔ)上產(chǎn)生了一系列的高次諧波；鐵心內(nèi)部的磁通分布并非完全均勻，不同部位的磁致伸縮和電磁力作用存在差異，也會(huì)導(dǎo)致高次諧波的出現(xiàn)。在某實(shí)際變壓器的振動(dòng)信號(hào)測(cè)試中，通過(guò)傅里葉變換得到的頻譜圖顯示，200Hz諧波的幅值約為基頻幅值的30%，300Hz諧波幅值約為基頻幅值的15%，400Hz諧波幅值約為基頻幅值的10%左右。隨著頻率的升高，高次諧波的幅值逐漸衰減，在1000Hz以上，諧波幅值已非常小，基本可以忽略不計(jì)。這些諧波成分的存在和變化，反映了變壓器鐵心的運(yùn)行狀態(tài)和結(jié)構(gòu)特性，對(duì)于故障診斷具有重要的參考價(jià)值。2.3故障狀態(tài)下鐵心振動(dòng)信號(hào)特征變化當(dāng)變壓器鐵心出現(xiàn)故障時(shí)，其振動(dòng)信號(hào)的特征會(huì)發(fā)生明顯變化。這些變化能夠反映出鐵心內(nèi)部的結(jié)構(gòu)變化和故障類型，通過(guò)對(duì)這些特征變化的分析，可以準(zhǔn)確判斷鐵心是否存在故障以及故障的嚴(yán)重程度，為變壓器的及時(shí)維護(hù)和故障修復(fù)提供有力依據(jù)。2.3.1鐵心松動(dòng)故障鐵心松動(dòng)是變壓器運(yùn)行過(guò)程中常見(jiàn)的故障之一，通常由運(yùn)輸過(guò)程中的劇烈顛簸、長(zhǎng)期運(yùn)行導(dǎo)致的緊固部件疲勞松動(dòng)、振動(dòng)等因素引起。當(dāng)鐵心發(fā)生松動(dòng)時(shí)，其振動(dòng)信號(hào)的時(shí)域和頻域特征都會(huì)發(fā)生顯著改變。在時(shí)域方面，振動(dòng)信號(hào)的波形會(huì)出現(xiàn)明顯的畸變。正常狀態(tài)下，鐵心振動(dòng)信號(hào)的波形近似為正弦波，但當(dāng)鐵心松動(dòng)后，由于鐵心內(nèi)部結(jié)構(gòu)的不穩(wěn)定，硅鋼片之間的相對(duì)位置發(fā)生變化，導(dǎo)致振動(dòng)信號(hào)的波形不再規(guī)則，可能出現(xiàn)尖峰、毛刺等異常情況。例如，在某變壓器鐵心松動(dòng)故障的實(shí)際案例中，通過(guò)監(jiān)測(cè)其油箱表面的振動(dòng)信號(hào)，發(fā)現(xiàn)時(shí)域波形在某些時(shí)刻出現(xiàn)了明顯的脈沖狀尖峰，這些尖峰的出現(xiàn)頻率和幅度與鐵心松動(dòng)的程度密切相關(guān)。隨著鐵心松動(dòng)程度的加劇，尖峰的幅度增大，出現(xiàn)的頻率也更加頻繁。振動(dòng)信號(hào)的幅值也會(huì)發(fā)生變化。一般來(lái)說(shuō)，鐵心松動(dòng)會(huì)導(dǎo)致振動(dòng)幅值增大。這是因?yàn)樗蓜?dòng)的鐵心在電磁力和磁致伸縮力的作用下，更容易產(chǎn)生較大幅度的振動(dòng)。相關(guān)研究表明，當(dāng)鐵心出現(xiàn)輕微松動(dòng)時(shí)，振動(dòng)幅值可能會(huì)增加1-2倍；而當(dāng)松動(dòng)較為嚴(yán)重時(shí)，振動(dòng)幅值可能會(huì)增加5-10倍甚至更多。在不同的運(yùn)行工況下，幅值的變化規(guī)律也有所不同。當(dāng)變壓器負(fù)載增加時(shí)，由于電磁力增大，鐵心松動(dòng)引起的振動(dòng)幅值增加更為明顯；而在空載或輕載情況下，幅值的增加相對(duì)較小。從頻域角度分析，鐵心松動(dòng)會(huì)使振動(dòng)信號(hào)的諧波成分增多。正常鐵心振動(dòng)信號(hào)的主要頻率成分集中在100Hz基頻以及200Hz、300Hz、400Hz等高次諧波，但當(dāng)鐵心松動(dòng)后，除了這些頻率成分的幅值會(huì)發(fā)生變化外，還會(huì)出現(xiàn)一些新的諧波頻率。這是因?yàn)殍F心松動(dòng)改變了鐵心的固有振動(dòng)特性，使得鐵心在振動(dòng)過(guò)程中產(chǎn)生了更多的非線性振動(dòng)。例如，可能會(huì)出現(xiàn)50Hz及其奇次諧波成分，這是由于鐵心松動(dòng)導(dǎo)致的磁路不對(duì)稱，使得基波磁場(chǎng)中出現(xiàn)了直流偏置分量，進(jìn)而產(chǎn)生了50Hz及其奇次諧波。研究發(fā)現(xiàn)，在鐵心松動(dòng)故障中，50Hz諧波幅值與100Hz基頻幅值的比值會(huì)隨著鐵心松動(dòng)程度的增加而增大，通過(guò)監(jiān)測(cè)這個(gè)比值的變化，可以有效地判斷鐵心松動(dòng)的程度。此外，一些與鐵心固有頻率相關(guān)的頻率成分也會(huì)發(fā)生變化，鐵心的固有頻率與鐵心的結(jié)構(gòu)、材質(zhì)、緊固程度等因素有關(guān)，當(dāng)鐵心松動(dòng)時(shí)，這些因素發(fā)生改變，導(dǎo)致固有頻率發(fā)生偏移，相應(yīng)的頻率成分的幅值也會(huì)發(fā)生變化。2.3.2鐵心多點(diǎn)接地故障鐵心多點(diǎn)接地是變壓器鐵心的另一種常見(jiàn)故障，可能由安裝過(guò)程中金屬異物殘留、鐵心絕緣損壞、受潮等原因引起。當(dāng)鐵心發(fā)生多點(diǎn)接地時(shí)，會(huì)導(dǎo)致振動(dòng)信號(hào)出現(xiàn)異常。鐵心多點(diǎn)接地會(huì)改變鐵心的磁路結(jié)構(gòu)，使得鐵心內(nèi)部的磁通分布不均勻，從而引起振動(dòng)信號(hào)的變化。在時(shí)域上，振動(dòng)信號(hào)的幅值可能會(huì)出現(xiàn)波動(dòng)。這是因?yàn)槎帱c(diǎn)接地形成的閉合回路中會(huì)產(chǎn)生環(huán)流，環(huán)流的大小和方向會(huì)隨著變壓器的運(yùn)行狀態(tài)而變化，進(jìn)而影響鐵心的電磁力和振動(dòng)情況。例如，當(dāng)環(huán)流較大時(shí)，鐵心受到的電磁力增大，振動(dòng)幅值會(huì)相應(yīng)增大；而當(dāng)環(huán)流較小時(shí)，振動(dòng)幅值則會(huì)減小。在某實(shí)際案例中，通過(guò)監(jiān)測(cè)鐵心多點(diǎn)接地故障變壓器的振動(dòng)信號(hào)，發(fā)現(xiàn)時(shí)域幅值呈現(xiàn)出周期性的波動(dòng)，波動(dòng)周期與變壓器的運(yùn)行參數(shù)相關(guān)。在頻域上，鐵心多點(diǎn)接地會(huì)導(dǎo)致基頻幅值的改變。由于磁路的變化，鐵心振動(dòng)的基頻分量可能會(huì)增大或減小。當(dāng)鐵心多點(diǎn)接地導(dǎo)致磁路短路時(shí)，部分磁通會(huì)通過(guò)接地點(diǎn)形成閉合回路，使得主磁通減少，從而導(dǎo)致鐵心振動(dòng)的基頻幅值減??；而當(dāng)接地點(diǎn)附近的磁場(chǎng)發(fā)生畸變，產(chǎn)生局部的強(qiáng)磁場(chǎng)時(shí)，鐵心振動(dòng)的基頻幅值可能會(huì)增大。鐵心多點(diǎn)接地還會(huì)使諧波成分發(fā)生變化。除了原有諧波的幅值改變外，還可能出現(xiàn)一些新的諧波頻率。例如，由于環(huán)流的存在，可能會(huì)產(chǎn)生與環(huán)流頻率相關(guān)的諧波成分。研究表明，在鐵心多點(diǎn)接地故障中，300Hz諧波幅值與100Hz基頻幅值的比值會(huì)發(fā)生明顯變化，通過(guò)監(jiān)測(cè)這個(gè)比值，可以作為判斷鐵心多點(diǎn)接地故障的一個(gè)重要依據(jù)。而且，由于鐵心多點(diǎn)接地可能導(dǎo)致鐵心局部過(guò)熱，進(jìn)而影響鐵心的材質(zhì)性能，使得鐵心的振動(dòng)特性發(fā)生改變，進(jìn)一步導(dǎo)致諧波成分的復(fù)雜變化。三、基于振動(dòng)信號(hào)的變壓器鐵心狀態(tài)檢測(cè)方法3.1振動(dòng)信號(hào)采集技術(shù)準(zhǔn)確采集變壓器鐵心的振動(dòng)信號(hào)是進(jìn)行狀態(tài)檢測(cè)與診斷的基礎(chǔ)。振動(dòng)信號(hào)采集技術(shù)涉及傳感器的選擇與布置以及數(shù)據(jù)采集系統(tǒng)的搭建，合理的選擇與布置能夠獲取高質(zhì)量的振動(dòng)信號(hào)，為后續(xù)的分析和診斷提供可靠的數(shù)據(jù)支持。3.1.1傳感器選擇與布置在變壓器鐵心振動(dòng)信號(hào)采集過(guò)程中，加速度傳感器是常用的選擇。加速度傳感器的選型需要綜合考慮多個(gè)因素。靈敏度是重要考量因素之一，它決定了傳感器對(duì)微小振動(dòng)的感知能力。對(duì)于變壓器鐵心振動(dòng)信號(hào)采集，由于鐵心振動(dòng)的加速度值范圍較廣，從正常運(yùn)行時(shí)的微小振動(dòng)到故障狀態(tài)下的較大振動(dòng)，因此需要選擇靈敏度適中的傳感器。例如，對(duì)于一些小型變壓器，其正常運(yùn)行時(shí)鐵心振動(dòng)加速度較小，可選擇靈敏度較高的傳感器，如靈敏度為100mV/g的傳感器，能夠更準(zhǔn)確地檢測(cè)到微小振動(dòng)信號(hào)；而對(duì)于大型變壓器，由于其振動(dòng)幅值相對(duì)較大，可選擇靈敏度相對(duì)較低的傳感器，如50mV/g的傳感器，以避免信號(hào)過(guò)載。測(cè)量頻率范圍也至關(guān)重要。變壓器鐵心振動(dòng)信號(hào)的頻率成分較為豐富，包含基頻100Hz以及豐富的高次諧波，如200Hz、300Hz、400Hz等，甚至在一些特殊情況下還會(huì)出現(xiàn)更高頻率的成分。因此，加速度傳感器的頻率響應(yīng)范圍應(yīng)能夠覆蓋這些頻率成分，以確保能夠準(zhǔn)確采集到完整的振動(dòng)信號(hào)。一般來(lái)說(shuō)，選擇頻率響應(yīng)范圍為0.5Hz-5kHz的傳感器較為合適，這樣既能滿足對(duì)低頻振動(dòng)信號(hào)的采集，又能捕捉到高頻諧波成分。動(dòng)態(tài)范圍也不容忽視，它決定了傳感器能夠測(cè)量的最小加速度與最大加速度之間的比值。變壓器在不同運(yùn)行工況下，鐵心振動(dòng)的加速度范圍變化較大。在正常運(yùn)行時(shí)，振動(dòng)加速度相對(duì)較小；而在故障狀態(tài)下，如鐵心嚴(yán)重松動(dòng)或發(fā)生短路等故障時(shí)，振動(dòng)加速度可能會(huì)急劇增大。因此，需要選擇動(dòng)態(tài)范圍較大的加速度傳感器，以確保在各種運(yùn)行工況下都能準(zhǔn)確測(cè)量振動(dòng)信號(hào)。例如，選擇動(dòng)態(tài)范圍為±50g的傳感器，能夠滿足大多數(shù)變壓器鐵心振動(dòng)信號(hào)的測(cè)量需求。在傳感器布置方面，合理的位置選擇對(duì)于準(zhǔn)確獲取振動(dòng)信號(hào)至關(guān)重要。變壓器箱體表面是常見(jiàn)的傳感器安裝位置。在變壓器箱體的頂部，由于其直接與鐵心的頂部相連，能夠較為直接地反映鐵心的振動(dòng)情況，因此在頂部中心位置安裝傳感器可以獲取到較為準(zhǔn)確的鐵心振動(dòng)信號(hào)。同時(shí)，在箱體的側(cè)面，靠近鐵心的部位也適合安裝傳感器，因?yàn)閭?cè)面的振動(dòng)信號(hào)能夠反映鐵心在水平方向上的振動(dòng)特性。一般在箱體側(cè)面的四個(gè)角以及中心位置各安裝一個(gè)傳感器，這樣可以全面地監(jiān)測(cè)鐵心在不同方向上的振動(dòng)情況。通過(guò)對(duì)多個(gè)位置傳感器采集到的信號(hào)進(jìn)行綜合分析，可以更準(zhǔn)確地判斷鐵心的運(yùn)行狀態(tài)。為了確保傳感器安裝的準(zhǔn)確性和穩(wěn)定性，需要遵循一定的安裝規(guī)范。安裝表面應(yīng)平整、光滑，以保證傳感器與箱體表面緊密接觸，減少信號(hào)傳輸過(guò)程中的干擾和損失。在安裝傳感器時(shí)，應(yīng)使用專用的安裝工具，按照規(guī)定的扭矩?cái)Q緊安裝螺栓，確保傳感器牢固地固定在箱體表面。同時(shí)，要注意傳感器的安裝方向，使其主靈敏度軸與所測(cè)量的振動(dòng)方向一致，以獲取最大的信號(hào)響應(yīng)。3.1.2數(shù)據(jù)采集系統(tǒng)搭建數(shù)據(jù)采集系統(tǒng)是實(shí)現(xiàn)變壓器鐵心振動(dòng)信號(hào)采集的關(guān)鍵組成部分，它主要由硬件和軟件兩部分構(gòu)成。硬件組成方面，采集卡是核心部件之一。采集卡的作用是將傳感器采集到的模擬振動(dòng)信號(hào)轉(zhuǎn)換為數(shù)字信號(hào)，以便后續(xù)的處理和分析。在選擇采集卡時(shí)，采樣率和分辨率是重要的參數(shù)。采樣率決定了采集卡每秒采集信號(hào)的次數(shù)，為了準(zhǔn)確還原振動(dòng)信號(hào)的原始特征，采樣率應(yīng)滿足奈奎斯特采樣定理，即采樣率至少是信號(hào)最高頻率的兩倍。由于變壓器鐵心振動(dòng)信號(hào)的最高頻率可能達(dá)到數(shù)千赫茲，因此需要選擇采樣率較高的采集卡，如采樣率為10kHz以上的采集卡，能夠確保對(duì)高頻振動(dòng)信號(hào)的準(zhǔn)確采集。分辨率則表示采集卡對(duì)模擬信號(hào)的量化精度，較高的分辨率可以提高信號(hào)的測(cè)量精度，減少量化誤差。一般選擇分辨率為16位或更高的采集卡，能夠滿足變壓器鐵心振動(dòng)信號(hào)采集的精度要求。放大器在數(shù)據(jù)采集系統(tǒng)中也起著重要作用。由于傳感器輸出的振動(dòng)信號(hào)通常較弱，需要通過(guò)放大器進(jìn)行放大，以提高信號(hào)的幅值，便于采集卡的采集和后續(xù)處理。放大器的放大倍數(shù)應(yīng)根據(jù)傳感器的輸出信號(hào)幅值和采集卡的輸入范圍進(jìn)行合理選擇，確保放大后的信號(hào)在采集卡的有效輸入范圍內(nèi)。同時(shí)，放大器應(yīng)具有低噪聲、高穩(wěn)定性等特點(diǎn)，以避免引入額外的噪聲干擾信號(hào)。軟件方面，采集軟件具有多種功能。實(shí)時(shí)采集功能能夠按照設(shè)定的采樣率和采集時(shí)間，不間斷地采集傳感器輸出的振動(dòng)信號(hào)，并將其轉(zhuǎn)換為數(shù)字信號(hào)存儲(chǔ)在計(jì)算機(jī)中。信號(hào)預(yù)處理功能可以對(duì)采集到的原始信號(hào)進(jìn)行初步處理，如濾波、去噪等。通過(guò)設(shè)置合適的濾波器參數(shù)，可以去除信號(hào)中的高頻噪聲和低頻干擾，提高信號(hào)的質(zhì)量。例如，采用低通濾波器可以濾除高頻噪聲，保留低頻的振動(dòng)信號(hào)；采用高通濾波器可以去除低頻的漂移信號(hào)，突出高頻的振動(dòng)特征。數(shù)據(jù)存儲(chǔ)功能則將采集到的信號(hào)數(shù)據(jù)按照一定的格式和路徑存儲(chǔ)在計(jì)算機(jī)硬盤(pán)中，以便后續(xù)的分析和處理。存儲(chǔ)的數(shù)據(jù)應(yīng)包含時(shí)間戳、傳感器編號(hào)、振動(dòng)信號(hào)幅值等信息，方便對(duì)數(shù)據(jù)進(jìn)行管理和查詢。此外，一些高級(jí)的采集軟件還具備實(shí)時(shí)顯示功能，能夠?qū)⒉杉降恼駝?dòng)信號(hào)以時(shí)域波形或頻域頻譜的形式實(shí)時(shí)顯示在計(jì)算機(jī)屏幕上，使操作人員能夠直觀地了解變壓器鐵心的振動(dòng)狀態(tài)。3.2振動(dòng)信號(hào)預(yù)處理方法從變壓器采集到的原始振動(dòng)信號(hào)，通常會(huì)受到各種噪聲和干擾的影響，其質(zhì)量會(huì)直接影響后續(xù)的分析和診斷結(jié)果。因此，需要對(duì)采集到的原始振動(dòng)信號(hào)進(jìn)行預(yù)處理，以提高信號(hào)的質(zhì)量和可靠性。3.2.1濾波去噪在振動(dòng)信號(hào)預(yù)處理過(guò)程中，濾波去噪是關(guān)鍵步驟。由于變壓器運(yùn)行環(huán)境復(fù)雜，采集到的振動(dòng)信號(hào)往往包含高頻噪聲和低頻干擾，這些噪聲和干擾會(huì)掩蓋信號(hào)的真實(shí)特征，影響故障診斷的準(zhǔn)確性。低通濾波器是常用的去噪工具之一，它允許低于截止頻率的信號(hào)通過(guò)，而阻擋高于截止頻率的信號(hào)。在變壓器振動(dòng)信號(hào)處理中，高頻噪聲通常頻率較高，如來(lái)自周?chē)娮釉O(shè)備的電磁干擾、傳感器自身的噪聲等，這些高頻噪聲的頻率往往遠(yuǎn)高于變壓器鐵心振動(dòng)信號(hào)的主要頻率成分。通過(guò)設(shè)置合適的截止頻率，低通濾波器可以有效地濾除這些高頻噪聲，保留低頻的振動(dòng)信號(hào)。例如，對(duì)于主要頻率成分集中在1000Hz以下的變壓器振動(dòng)信號(hào)，可選擇截止頻率為1500Hz的低通濾波器，能夠有效去除高頻噪聲，使信號(hào)更加清晰。帶通濾波器則允許特定頻率范圍內(nèi)的信號(hào)通過(guò)，阻擋其他頻率的信號(hào)。變壓器鐵心振動(dòng)信號(hào)具有特定的頻率特性，正常運(yùn)行時(shí)，其基頻為100Hz，且包含豐富的高次諧波，如200Hz、300Hz、400Hz等。帶通濾波器可以根據(jù)這些特征頻率，設(shè)置合適的通帶范圍，只允許與鐵心振動(dòng)相關(guān)的頻率成分通過(guò)，從而有效去除其他頻率的干擾信號(hào)。例如，設(shè)置通帶范圍為50Hz-500Hz的帶通濾波器，能夠突出鐵心振動(dòng)信號(hào)的主要頻率成分，減少其他頻率干擾的影響。在實(shí)際應(yīng)用中，可根據(jù)具體情況選擇合適的濾波器類型和參數(shù)。對(duì)于噪聲成分較為復(fù)雜的振動(dòng)信號(hào)，可將低通濾波器和帶通濾波器結(jié)合使用。先使用低通濾波器去除高頻噪聲，再使用帶通濾波器進(jìn)一步提取與鐵心振動(dòng)相關(guān)的頻率成分，以達(dá)到更好的去噪效果。不同類型的濾波器，如巴特沃斯濾波器、切比雪夫?yàn)V波器等，具有不同的頻率響應(yīng)特性。巴特沃斯濾波器具有平坦的通帶和單調(diào)下降的阻帶，在通帶內(nèi)沒(méi)有紋波，適用于對(duì)通帶特性要求較高的場(chǎng)合；切比雪夫?yàn)V波器則在通帶內(nèi)具有等波紋特性，阻帶衰減更快，適用于對(duì)阻帶衰減要求較高的情況。在選擇濾波器時(shí)，需綜合考慮信號(hào)特點(diǎn)、噪聲特性以及對(duì)濾波器性能的要求，以確定最佳的濾波器類型和參數(shù)。3.2.2信號(hào)歸一化對(duì)振動(dòng)信號(hào)進(jìn)行幅值歸一化處理也是預(yù)處理的重要環(huán)節(jié)。在變壓器運(yùn)行過(guò)程中，由于各種因素的影響，如負(fù)載變化、運(yùn)行時(shí)間等，采集到的振動(dòng)信號(hào)幅值可能會(huì)在較大范圍內(nèi)波動(dòng)。不同幅值的振動(dòng)信號(hào)不利于后續(xù)的分析和比較，也會(huì)影響故障診斷模型的準(zhǔn)確性和穩(wěn)定性。通過(guò)對(duì)振動(dòng)信號(hào)幅值進(jìn)行歸一化處理，使其處于統(tǒng)一的范圍，可以消除幅值差異帶來(lái)的影響，便于后續(xù)的分析和處理。常見(jiàn)的歸一化方法有最小-最大歸一化和Z-score歸一化。最小-最大歸一化將信號(hào)的幅值線性映射到[0,1]區(qū)間。假設(shè)原始信號(hào)為x，其最小值為x_{min}，最大值為x_{max}，歸一化后的信號(hào)y可通過(guò)公式y(tǒng)=\frac{x-x_{min}}{x_{max}-x_{min}}計(jì)算得到。這種方法簡(jiǎn)單直觀，能夠保留信號(hào)的相對(duì)大小關(guān)系，在數(shù)據(jù)分布較為穩(wěn)定的情況下效果較好。Z-score歸一化則是基于信號(hào)的均值和標(biāo)準(zhǔn)差進(jìn)行歸一化，將信號(hào)轉(zhuǎn)化為均值為0，標(biāo)準(zhǔn)差為1的標(biāo)準(zhǔn)正態(tài)分布。設(shè)原始信號(hào)的均值為\mu，標(biāo)準(zhǔn)差為\sigma，歸一化后的信號(hào)z通過(guò)公式z=\frac{x-\mu}{\sigma}計(jì)算。Z-score歸一化對(duì)數(shù)據(jù)的分布沒(méi)有嚴(yán)格要求，能夠有效處理數(shù)據(jù)中的異常值，在數(shù)據(jù)分布不穩(wěn)定或存在噪聲的情況下具有較好的效果。在變壓器鐵心振動(dòng)信號(hào)處理中，可根據(jù)信號(hào)的特點(diǎn)和后續(xù)分析的需求選擇合適的歸一化方法。若信號(hào)幅值變化相對(duì)穩(wěn)定，且對(duì)信號(hào)的相對(duì)大小關(guān)系較為關(guān)注，可選擇最小-最大歸一化；若信號(hào)存在較大的噪聲或異常值，且需要將信號(hào)轉(zhuǎn)化為標(biāo)準(zhǔn)正態(tài)分布，以便于后續(xù)的統(tǒng)計(jì)分析和模型訓(xùn)練，則可選擇Z-score歸一化。歸一化處理不僅能夠提高信號(hào)分析的準(zhǔn)確性和可比性，還能加快模型的訓(xùn)練速度，提高模型的泛化能力，對(duì)于基于振動(dòng)信號(hào)的變壓器鐵心狀態(tài)檢測(cè)與診斷具有重要意義。3.3特征提取與選擇準(zhǔn)確提取和選擇變壓器鐵心振動(dòng)信號(hào)的特征，是實(shí)現(xiàn)有效故障診斷的關(guān)鍵環(huán)節(jié)。通過(guò)對(duì)振動(dòng)信號(hào)在時(shí)域、頻域和時(shí)頻域進(jìn)行特征提取，能夠全面、深入地挖掘信號(hào)中蘊(yùn)含的信息，為后續(xù)的故障診斷提供有力的數(shù)據(jù)支持。不同域的特征提取方法各有特點(diǎn)，能夠從不同角度反映變壓器鐵心的運(yùn)行狀態(tài)。3.3.1時(shí)域特征提取時(shí)域特征是對(duì)振動(dòng)信號(hào)在時(shí)間維度上的直接描述，能夠直觀地反映信號(hào)的幅值變化和波動(dòng)情況。常見(jiàn)的時(shí)域特征包括峰峰值、均值、方差等，這些特征對(duì)于判斷變壓器鐵心的振動(dòng)狀態(tài)具有重要意義。峰峰值是指振動(dòng)信號(hào)在一個(gè)周期內(nèi)最大值與最小值之差，它能夠直接反映振動(dòng)信號(hào)的幅值變化范圍。在變壓器鐵心正常運(yùn)行時(shí)，峰峰值處于相對(duì)穩(wěn)定的范圍內(nèi)。例如，對(duì)于一臺(tái)正常運(yùn)行的110kV變壓器，其鐵心振動(dòng)信號(hào)的峰峰值在一定負(fù)載和電壓條件下，可能穩(wěn)定在0.5-1.5m/s2之間。當(dāng)鐵心出現(xiàn)故障，如鐵心松動(dòng)時(shí)，由于振動(dòng)加劇，峰峰值會(huì)顯著增大。研究表明，在鐵心松動(dòng)故障初期，峰峰值可能會(huì)增加30%-50%；隨著故障的發(fā)展，峰峰值可能會(huì)翻倍甚至更高。通過(guò)監(jiān)測(cè)峰峰值的變化，可以初步判斷鐵心是否存在故障以及故障的嚴(yán)重程度。均值是振動(dòng)信號(hào)在一段時(shí)間內(nèi)的平均值，它反映了信號(hào)的平均水平。在正常運(yùn)行狀態(tài)下，變壓器鐵心振動(dòng)信號(hào)的均值相對(duì)穩(wěn)定。然而，當(dāng)鐵心出現(xiàn)故障時(shí)，均值可能會(huì)發(fā)生變化。例如，在鐵心多點(diǎn)接地故障中，由于磁路的改變，可能會(huì)導(dǎo)致振動(dòng)信號(hào)的均值出現(xiàn)波動(dòng)。通過(guò)對(duì)均值的監(jiān)測(cè)，可以發(fā)現(xiàn)鐵心運(yùn)行狀態(tài)的異常變化。方差則用于衡量振動(dòng)信號(hào)的離散程度，它反映了信號(hào)圍繞均值的波動(dòng)情況。方差越大，說(shuō)明信號(hào)的波動(dòng)越劇烈。在變壓器鐵心正常運(yùn)行時(shí)，振動(dòng)信號(hào)的方差較小，表明信號(hào)的穩(wěn)定性較好。當(dāng)鐵心出現(xiàn)故障時(shí)，如鐵心松動(dòng)或局部變形，振動(dòng)信號(hào)的波動(dòng)會(huì)加劇，方差相應(yīng)增大。例如，在鐵心松動(dòng)故障中，方差可能會(huì)比正常狀態(tài)下增大2-3倍。通過(guò)對(duì)比方差的變化，可以有效識(shí)別鐵心的故障狀態(tài)。除了上述常見(jiàn)的時(shí)域特征外，還有其他一些時(shí)域特征也具有一定的診斷價(jià)值。如峭度，它對(duì)信號(hào)中的沖擊成分非常敏感，能夠突出信號(hào)中的異常特征。在變壓器鐵心出現(xiàn)故障時(shí)，可能會(huì)產(chǎn)生沖擊性的振動(dòng)，此時(shí)峭度值會(huì)明顯增大。峰值指標(biāo)則是峰值與有效值的比值，當(dāng)鐵心發(fā)生故障時(shí)，峰值指標(biāo)也會(huì)發(fā)生變化，有助于判斷故障的發(fā)生。這些時(shí)域特征相互補(bǔ)充，能夠從不同角度反映變壓器鐵心的振動(dòng)狀態(tài)，為故障診斷提供更全面的信息。在實(shí)際應(yīng)用中，可以根據(jù)具體情況選擇合適的時(shí)域特征，并結(jié)合其他域的特征進(jìn)行綜合分析，以提高故障診斷的準(zhǔn)確性和可靠性。3.3.2頻域特征提取頻域特征提取是將振動(dòng)信號(hào)從時(shí)域轉(zhuǎn)換到頻域進(jìn)行分析，通過(guò)傅里葉變換等方法，能夠獲取信號(hào)的頻率成分和幅值信息，從而更深入地了解變壓器鐵心的振動(dòng)特性。傅里葉變換是一種常用的頻域分析方法，它能夠?qū)r(shí)域信號(hào)分解為不同頻率的正弦和余弦波的疊加。對(duì)于變壓器鐵心振動(dòng)信號(hào)，通過(guò)傅里葉變換可以得到其頻譜圖，清晰地展示出信號(hào)中包含的各種頻率成分及其對(duì)應(yīng)的幅值。在正常運(yùn)行狀態(tài)下，變壓器鐵心振動(dòng)信號(hào)的主要頻率成分包括100Hz基頻以及200Hz、300Hz、400Hz等豐富的高次諧波。這些頻率成分的幅值分布具有一定的規(guī)律，例如，100Hz基頻的幅值通常較大，是鐵心振動(dòng)的主要貢獻(xiàn)成分；隨著諧波次數(shù)的增加，幅值逐漸減小。某研究對(duì)一臺(tái)正常運(yùn)行的變壓器鐵心振動(dòng)信號(hào)進(jìn)行傅里葉變換分析，結(jié)果顯示100Hz基頻的幅值為0.8m/s2，200Hz諧波幅值為0.25m/s2，300Hz諧波幅值為0.15m/s2，400Hz諧波幅值為0.1m/s2。100Hz基頻是變壓器鐵心振動(dòng)信號(hào)的重要特征，它主要由磁致伸縮效應(yīng)和電磁力作用產(chǎn)生。當(dāng)鐵心出現(xiàn)故障時(shí)，如鐵心松動(dòng)或多點(diǎn)接地，100Hz基頻的幅值和相位可能會(huì)發(fā)生變化。在鐵心松動(dòng)故障中，由于鐵心結(jié)構(gòu)的改變，磁致伸縮和電磁力的作用也會(huì)發(fā)生變化，導(dǎo)致100Hz基頻的幅值增大，相位發(fā)生偏移。通過(guò)監(jiān)測(cè)100Hz基頻的幅值和相位變化，可以有效地判斷鐵心是否存在松動(dòng)故障以及故障的嚴(yán)重程度。除了100Hz基頻外，高次諧波的特征也能反映鐵心的故障情況。鐵心的磁路不均勻、硅鋼片的質(zhì)量差異以及故障引起的鐵心結(jié)構(gòu)變化等因素，都會(huì)導(dǎo)致高次諧波的產(chǎn)生和變化。在鐵心多點(diǎn)接地故障中，由于磁路的畸變，會(huì)產(chǎn)生一些新的諧波成分，如300Hz、500Hz等諧波的幅值可能會(huì)明顯增大。通過(guò)分析這些高次諧波的幅值、頻率和相位變化，可以更準(zhǔn)確地判斷鐵心多點(diǎn)接地故障的發(fā)生和發(fā)展程度。為了更準(zhǔn)確地分析頻域特征，還可以采用一些其他的頻域分析方法，如功率譜估計(jì)、倒頻譜分析等。功率譜估計(jì)能夠計(jì)算信號(hào)的功率隨頻率的分布，進(jìn)一步揭示信號(hào)的能量分布特征；倒頻譜分析則可以分離出信號(hào)中的周期性成分，對(duì)于檢測(cè)鐵心振動(dòng)信號(hào)中的故障特征具有重要作用。在實(shí)際應(yīng)用中，結(jié)合多種頻域分析方法，能夠更全面、深入地挖掘變壓器鐵心振動(dòng)信號(hào)的頻域特征，提高故障診斷的準(zhǔn)確性和可靠性。3.3.3時(shí)頻域特征提取時(shí)頻域特征提取方法能夠同時(shí)考慮信號(hào)在時(shí)間和頻率上的變化特性，對(duì)于分析非平穩(wěn)的變壓器鐵心振動(dòng)信號(hào)具有獨(dú)特的優(yōu)勢(shì)。小波變換和短時(shí)傅里葉變換是常用的時(shí)頻域分析方法，它們能夠在不同的時(shí)間尺度上對(duì)信號(hào)進(jìn)行分析，更準(zhǔn)確地捕捉信號(hào)的時(shí)頻特征。小波變換是一種多分辨率分析方法，它通過(guò)將信號(hào)分解為不同頻率的小波系數(shù)，能夠在不同的時(shí)間尺度上對(duì)信號(hào)進(jìn)行分析。對(duì)于變壓器鐵心振動(dòng)信號(hào)，小波變換可以將信號(hào)分解為多個(gè)不同頻率的子帶信號(hào)，每個(gè)子帶信號(hào)對(duì)應(yīng)不同的時(shí)間尺度和頻率范圍。通過(guò)對(duì)這些子帶信號(hào)的分析，可以更準(zhǔn)確地獲取信號(hào)在不同時(shí)間和頻率上的特征。在分析鐵心松動(dòng)故障時(shí)，小波變換能夠捕捉到故障發(fā)生時(shí)振動(dòng)信號(hào)在不同時(shí)間尺度上的突變特征，這些突變特征反映了鐵心結(jié)構(gòu)的變化和故障的發(fā)展過(guò)程。與傳統(tǒng)的傅里葉變換相比，小波變換具有更好的時(shí)頻局部化特性，能夠在時(shí)間和頻率上同時(shí)對(duì)信號(hào)進(jìn)行精確分析，對(duì)于非平穩(wěn)信號(hào)的處理效果更好。短時(shí)傅里葉變換則是在傅里葉變換的基礎(chǔ)上，通過(guò)加窗函數(shù)對(duì)信號(hào)進(jìn)行分段處理，從而實(shí)現(xiàn)對(duì)信號(hào)的時(shí)頻分析。它將信號(hào)劃分為多個(gè)時(shí)間片段，對(duì)每個(gè)時(shí)間片段進(jìn)行傅里葉變換，得到信號(hào)在不同時(shí)間點(diǎn)的頻率成分。對(duì)于變壓器鐵心振動(dòng)信號(hào)，短時(shí)傅里葉變換可以展示信號(hào)在不同時(shí)刻的頻率變化情況，能夠有效地捕捉到振動(dòng)信號(hào)的瞬態(tài)特征。在分析鐵心故障時(shí)，短時(shí)傅里葉變換能夠清晰地顯示出故障發(fā)生時(shí)刻振動(dòng)信號(hào)頻率成分的突然變化，為故障診斷提供重要的依據(jù)。然而，短時(shí)傅里葉變換的窗函數(shù)寬度是固定的，對(duì)于不同頻率成分的信號(hào)分辨率有限，在處理高頻信號(hào)時(shí)，時(shí)間分辨率較高，但頻率分辨率較低；在處理低頻信號(hào)時(shí)，頻率分辨率較高，但時(shí)間分辨率較低。在實(shí)際應(yīng)用中，根據(jù)變壓器鐵心振動(dòng)信號(hào)的特點(diǎn)和故障診斷的需求，可以選擇合適的時(shí)頻域分析方法。對(duì)于一些復(fù)雜的故障，如鐵心同時(shí)存在松動(dòng)和多點(diǎn)接地等多種故障時(shí)，單一的時(shí)頻域分析方法可能無(wú)法準(zhǔn)確判斷故障類型和嚴(yán)重程度，此時(shí)可以結(jié)合多種時(shí)頻域分析方法，如將小波變換和短時(shí)傅里葉變換相結(jié)合，充分發(fā)揮它們的優(yōu)勢(shì)，提高故障診斷的準(zhǔn)確性和可靠性。通過(guò)對(duì)時(shí)頻域特征的分析，能夠更全面、深入地了解變壓器鐵心的運(yùn)行狀態(tài)，及時(shí)發(fā)現(xiàn)潛在的故障隱患，為變壓器的維護(hù)和檢修提供有力的支持。四、變壓器鐵心狀態(tài)診斷模型與算法4.1基于傳統(tǒng)算法的診斷方法傳統(tǒng)算法在變壓器鐵心狀態(tài)診斷中具有一定的應(yīng)用基礎(chǔ)，其原理相對(duì)簡(jiǎn)單，易于理解和實(shí)現(xiàn)。通過(guò)對(duì)振動(dòng)信號(hào)的特征提取和分析，利用閾值診斷法和相似度診斷法等傳統(tǒng)方法，可以初步判斷變壓器鐵心的運(yùn)行狀態(tài)，為后續(xù)的診斷和維護(hù)提供重要依據(jù)。4.1.1閾值診斷法閾值診斷法是一種較為直觀的變壓器鐵心故障診斷方法，其原理基于設(shè)定振動(dòng)信號(hào)特征閾值，并將實(shí)測(cè)值與該閾值進(jìn)行對(duì)比，以此判斷鐵心是否存在故障以及故障的程度。在實(shí)際應(yīng)用中，首先需要確定合適的振動(dòng)信號(hào)特征作為診斷依據(jù)。前文已詳細(xì)分析了變壓器鐵心振動(dòng)信號(hào)在時(shí)域和頻域的特征，如峰峰值、均值、方差、100Hz基頻幅值以及各次諧波幅值等。對(duì)于峰峰值，正常運(yùn)行時(shí)，某型號(hào)變壓器鐵心振動(dòng)信號(hào)峰峰值穩(wěn)定在0.5-1.5m/s2之間，因此可將1.5m/s2設(shè)為峰峰值閾值。當(dāng)實(shí)測(cè)峰峰值超過(guò)該閾值時(shí)，表明鐵心振動(dòng)異常，可能存在故障。100Hz基頻幅值在正常運(yùn)行時(shí)也有相對(duì)穩(wěn)定的范圍，如某變壓器正常運(yùn)行時(shí)100Hz基頻幅值為0.8m/s2，可將1.2m/s2設(shè)為100Hz基頻幅值閾值，若實(shí)測(cè)值超過(guò)此閾值，可能意味著鐵心狀態(tài)發(fā)生變化。閾值的確定至關(guān)重要，它直接影響診斷結(jié)果的準(zhǔn)確性。通常，可通過(guò)大量的實(shí)驗(yàn)數(shù)據(jù)和實(shí)際運(yùn)行經(jīng)驗(yàn)來(lái)確定合理的閾值范圍。對(duì)于不同型號(hào)、不同運(yùn)行環(huán)境的變壓器，其閾值可能存在差異。對(duì)于大型電力變壓器和小型配電變壓器，由于容量、結(jié)構(gòu)和運(yùn)行條件不同，其振動(dòng)信號(hào)特征閾值也會(huì)有所不同。還需要考慮變壓器的運(yùn)行工況，如負(fù)載變化、電壓波動(dòng)等對(duì)振動(dòng)信號(hào)的影響，在確定閾值時(shí)應(yīng)充分考慮這些因素，以確保閾值的可靠性。當(dāng)實(shí)測(cè)振動(dòng)信號(hào)特征值超過(guò)閾值時(shí)，可初步判斷鐵心存在故障。若峰峰值超過(guò)閾值，可能是鐵心松動(dòng)導(dǎo)致振動(dòng)加??；若100Hz基頻幅值異常增大，可能與鐵心的電磁特性變化有關(guān)，如鐵心多點(diǎn)接地改變了磁路結(jié)構(gòu)，進(jìn)而影響基頻幅值。還可根據(jù)超過(guò)閾值的程度來(lái)初步評(píng)估故障的嚴(yán)重程度。當(dāng)峰峰值超過(guò)閾值較多時(shí)，表明鐵心松動(dòng)可能較為嚴(yán)重；若100Hz基頻幅值只是略超過(guò)閾值，故障可能相對(duì)較輕，但仍需密切關(guān)注。閾值診斷法具有簡(jiǎn)單直觀、易于實(shí)現(xiàn)的優(yōu)點(diǎn)，能夠快速判斷變壓器鐵心是否存在明顯故障。然而，該方法也存在一定的局限性。它對(duì)閾值的依賴性較強(qiáng)，閾值的設(shè)定需要豐富的經(jīng)驗(yàn)和大量的數(shù)據(jù)支持，若閾值設(shè)置不合理，可能導(dǎo)致誤判或漏判。當(dāng)變壓器運(yùn)行環(huán)境復(fù)雜，振動(dòng)信號(hào)受到多種因素干擾時(shí)，單純依靠閾值判斷可能無(wú)法準(zhǔn)確診斷故障，還需要結(jié)合其他診斷方法進(jìn)行綜合分析。4.1.2相似度診斷法相似度診斷法是通過(guò)計(jì)算實(shí)測(cè)振動(dòng)信號(hào)與正常樣本和故障樣本之間的相似度，依據(jù)相似度的高低來(lái)判斷變壓器鐵心的故障狀態(tài)。正常樣本和故障樣本的獲取是相似度診斷法的基礎(chǔ)。正常樣本可在變壓器正常運(yùn)行時(shí)，通過(guò)長(zhǎng)時(shí)間監(jiān)測(cè)采集大量的振動(dòng)信號(hào)數(shù)據(jù)得到。這些數(shù)據(jù)應(yīng)涵蓋不同的運(yùn)行工況，如不同的負(fù)載水平、電壓波動(dòng)范圍等，以確保正常樣本能夠全面反映變壓器正常運(yùn)行時(shí)的振動(dòng)特征。對(duì)于故障樣本，則需要模擬各種常見(jiàn)的鐵心故障，如鐵心松動(dòng)、多點(diǎn)接地等，在故障狀態(tài)下采集振動(dòng)信號(hào)。通過(guò)在實(shí)驗(yàn)室中對(duì)變壓器模型進(jìn)行人為設(shè)置故障，或收集實(shí)際運(yùn)行中發(fā)生故障的變壓器的振動(dòng)信號(hào)數(shù)據(jù)，來(lái)構(gòu)建故障樣本庫(kù)。在計(jì)算相似度時(shí)，常用的方法有歐氏距離、余弦相似度等。歐氏距離通過(guò)計(jì)算兩個(gè)向量在多維空間中的直線距離來(lái)衡量它們的相似度。對(duì)于變壓器振動(dòng)信號(hào)，可將其特征參數(shù)（如時(shí)域的峰峰值、均值、方差，頻域的各頻率成分幅值等）組成特征向量。設(shè)正常樣本的特征向量為\vec{x}=(x_1,x_2,\cdots,x_n)，實(shí)測(cè)信號(hào)的特征向量為\vec{y}=(y_1,y_2,\cdots,y_n)，則歐氏距離d=\sqrt{\sum_{i=1}^{n}(x_i-y_i)^2}。歐氏距離越小，說(shuō)明兩個(gè)向量越相似，即實(shí)測(cè)信號(hào)與正常樣本的相似度越高。余弦相似度則是通過(guò)計(jì)算兩個(gè)向量夾角的余弦值來(lái)衡量相似度。其計(jì)算公式為\cos\theta=\frac{\vec{x}\cdot\vec{y}}{\vert\vec{x}\vert\vert\vec{y}\vert}，其中\(zhòng)vec{x}\cdot\vec{y}為向量點(diǎn)積，\vert\vec{x}\vert和\vert\vec{y}\vert分別為向量的模。余弦相似度的值越接近1，表明兩個(gè)向量的方向越相似，即實(shí)測(cè)信號(hào)與正常樣本或故障樣本的相似度越高。在實(shí)際診斷中，將實(shí)測(cè)振動(dòng)信號(hào)與正常樣本和故障樣本分別計(jì)算相似度。若與正常樣本的相似度較高，而與各故障樣本的相似度較低，則可判斷鐵心處于正常運(yùn)行狀態(tài)。當(dāng)與某個(gè)故障樣本的相似度超過(guò)一定閾值時(shí)，可判斷鐵心存在相應(yīng)的故障。若與鐵心松動(dòng)故障樣本的相似度較高，且超過(guò)了預(yù)先設(shè)定的相似度閾值，如0.8，則可判斷鐵心可能存在松動(dòng)故障。相似度診斷法能夠綜合考慮振動(dòng)信號(hào)的多個(gè)特征參數(shù)，對(duì)故障的判斷更加全面和準(zhǔn)確。它不需要精確地確定故障的具體特征閾值，而是通過(guò)與樣本的相似度來(lái)判斷故障狀態(tài)，具有一定的靈活性和適應(yīng)性。該方法也存在一些不足，樣本的質(zhì)量和數(shù)量對(duì)診斷結(jié)果影響較大。若樣本不具有代表性，或者樣本數(shù)量不足，可能導(dǎo)致診斷結(jié)果不準(zhǔn)確。計(jì)算相似度的過(guò)程可能較為復(fù)雜，需要耗費(fèi)一定的計(jì)算資源和時(shí)間，在實(shí)際應(yīng)用中需要考慮計(jì)算效率的問(wèn)題。4.2基于機(jī)器學(xué)習(xí)的診斷模型4.2.1支持向量機(jī)（SVM）支持向量機(jī)（SVM）是一種基于統(tǒng)計(jì)學(xué)習(xí)理論的機(jī)器學(xué)習(xí)算法，在變壓器鐵心故障診斷中具有獨(dú)特的優(yōu)勢(shì)。其基本原理是尋找一個(gè)最優(yōu)分類超平面，以實(shí)現(xiàn)對(duì)不同類別數(shù)據(jù)的準(zhǔn)確分類。在二維兩類線性可分的簡(jiǎn)單情況下，假設(shè)有兩類訓(xùn)練樣本，分別用實(shí)心點(diǎn)和空心點(diǎn)表示。存在一條分類線l，它能夠?qū)⑦@兩類樣本沒(méi)有錯(cuò)誤地分開(kāi)。同時(shí)，有兩條直線l_1和l_2，它們分別過(guò)各類樣本中離分類線最近的點(diǎn)且平行于分類線。l_1和l_2之間的距離就是兩類的分類間隔\gamma。所謂最優(yōu)分類線，不僅要能將兩類無(wú)錯(cuò)誤地分開(kāi)，還要使兩類的分類間隔最大。這是因?yàn)榉诸愰g隔越大，模型的泛化能力越強(qiáng)，即對(duì)未知數(shù)據(jù)的分類準(zhǔn)確性越高。從理論上來(lái)說(shuō)，支持向量機(jī)能夠?qū)崿F(xiàn)對(duì)線性可分?jǐn)?shù)據(jù)的最優(yōu)分類。在實(shí)際應(yīng)用中，變壓器鐵心振動(dòng)信號(hào)的特征數(shù)據(jù)往往是高維的，此時(shí)最優(yōu)分類線就成為最優(yōu)超平面。對(duì)于非線性的數(shù)據(jù)分類問(wèn)題，SVM的機(jī)理是將輸入向量通過(guò)一個(gè)非線性映射函數(shù)\varphi映射到一個(gè)高維的特征向量空間（Hilbert空間），并在該特征空間中構(gòu)造最優(yōu)分類面。由于低維輸入空間向高維特征空間映射過(guò)程中，空間維數(shù)急速增長(zhǎng)，直接在特征空間計(jì)算最佳分類平面變得非常困難。SVM通過(guò)定義核函數(shù)K(x_i,x_j)=\varphi(x_i)\cdot\varphi(x_j)，巧妙地將這一問(wèn)題轉(zhuǎn)化到輸入空間進(jìn)行計(jì)算，避免了高維空間中的復(fù)雜計(jì)算。常見(jiàn)的核函數(shù)有線性核函數(shù)K(x_i,x_j)=x_i\cdotx_j、多項(xiàng)式核函數(shù)K(x_i,x_j)=(\gammax_i\cdotx_j+r)^d（其中\(zhòng)gamma、r和d為參數(shù)）、徑向基核函數(shù)K(x_i,x_j)=exp(-\gamma\|x_i-x_j\|^2)（其中\(zhòng)gamma為參數(shù)）等。不同的核函數(shù)適用于不同的數(shù)據(jù)分布和問(wèn)題場(chǎng)景，在變壓器鐵心故障診斷中，需要根據(jù)實(shí)際情況選擇合適的核函數(shù)。在變壓器鐵心故障診斷中，將經(jīng)過(guò)預(yù)處理和特征提取后的振動(dòng)信號(hào)特征作為SVM的輸入。假設(shè)我們提取了時(shí)域特征峰峰值x_1、均值x_2、方差x_3，頻域特征100Hz基頻幅值x_4、200Hz諧波幅值x_5等，將這些特征組成特征向量\vec{x}=(x_1,x_2,x_3,x_4,x_5)。然后，利用大量已知故障類型的樣本數(shù)據(jù)對(duì)SVM進(jìn)行訓(xùn)練，這些樣本數(shù)據(jù)包括正常狀態(tài)下的振動(dòng)信號(hào)特征向量以及各種故障狀態(tài)（如鐵心松動(dòng)、多點(diǎn)接地等）下的振動(dòng)信號(hào)特征向量。在訓(xùn)練過(guò)程中，SVM通過(guò)調(diào)整分類超平面的參數(shù)，使得不同故障類型的樣本能夠被準(zhǔn)確地劃分到不同的類別中。當(dāng)訓(xùn)練完成后，對(duì)于新采集到的變壓器鐵心振動(dòng)信號(hào)，提取其特征向量并輸入到訓(xùn)練好的SVM模型中，模型就可以根據(jù)之前學(xué)習(xí)到的分類規(guī)則，判斷該信號(hào)對(duì)應(yīng)的鐵心狀態(tài)是正常還是存在某種故障。SVM在變壓器鐵心故障診斷中具有較高的準(zhǔn)確性和泛化能力，能夠有效地處理小樣本、非線性和高維數(shù)的問(wèn)題。它能夠充分利用有限的樣本信息，在模型的復(fù)雜性和學(xué)習(xí)能力之間尋求最佳折衷，從而獲得較好的推廣能力。然而，SVM算法也存在一些不足之處。它對(duì)核函數(shù)的選擇較為敏感，不同的核函數(shù)可能會(huì)導(dǎo)致診斷結(jié)果的差異。核函數(shù)參數(shù)的調(diào)整也需要一定的經(jīng)驗(yàn)和技巧，不合適的參數(shù)設(shè)置可能會(huì)影響模型的性能。此外，SVM在處理大規(guī)模數(shù)據(jù)時(shí)，計(jì)算復(fù)雜度較高，訓(xùn)練時(shí)間較長(zhǎng)。4.2.2人工神經(jīng)網(wǎng)絡(luò)（ANN）人工神經(jīng)網(wǎng)絡(luò)（ANN）是一種模擬人類大腦神經(jīng)元結(jié)構(gòu)和功能的計(jì)算模型，它具有強(qiáng)大的非線性映射能力和自學(xué)習(xí)能力，在變壓器鐵心故障診斷領(lǐng)域得到了廣泛的應(yīng)用。ANN由大量的神經(jīng)元組成，這些神經(jīng)元按照層次結(jié)構(gòu)進(jìn)行排列，通常包括輸入層、隱藏層和輸出層。輸入層負(fù)責(zé)接收外部數(shù)據(jù)，如變壓器鐵心振動(dòng)信號(hào)的特征參數(shù)；隱藏層則對(duì)輸入數(shù)據(jù)進(jìn)行復(fù)雜的非線性變換，提取數(shù)據(jù)中的深層次特征；輸出層根據(jù)隱藏層的處理結(jié)果，輸出最終的診斷結(jié)果，如判斷鐵心是否正常、故障類型等。在一個(gè)簡(jiǎn)單的三層ANN中，輸入層有n個(gè)神經(jīng)元，分別對(duì)應(yīng)變壓器鐵心振動(dòng)信號(hào)的n個(gè)特征參數(shù)，如峰峰值、均值、方差以及各頻率成分的幅值等。隱藏層有m個(gè)神經(jīng)元，每個(gè)神經(jīng)元通過(guò)權(quán)重與輸入層的神經(jīng)元相連。輸入層的信號(hào)通過(guò)權(quán)重傳遞到隱藏層，隱藏層的神經(jīng)元對(duì)輸入信號(hào)進(jìn)行加權(quán)求和，并通過(guò)激活函數(shù)進(jìn)行非線性變換。常用的激活函數(shù)有Sigmoid函數(shù)\sigma(x)=\frac{1}{1+e^{-x}}、ReLU函數(shù)f(x)=max(0,x)等。經(jīng)過(guò)隱藏層的處理后，信號(hào)再通過(guò)權(quán)重傳遞到輸出層，輸出層的神經(jīng)元根據(jù)接收到的信號(hào)進(jìn)行計(jì)算，輸出最終的診斷結(jié)果。ANN的訓(xùn)練過(guò)程是一個(gè)不斷調(diào)整權(quán)重和閾值的過(guò)程，目的是使網(wǎng)絡(luò)的輸出盡可能接近實(shí)際的故障類別。在訓(xùn)練時(shí)，首先需要準(zhǔn)備大量的訓(xùn)練樣本，這些樣本包括正常狀態(tài)和各種故障狀態(tài)下的變壓器鐵心振動(dòng)信號(hào)特征以及對(duì)應(yīng)的故障標(biāo)簽。將這些訓(xùn)練樣本依次輸入到ANN中，網(wǎng)絡(luò)根據(jù)當(dāng)前的權(quán)重和閾值計(jì)算輸出結(jié)果。然后，通過(guò)比較網(wǎng)絡(luò)的輸出結(jié)果與實(shí)際的故障標(biāo)簽，計(jì)算誤差。常用的誤差函數(shù)有均方誤差（MSE）E=\frac{1}{N}\sum_{i=1}^{N}(y_i-\hat{y}_i)^2，其中N是樣本數(shù)量，y_i是實(shí)際的故障標(biāo)簽，\hat{y}_i是網(wǎng)絡(luò)的輸出結(jié)果。根據(jù)誤差，利用反向傳播算法（BP算法）來(lái)調(diào)整網(wǎng)絡(luò)的權(quán)重和閾值，使得誤差逐漸減小。BP算法的基本思想是將誤差從輸出層反向傳播到輸入層，依次調(diào)整各層的權(quán)重和閾值，以減小誤差。在訓(xùn)練過(guò)程中，通常會(huì)設(shè)置一個(gè)停止條件，如誤差小于某個(gè)閾值或者達(dá)到最大訓(xùn)練次數(shù)，當(dāng)滿足停止條件時(shí)，訓(xùn)練結(jié)束，得到訓(xùn)練好的ANN模型。以某實(shí)際變壓器鐵心故障診斷案例為例，研究人員采集了大量不同運(yùn)行狀態(tài)下的變壓器鐵心振動(dòng)信號(hào)數(shù)據(jù)。經(jīng)過(guò)預(yù)處理和特征提取后，選取了10個(gè)特征參數(shù)作為ANN的輸入，包括時(shí)域的峰峰值、均值、方差、峭度等，頻域的100Hz基頻幅值、200Hz諧波幅值、300Hz諧波幅值等。構(gòu)建了一個(gè)包含1個(gè)隱藏層的ANN，隱藏層有20個(gè)神經(jīng)元，輸出層有3個(gè)神經(jīng)元，分別對(duì)應(yīng)正常、鐵心松動(dòng)、鐵心多點(diǎn)接地三種狀態(tài)。經(jīng)過(guò)大量的訓(xùn)練樣本對(duì)ANN進(jìn)行訓(xùn)練后，將新采集的振動(dòng)信號(hào)特征輸入到訓(xùn)練好的模型中進(jìn)行診斷。實(shí)驗(yàn)結(jié)果表明，該ANN模型對(duì)變壓器鐵心故障的診斷準(zhǔn)確率達(dá)到了90%以上，能夠有效地識(shí)別出鐵心的正常狀態(tài)和故障狀態(tài)，為變壓器的維護(hù)和檢修提供了準(zhǔn)確的依據(jù)。然而，ANN也存在一些缺點(diǎn)，如網(wǎng)絡(luò)結(jié)構(gòu)的選擇缺乏理論指導(dǎo)，通常需要通過(guò)大量的實(shí)驗(yàn)來(lái)確定合適的結(jié)構(gòu)；訓(xùn)練過(guò)程容易陷入局部最優(yōu)解，導(dǎo)致模型的性能不佳；對(duì)訓(xùn)練數(shù)據(jù)的依賴性較強(qiáng)，訓(xùn)練數(shù)據(jù)的質(zhì)量和數(shù)量會(huì)直接影響模型的診斷效果。4.3基于深度學(xué)習(xí)的診斷模型4.3.1卷積神經(jīng)網(wǎng)絡(luò)（CNN）卷積神經(jīng)網(wǎng)絡(luò)（CNN）是一種專門(mén)為處理具有網(wǎng)格結(jié)構(gòu)數(shù)據(jù)而設(shè)計(jì)的深度學(xué)習(xí)模型，在圖像識(shí)別、語(yǔ)音處理等領(lǐng)域取得了顯著成果，近年來(lái)在變壓器鐵心故障診斷領(lǐng)域也逐漸得到應(yīng)用。其結(jié)構(gòu)特點(diǎn)使其非常適合處理變壓器振動(dòng)信號(hào)這種具有一定規(guī)律的時(shí)間序列數(shù)據(jù)。CNN的核心組件包括卷積層、池化層和全連接層。卷積層通過(guò)卷積核在輸入數(shù)據(jù)上滑動(dòng)進(jìn)行卷積操作，自動(dòng)提取數(shù)據(jù)的局部特征。對(duì)于變壓器振動(dòng)信號(hào)，卷積核可以看作是一個(gè)小型的濾波器，它在時(shí)間序列上滑動(dòng)，捕捉信號(hào)中的局部模式和特征。在分析變壓器鐵心松動(dòng)故障時(shí)，卷積層能夠捕捉到振動(dòng)信號(hào)在時(shí)域上的突變特征，如尖峰、毛刺等，這些特征往往與鐵心松動(dòng)導(dǎo)致的結(jié)構(gòu)變化有關(guān)。通過(guò)不同大小和參數(shù)的卷積核，可以提取到不同尺度和頻率的特征，從而全面地描述振動(dòng)信號(hào)的特征信息。池化層則用于對(duì)卷積層提取的特征進(jìn)行降維，減少數(shù)據(jù)量，降低計(jì)算復(fù)雜度，同時(shí)保留重要的特征信息。常見(jiàn)的池化操作有最大池化和平均池化。最大池化是在一個(gè)局部區(qū)域內(nèi)選取最大值作為輸出，能夠突出信號(hào)中的關(guān)鍵特征；平均池化則是計(jì)算局部區(qū)域內(nèi)的平均值作為輸出，對(duì)信號(hào)的波動(dòng)起到一定的平滑作用。在變壓器鐵心振動(dòng)信號(hào)處理中，池化層可以對(duì)卷積層提取的特征進(jìn)行篩選和壓縮，去除一些冗余信息，提高模型的運(yùn)行效率。例如，在處理振動(dòng)信號(hào)的頻譜特征時(shí)，通過(guò)池化層可以保留主要頻率成分的特征，而忽略一些次要的頻率波動(dòng)，使模型更加關(guān)注與故障相關(guān)的關(guān)鍵特征。全連接層將池化層輸出的特征向量進(jìn)行整合，通過(guò)權(quán)重矩陣的線性變換和激活函數(shù)的非線性變換，將特征映射到最終的分類空間，輸出故障診斷結(jié)果。在變壓器鐵心故障診斷中，全連接層的輸出可以是不同故障類型的概率分布，通過(guò)比較概率大小，確定鐵心的故障狀態(tài)。例如，輸出結(jié)果可能表示為正常狀態(tài)的概率為0.8，鐵心松動(dòng)故障的概率為0.1，鐵心多點(diǎn)接地故障的概率為0.1，從而判斷變壓器鐵心處于正常運(yùn)行狀態(tài)。在利用CNN進(jìn)行變壓器鐵心故障診斷時(shí)，首先將預(yù)處理后的振動(dòng)信號(hào)進(jìn)行適當(dāng)?shù)母袷睫D(zhuǎn)換，使其符合CNN的輸入要求，通常將其轉(zhuǎn)換為一維或二維的張量形式。然后，將張量輸入到CNN模型中，模型通過(guò)卷積層、池化層和全連接層的層層處理，自動(dòng)提取振動(dòng)信號(hào)的特征，并進(jìn)行故障診斷。在訓(xùn)練過(guò)程中，使用大量已知故障類型的振動(dòng)信號(hào)樣本對(duì)CNN進(jìn)行訓(xùn)練，通過(guò)反向傳播算法不斷調(diào)整模型的參數(shù)，使模型能夠準(zhǔn)確地識(shí)別不同的故障類型。訓(xùn)練完成后，將新采集的振動(dòng)信號(hào)輸入到訓(xùn)練好的CNN模型中，即可得到鐵心的故障診斷結(jié)果。4.3.2循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）及其變體循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）是一類專門(mén)處理時(shí)間序列數(shù)據(jù)的深度學(xué)習(xí)模型，其獨(dú)特的結(jié)構(gòu)使其能夠有效地處理具有時(shí)間依賴關(guān)系的數(shù)據(jù)，非常適合變壓器鐵心振動(dòng)信號(hào)這種時(shí)間序列數(shù)據(jù)的分析和診斷。RNN的基本結(jié)構(gòu)中，隱藏層的神經(jīng)元不僅接收當(dāng)前時(shí)刻的輸入，還接收上一時(shí)刻隱藏層的輸出，這種循環(huán)連接的方式使得RNN能夠捕捉到時(shí)間序列中的長(zhǎng)期依賴關(guān)系。在變壓器鐵心振動(dòng)信號(hào)處理中，RNN可以根據(jù)之前時(shí)刻的振動(dòng)信號(hào)特征，預(yù)測(cè)當(dāng)前時(shí)刻的信號(hào)特征，從而判斷鐵心的運(yùn)行狀態(tài)是否正常。在分析鐵心多點(diǎn)接地故障時(shí)，RNN可以通過(guò)對(duì)一段時(shí)間內(nèi)振動(dòng)信號(hào)的學(xué)習(xí)，捕捉到由于多點(diǎn)接地導(dǎo)致的信號(hào)幅值波動(dòng)、頻率變化等特征的變化趨勢(shì)，進(jìn)而準(zhǔn)確判斷故障的發(fā)生。然而，傳統(tǒng)的RNN在處理長(zhǎng)序列數(shù)據(jù)時(shí)存在梯度消失或梯度爆炸的問(wèn)題，導(dǎo)致其難以學(xué)習(xí)到長(zhǎng)期的依賴關(guān)系。為了解決這一問(wèn)題，出現(xiàn)了RNN的變體，如長(zhǎng)短期記憶網(wǎng)絡(luò)（LSTM）和門(mén)控循環(huán)單元（GRU）。LSTM通過(guò)引入門(mén)控機(jī)制，包括輸入門(mén)、遺忘門(mén)和輸出門(mén)，有效地解決了梯度消失和梯度爆炸的問(wèn)題，能夠更好地處理長(zhǎng)序列數(shù)據(jù)。輸入門(mén)控制當(dāng)前輸入信息的流入，遺忘門(mén)決定保留或丟棄上一時(shí)刻隱藏層的信息，輸出門(mén)確定當(dāng)前隱藏層的輸出。在變壓器鐵心振動(dòng)信號(hào)診斷中，LSTM可以根據(jù)不同時(shí)刻的振動(dòng)信號(hào)特征，動(dòng)態(tài)地調(diào)整對(duì)歷史信息的記憶和遺忘，從而更準(zhǔn)確地捕捉到故障特征的變化。當(dāng)鐵心出現(xiàn)松動(dòng)故障時(shí)，LSTM能夠記住之前時(shí)刻振動(dòng)信號(hào)的異常變化，如幅值的突然增大、諧波成分的改變等，通過(guò)對(duì)這些歷史信息的綜合分析，及時(shí)準(zhǔn)確地判斷出鐵心松動(dòng)故障的發(fā)生。GRU則是對(duì)LSTM的簡(jiǎn)化，它將輸入門(mén)和遺忘門(mén)合并為更新門(mén)，同時(shí)將輸出門(mén)和記憶單元進(jìn)行了整合，減少了模型的參數(shù)數(shù)量，提高了計(jì)算效率。在變壓器鐵心故障診斷中，GRU同樣能夠有效地處理振動(dòng)信號(hào)的時(shí)間序列數(shù)據(jù)，通過(guò)對(duì)歷史信息的學(xué)習(xí)和更新，準(zhǔn)確地識(shí)別出鐵心的故障類型。例如，在某變壓器鐵心故障診斷實(shí)驗(yàn)中，使用GRU模型對(duì)振動(dòng)信號(hào)進(jìn)行分析，能夠準(zhǔn)確地判斷出鐵心的正常狀態(tài)、鐵心松動(dòng)故障和鐵心多點(diǎn)接地故障，診斷準(zhǔn)確率達(dá)到了95%以上。在實(shí)際應(yīng)用中，將變壓器鐵心振動(dòng)信號(hào)按時(shí)間順序輸入到RNN、LSTM或GRU模型中，模型通過(guò)對(duì)歷史信息的學(xué)習(xí)和處理，輸出對(duì)當(dāng)前鐵心狀態(tài)的判斷結(jié)果。通過(guò)大量的訓(xùn)練數(shù)據(jù)對(duì)模型進(jìn)行訓(xùn)練，不斷優(yōu)化模型的參數(shù)，提高模型的診斷準(zhǔn)確率和泛化能力，使其能夠準(zhǔn)確地診斷出不同類型和不同程度的變壓器鐵心故障。五、案例分析與驗(yàn)證5.1實(shí)際變壓器鐵心故障案例5.1.1案例背景介紹某變電站位于[具體地點(diǎn)]，承擔(dān)著周邊地區(qū)的供電任務(wù)，站內(nèi)安裝有一臺(tái)型號(hào)為[具體型號(hào)]的變壓器，其額定容量為[X]MVA，額定電壓為[X]kV，自[投運(yùn)時(shí)間]投入運(yùn)行以來(lái)，一直為當(dāng)?shù)氐墓I(yè)生產(chǎn)和居民生活提供穩(wěn)定的電力供應(yīng)。在[故障發(fā)生時(shí)間]，運(yùn)行人員在日常巡檢中發(fā)現(xiàn)該變壓器發(fā)出異常聲音，且聲音的頻率和強(qiáng)度與以往正常運(yùn)行時(shí)明顯不同。通過(guò)對(duì)變壓器的運(yùn)行參數(shù)進(jìn)行監(jiān)測(cè)，發(fā)現(xiàn)油溫略有升高，負(fù)載電流也出現(xiàn)了輕微波動(dòng)。運(yùn)行人員立即意識(shí)到變壓器可能存在故障，為了確保電力系統(tǒng)的安全穩(wěn)定運(yùn)行，決定對(duì)變壓器進(jìn)行全面檢測(cè)。5.1.2故障數(shù)據(jù)采集與分析為了準(zhǔn)確判斷變壓器鐵心的故障情況，技術(shù)人員采用了加速度傳感器對(duì)變壓器的振動(dòng)信號(hào)進(jìn)行采集。在變壓器箱體的頂部中心、側(cè)面四個(gè)角以及靠近鐵心的側(cè)面中心位置共安裝了6個(gè)加速度傳感器，以全面獲取鐵心在不同方向上的振動(dòng)信息。數(shù)據(jù)采集系統(tǒng)采用[具體型號(hào)]采集卡，其采樣率設(shè)置為10kHz，分辨率為16位，能夠滿足對(duì)變壓器振動(dòng)信號(hào)高頻率、高精度采集的要求。采集到的原始振動(dòng)信號(hào)中包含了大量的噪聲和干擾，因此需要進(jìn)行預(yù)處理。首先采用低通濾波器對(duì)信號(hào)進(jìn)行去噪處理，設(shè)置截止頻率為1500Hz，有效地濾除了高頻噪聲，使信號(hào)更加清晰。接著對(duì)信號(hào)進(jìn)行歸一化處理，采用最小-最大歸一化方法，將信號(hào)幅值映射到[0,1]區(qū)間，消除了不同工況下信號(hào)幅值差異對(duì)后續(xù)分析的影響。在時(shí)域特征分析方面，計(jì)算了振動(dòng)信號(hào)的峰峰值、均值、方差等特征參數(shù)。正常運(yùn)行時(shí)，該變壓器鐵心振動(dòng)信號(hào)的峰峰值約為0.8m/s2，均值為0.05m/s2，方差為0.02。而在故障發(fā)生時(shí)，峰峰值增大到了1.5m/s2，均值增加到0.1m/s2，方差增大到0.08。峰峰值的大幅增加表明振動(dòng)幅值顯著增大，可能是鐵心出現(xiàn)了松動(dòng)等故障，導(dǎo)致振動(dòng)加??；均值和方差的變化也反映了信號(hào)的整體水平和波動(dòng)程度發(fā)生了改變，進(jìn)一步說(shuō)明鐵心的運(yùn)行狀態(tài)出現(xiàn)了異常。通過(guò)傅里葉變換對(duì)振動(dòng)信號(hào)進(jìn)行頻域分析。正常運(yùn)行時(shí)，振動(dòng)信號(hào)的主要頻率成分包括100Hz基頻以及200Hz、300Hz、400Hz等高次諧波，其中100Hz基頻幅值約為0.6m/s2，200Hz諧波幅值約為0.2m/s2，300Hz諧波幅值約為0.1m/s2，400Hz諧波幅值約為0.05m/s2。在故障狀態(tài)下，100Hz基頻幅值增大到了0.9m/s2，200Hz諧波幅值增大到0.3m/s2，同時(shí)還出現(xiàn)了50Hz及其奇次諧波成分，如50Hz諧波幅值為0.05m/s2，150Hz諧波幅值為0.03m/s2。100Hz基頻幅值的增大以及50Hz及其奇次諧波的出現(xiàn)，與鐵心松動(dòng)故障的特征相符，進(jìn)一步驗(yàn)證了鐵心可能存在松動(dòng)故障。5.2基于振動(dòng)信號(hào)的診斷過(guò)程5.2.1采用的診斷方法與模型針對(duì)本案例，選擇卷積神經(jīng)網(wǎng)絡(luò)（CNN）作為診斷模型。CNN在處理具有網(wǎng)格結(jié)構(gòu)數(shù)據(jù)方面具有獨(dú)特優(yōu)勢(shì)，而變壓器振動(dòng)信號(hào)雖為時(shí)間序列數(shù)據(jù)，但可通過(guò)適當(dāng)?shù)母袷睫D(zhuǎn)換，將其看作具有一定規(guī)律的一維網(wǎng)格數(shù)據(jù)，使其符合CNN的輸入要求。與傳統(tǒng)的機(jī)器學(xué)習(xí)算法相比，CNN能夠自動(dòng)提取數(shù)據(jù)的特征，無(wú)需手動(dòng)進(jìn)行復(fù)雜的特征工程，減少了人為因素對(duì)診斷結(jié)果的影響。在處理變壓器鐵心振動(dòng)信號(hào)時(shí)，CNN可以通過(guò)卷積層自動(dòng)學(xué)習(xí)到信號(hào)中的局部特征，如時(shí)域上的突變特征、頻域上的特定頻率成分變化等，這些特征對(duì)于判斷鐵心的故障類型和嚴(yán)重程度具有重要意義。在分析鐵心松動(dòng)故障時(shí)，CNN能夠準(zhǔn)確捕捉到振動(dòng)信號(hào)在時(shí)域上的尖峰、毛刺等特征，以及頻域上50Hz及其奇次諧波成分的變化，從而準(zhǔn)確判斷鐵心是否存在松動(dòng)故障。在構(gòu)建CNN模型時(shí)，設(shè)計(jì)了一個(gè)包含3個(gè)卷積層、2個(gè)池化層和2個(gè)全連接層的網(wǎng)絡(luò)結(jié)構(gòu)。卷積層的卷積核大小分別設(shè)置為3、5、7，步長(zhǎng)為1，填充方式為same，以確保在提取特征的過(guò)程中保持信號(hào)的長(zhǎng)度不變。池化層采用最大池化操作，池化核大小為2，步長(zhǎng)為2，用于對(duì)卷積層提取的特征進(jìn)行降維，減少計(jì)算量。全連接層的神經(jīng)元數(shù)量分別為128和3，其中128個(gè)神經(jīng)元的全連接層用于對(duì)池化層輸出的特征進(jìn)行進(jìn)一步的整合和非線性變換，3個(gè)神經(jīng)元的全連接層則用于輸出最終的診斷結(jié)果，分別對(duì)應(yīng)正常、鐵心松動(dòng)、鐵心多點(diǎn)接地三種狀態(tài)。在訓(xùn)練過(guò)程中，采用Adam優(yōu)化器，學(xué)習(xí)率設(shè)置為0.001，損失函數(shù)選擇交叉熵?fù)p失函數(shù)，通過(guò)反向傳播算法不斷調(diào)整模型的參數(shù)，使模型的預(yù)測(cè)結(jié)果與實(shí)際標(biāo)簽之間的誤差最小化。5.2.2診斷結(jié)果與實(shí)際情況對(duì)比將采集到的振動(dòng)信號(hào)經(jīng)過(guò)預(yù)處理和特征提取后，輸入到訓(xùn)練好的CNN模型中進(jìn)行診斷。模型輸出的診斷結(jié)果顯示，該變壓器鐵心存在松動(dòng)故障，這與前文通過(guò)時(shí)域和頻域分析初步判斷的結(jié)果一致。為了進(jìn)一步驗(yàn)證診斷結(jié)果的準(zhǔn)確性，對(duì)變壓器進(jìn)行了吊芯檢查。檢查結(jié)果表明，變壓器鐵心的部分緊固螺栓出現(xiàn)了松動(dòng)現(xiàn)象，硅鋼片之間的間隙增大，這與CNN模型診斷出的鐵心松動(dòng)故障相吻合。通過(guò)實(shí)際檢查還發(fā)現(xiàn)，鐵心表面有輕微的磨損痕跡，這可能是由于鐵心松動(dòng)后，在電磁力和磁致伸縮力的作用下，硅鋼片之間發(fā)生相對(duì)摩擦所致。通過(guò)對(duì)比診斷結(jié)果與實(shí)際故障情況，充分驗(yàn)證了基于振動(dòng)信號(hào)和CNN模型的診斷方法具有較高的準(zhǔn)確性和有效性。該方法能夠準(zhǔn)確地識(shí)別出變壓器鐵心的松動(dòng)故障，為變壓器的及時(shí)維修提供了可靠的依據(jù)，避免了因故障進(jìn)一步發(fā)展而導(dǎo)致的更嚴(yán)重事故，保障了電力系統(tǒng)的安全穩(wěn)定運(yùn)行。在后續(xù)的運(yùn)行維護(hù)中，可繼續(xù)利用該診斷方法對(duì)變壓器鐵心狀態(tài)進(jìn)行實(shí)時(shí)監(jiān)測(cè)，及時(shí)發(fā)現(xiàn)潛在的故障隱患，確保變壓器的長(zhǎng)期可靠運(yùn)行。5.3診斷結(jié)果分析與討論通過(guò)對(duì)實(shí)際變壓器鐵心故障案例的診斷，基于振動(dòng)信號(hào)和CNN模型的診斷方法展現(xiàn)出較高的準(zhǔn)確性，能夠準(zhǔn)確識(shí)別出鐵心松動(dòng)故障，與實(shí)際吊芯檢查結(jié)果相符，這表明該方法在變壓器鐵心故障診斷中具有良好的應(yīng)用前景。然而，任何診斷方法都并非完美無(wú)缺，本方法在實(shí)際應(yīng)用中也存在一些需要進(jìn)一步探討和改進(jìn)的地方。在診斷準(zhǔn)確性方面，雖然整體上該方法能夠準(zhǔn)確判斷故障類型，但在某些復(fù)雜情況下，診斷的準(zhǔn)確性仍有待提高。當(dāng)變壓器同時(shí)存在多種故障時(shí)，如鐵心松動(dòng)與繞組輕微變形同時(shí)發(fā)生，振動(dòng)信號(hào)會(huì)變得更加復(fù)雜，可能會(huì)干擾CNN模型對(duì)鐵心松動(dòng)故障的準(zhǔn)確判斷。由于變壓器運(yùn)行環(huán)境復(fù)雜，可能存在各種干擾因素，如附近其他電氣設(shè)備的電磁干擾、現(xiàn)場(chǎng)的機(jī)械振動(dòng)等，這些干擾可能會(huì)影響振動(dòng)信號(hào)的采集質(zhì)量，進(jìn)而影響診斷結(jié)果的準(zhǔn)確性。誤診和漏診情況也時(shí)有發(fā)生。誤診可能是由于故障特征的相似性導(dǎo)致的。鐵心松動(dòng)和繞組局部短路在某些情況下可能會(huì)導(dǎo)致振動(dòng)信號(hào)的某些特征相似，如都可能使振動(dòng)幅值增大、諧波成分改變，這就容易使CNN模型將鐵心松動(dòng)誤判為繞組局部短路。漏診則可能是因?yàn)楣收铣跗谔卣鞑幻黠@，或者振動(dòng)信號(hào)中某些關(guān)鍵特征被噪聲掩蓋，導(dǎo)致CNN模型無(wú)法準(zhǔn)確識(shí)別故障。為了進(jìn)一步提高診斷的準(zhǔn)確性，降低誤診和漏診的概率，需要采取一系列改進(jìn)措施。在數(shù)據(jù)采集環(huán)節(jié)，應(yīng)加強(qiáng)對(duì)采集系統(tǒng)的抗干擾能力，采用屏蔽電纜、優(yōu)化傳感器安裝位置等方法，減少外界干擾對(duì)振動(dòng)信號(hào)的影響。同時(shí)，增加傳感器的數(shù)量和類型，如除了加速度傳感器外，還可以增加位移傳感器、應(yīng)變傳感器等，獲取更多維度的振動(dòng)信息，為故障診斷提供更全面的數(shù)據(jù)支持。在信號(hào)處理方面，應(yīng)綜合運(yùn)用多種信號(hào)處理方法，對(duì)振動(dòng)信號(hào)進(jìn)行更深入的分析。除了本文中采用的濾波去噪和歸一化方法外，還可以引入自適