Transformée en ondelettes empirique améliorée (EWT) et son application dans les non

Rapports scientifiques volume 12, Numéro d'article : 17533 (2022) Citer cet article

1021 accès

Détails des métriques

La fréquence de résonance du transformateur contient des informations relatives à sa structure. Il est plus facile d'identifier la fréquence de résonance dans le signal de vibration pendant le test de marteau et la mise sous tension que pendant le fonctionnement du transformateur, car la vibration causée par le courant de charge n'a pas besoin d'être prise en compte pendant le test de marteau et la mise sous tension. Par conséquent, une méthode d'analyse avec un calcul simple, une vitesse de calcul rapide et une surveillance en temps réel facile est nécessaire pour traiter ces deux vibrations non stationnaires. La surveillance des vibrations peut comprendre l'état de santé du transformateur en temps réel, améliorer la fiabilité de l'alimentation électrique et donner une alerte précoce au stade précoce des défauts. Une nouvelle méthode de segmentation dans le domaine fréquentiel est proposée dans cet article. Cette méthode peut traiter efficacement le signal de vibration du transformateur et identifier sa fréquence de résonance. Onze états de charge différents sont définis sur le transformateur. La méthode proposée dans cet article peut extraire la fréquence de résonance du transformateur à partir du signal de test de martèlement. Par rapport à la méthode empirique originale de transformation en ondelettes, cette méthode peut diviser le domaine fréquentiel plus efficacement, a une résolution temps-fréquence plus élevée et le temps d'exécution de la méthode modifiée est raccourci de 80 à 2 s. L'universalité de cette méthode est prouvée par des expériences sur trois types différents de transformateurs.

En raison de l'amélioration des exigences de stabilité de l'alimentation électrique, il y a de plus en plus de recherches sur l'évaluation de la santé des transformateurs. Les méthodes courantes de diagnostic des défauts du transformateur comprennent l'inspection régulière, l'analyse des gaz dissous1, la surveillance des vibrations2,3, la surveillance des décharges partielles4, la mesure par ultrasons5, l'analyse de la réponse en fréquence6 et d'autres méthodes. Par rapport aux autres méthodes, la mesure des vibrations présente les avantages d'une installation pratique, de moins d'interférences environnementales et d'un faible coût. Il s'applique à presque tous les types de transformateurs.

La vibration du transformateur provient principalement de la magnétostriction et des forces magnétiques. Grâce à la surveillance en temps réel des vibrations du transformateur, la relation entre les vibrations anormales et les défauts internes du transformateur sera établie, ce qui est utile pour organiser la maintenance préventive à temps et améliorer la durée de vie du transformateur. Par exemple, lorsque le boulon de serrage du noyau du transformateur est desserré, c'est-à-dire que l'entrefer entre le noyau de fer change, cela augmentera considérablement les vibrations du transformateur7, en outre, les boulons desserrés réduisent également la capacité du transformateur à résister aux chocs externes. La dégradation des performances mécaniques du transformateur a été suivie par la mesure des vibrations multicanal in8. In9, les données de vibration sur le changeur de prises en charge du transformateur sont obtenues pour réaliser l'identification des défauts précoces de l'équipement, et la cartographie auto-organisée (SOM) est utilisée pour évaluer l'état du changeur de prises en charge en ligne. En 10, la méthode de surveillance de la déformation des enroulements par les vibrations du boîtier du transformateur a été étudiée, cette méthode prend en compte les vibrations générées par différentes parties du transformateur et analyse l'influence de la température sur la génération, la superposition et la transmission des vibrations.

La fréquence de vibration du transformateur dépend de la fréquence de résonance et de l'excitation externe. L'excitation externe comprend principalement la tension, le courant et l'environnement de travail, ces facteurs peuvent être mesurés pendant le fonctionnement du transformateur. La fréquence de résonance est le facteur interne qui détermine la fréquence de vibration du transformateur. Il est déterminé par la structure du transformateur et ne change pas avec le changement d'excitation externe. Il peut être obtenu par essai de martelage. Plus la composante de vibration est proche de la fréquence de résonance, plus elle provoquera la résonance du transformateur. La résonance est très nocive, ce qui entraînera de violentes vibrations du transformateur, entraînant le desserrage des boulons et la chute des blocs d'amortissement. De plus, la structure peut être suivie en surveillant la fréquence de résonance du transformateur, et le diagnostic de défaut du transformateur peut être réalisé en analysant le changement de la structure du transformateur. Dans l'article 11, la fréquence de résonance du transformateur a été calculée par la méthode pseudo-spectrale. La relation entre la fréquence de vibration du transformateur et les harmoniques de tension et de courant a été déduite dans l'article12. L'influence des vibrations sur le fonctionnement du grand transformateur et les mesures de réduction des vibrations pour éviter la résonance sous excitation de force électromagnétique ont été étudiées en 13, et un prototype de transformateur de puissance à très faible bruit a été développé, avec une capacité de pleine charge de 200 MVA et un niveau de bruit inférieur à 65 dB. Le modèle non linéaire de transformateur a été construit par un réseau de neurones de Fourier composé d'éléments non linéaires et d'un bloc dynamique linéaire, et l'effet de la prédiction des vibrations et l'extraction des paramètres du système ont été vérifiés par des tests sur plusieurs transformateurs de puissance14.

Il existe de nombreuses méthodes analytiques pour traiter les données vibratoires. L'analyse de Fourier est une méthode d'analyse simple et efficace, mais la méthode de transformée de Fourier ne peut pas afficher les informations temps-fréquence en même temps15. L'article16 propose un algorithme d'entropie de permutation simplifié qui est utilisé pour calculer les caractéristiques de vibration du transformateur convertisseur. Comparé à l'algorithme d'entropie de permutation traditionnel, l'algorithme présente les avantages d'une classification stable, d'une grande flexibilité et d'une vitesse de calcul rapide. La méthode de transformation en ondelettes17,18 a également de nombreuses applications dans la surveillance des vibrations des transformateurs. L'ondelette de Morlet complexe a été utilisée pour traiter les données de vibration libre du transformateur in17, l'algorithme amélioré Crazy Climber a été utilisé pour extraire les crêtes d'ondelettes du spectrogramme temps-fréquence, et les fréquences de résonance des quatre premiers ordres et les rapports d'amortissement de l'enroulement du transformateur ont été obtenus. Une nouvelle méthode de diagnostic des défauts mécaniques des noyaux et des enroulements des transformateurs basée sur la bande de fréquence et la distribution d'énergie a été proposée en 18. Les défauts mécaniques du transformateur ont été diagnostiqués en ligne par la distribution d'énergie dans chaque bande de fréquence des données vibratoires en temps réel. L'algorithme de décomposition de mode empirique amélioré a été appliqué à l'extraction de l'indice de défaut des données de vibration sur le changement de prise en charge du transformateur19. EWT a été introduit pour la première fois par le professeur Jérôme Gilles20, il équivaut à une série de combinaisons de filtres passe-bande, et le signal d'origine est décomposé en plusieurs combinaisons de signaux dans différents domaines de fréquence. Les articles21,22 ont introduit l'application de l'EWT dans les données sismiques, et22 ont proposé une méthode EWT améliorée basée sur la représentation échelle-espace. Paper23 a introduit l'application de l'EWT dans la reconnaissance d'images bidimensionnelle. Une transformée en ondelettes de Morlet adaptative améliorée et son application aux données de vibration de la boîte de vitesses ont été présentées dans l'article24. EWT a également quelques applications dans les transformateurs. Dans l'article25, une méthode de diagnostic de défaut basée sur l'EWT et l'algorithme d'essaim de salpes a été proposée pour diagnostiquer différents états de défaut des transformateurs. Dans l'article26, la méthode EWT a été combinée avec l'entropie multi-échelle, et les temps de comptage ont été réduits en sélectionnant les composantes d'ondelettes fortement corrélées avec le signal d'origine.

L'EWT est sélectionné parmi de nombreuses méthodes de traitement du signal non stationnaire principalement parce qu'il peut améliorer la résolution de la composante de fréquence cible en définissant de manière flexible la limite de segmentation du domaine fréquentiel, et la segmentation du domaine fréquentiel EWT est basée sur la transformée de Fourier, les deux méthodes se chevauchent partiellement, de sorte que le processus de traitement du signal est une relation progressive, ce qui peut réduire la charge de calcul ; plus important encore, en définissant la limite près de la composante de fréquence cible anormale selon le résultat de Fourier, la composante cible peut être analysée en profondeur pour déterminer le temps de changement de la composante de fréquence cible, c'est très important pour le diagnostic de défaut du transformateur. La méthode de division du spectre proposée dans cet article combine des facteurs tels que l'extremum et l'enveloppe du domaine fréquentiel, qui peuvent non seulement suivre et analyser les composants cibles, mais aussi diviser raisonnablement la plage du spectre. Différent de l'article26, cet article ne combine pas d'autres méthodes, mais améliore directement le principe de division du spectre sur l'EWT, simplifie le processus de calcul et améliore l'adaptabilité. Par rapport à la méthode traditionnelle basée sur le plan d'échelle, elle élimine l'étape de création du plan d'échelle, améliore considérablement la vitesse de calcul et convient mieux à l'analyse et à la surveillance en temps réel.

Selon l'emplacement de la vibration, la vibration du transformateur peut être divisée en vibration du noyau de fer, vibration de l'enroulement et vibration de l'équipement de refroidissement. Selon les déterminants de la fréquence de vibration, celle-ci peut être divisée en vibration déterminée par la fréquence de résonance et vibration déterminée par la fréquence d'excitation.

La vibration de l'enroulement du transformateur est causée par l'interaction entre le courant et la fuite de flux magnétique dans l'enroulement, la force de vibration de la bobine Fw est proportionnelle au carré du courant I, comme indiqué dans l'équation. (1). La vibration du noyau du transformateur est causée par la magnétostriction et la force magnétique, la force de vibration du noyau de fer Fc est proportionnelle au carré de la tension U, comme indiqué dans l'équation. (2).

Le courant et la tension dans le transformateur sont des ondes sinusoïdales mélangées à une petite quantité d'harmoniques, qui peuvent être exprimées en équations. (3) et (4), I0 et U0 représentent respectivement les composantes continues du courant et de la tension et In et Un représentent respectivement les composantes fondamentales et les composantes harmoniques du courant et de la tension.

Combinez l'éq. (3) dans l'éq. (1) obtenir

La troisième partie de l'Eq. (5) peut être exprimé comme Eq. (6), p et q est un nombre compris entre 1 et les nombres combinatoires Cn2.

Selon les règles de transformation de l'équation trigonométrique, la deuxième partie de l'équation. (6) peut être exprimé comme

La fréquence de vibration du transformateur comprendra la composante CC, la composante de fréquence harmonique, la double fréquence de chaque composante harmonique, la somme de deux composantes harmoniques et la différence de deux composantes harmoniques, comme indiqué dans le tableau 1. Lorsque le transformateur fonctionne, le courant et la tension sont proches des ondes sinusoïdales idéales avec un faible contenu harmonique, et on peut voir dans le tableau 1 que l'amplitude de chaque force d'excitation est dans le même ordre de grandeur, de sorte que l'amplitude de vibration causée par les harmoniques dépend principalement de la position du point de fréquence de résonance , cela est également utile pour déterminer la distribution de la fréquence de résonance en observant la distribution de la fréquence de vibration.

Pendant le fonctionnement du transformateur, l'amplitude et la vitesse de vibration sont très faibles, ce qui appartient à un système de micro amplitude. Par conséquent, le système de vibration du transformateur peut être considéré comme un système linéaire en ne prenant que le terme de premier ordre de la série de Taylor et en omettant le terme d'ordre supérieur. L'équation de mouvement de la vibration forcée du système linéaire à simple liberté est illustrée dans l'équation. (8), m, c, k sont respectivement la masse, le coefficient d'amortissement et le coefficient élastique.

L'équation (8) peut être réécrite comme

Les paramètres de l'Eq. (9) sont définis comme suit :

Dans les éq. (10) et (11), ωn est la fréquence de résonance et ξ est le taux d'amortissement. Parce que le système de transformateur est approximativement un système linéaire, la vibration sous chaque excitation satisfait le théorème de superposition. Pour la commodité de l'analyse, on suppose que la force d'excitation F = fncosωt. En substituant dans l'Eq. (9) obtenir

Les paramètres de l'Eq. (12) sont définis comme suit :

On peut le voir à partir de l'Eq. (12) que le premier élément de l'équation s'atténuera progressivement et se mettra à zéro sous l'action de l'amortissement du transformateur. La forme d'onde de fréquence spécifique dans le test de martèlement peut être extraite par une EWT améliorée, et les paramètres pertinents (X, ξ, ωn) peuvent être obtenus en ajustant l'enveloppe de la forme d'onde. La figure 1 montre le processus d'atténuation de la composante de fréquence de 37 Hz dans le test de martèlement, qui correspond à la composante de fréquence de résonance de 37 Hz de la figure 6. Les valeurs des paramètres pertinents sont obtenues par ajustement des paramètres, comme indiqué dans (15)

Ajustement de la forme d'onde de résonance.

Pour la deuxième partie de l'Eq. (12), la vibration du transformateur sous une force d'excitation de fréquence différente est toujours la réponse de la fréquence correspondante, mais l'amplitude de vibration est affectée par le coefficient de structure du transformateur et la fréquence de résonance. Soit p comme indiqué dans l'équation. (16), p est une variable non négative. Plus p est petit, plus l'amplitude de vibration est grande.

L'équation (16) peut être transformée en

p est une équation quartique univariée avec ω comme variable, alors

p′ est une équation cubique univariée, soit p′ = 0, on aura

Par conséquent, p a la valeur minimale à ω2, c'est-à-dire dans l'Eq. (12), plus ω est proche de ω2, plus l'amplitude de x(t) est grande, x(t) a l'amplitude de vibration maximale lorsque ω = ω2.

EWT est essentiellement une transformée en ondelettes qui peut définir de manière flexible la limite de segmentation20. Le cœur de la méthode EWT réside dans la division du domaine fréquentiel. Les résultats du spectre varient considérablement selon les applications, mais le but de la segmentation du spectre est le même, qui est de mettre en évidence le processus de changement de la composante de fréquence cible. La fonction d'échelle empirique et les ondelettes empiriques sont représentées par les équations. (20) et (21), respectivement.

La fonction β(x) doit satisfaire aux conditions suivantes :

Le τN = γωN, et si γ < min[(ωN+1 − ωN)/(ωN+1 + ωN)], on aura un cadre serré. Alors le signal peut être reconstruit par :

D'après l'analyse précédente, on peut constater que l'objectif de l'EWT est de déterminer la limite de segmentation du domaine fréquentiel. Le traitement de différents types de signaux doit combiner leurs caractéristiques uniques. Les composants des données de vibration du transformateur ont les caractéristiques suivantes.

Pendant le fonctionnement du transformateur, la composante principale dans le domaine fréquentiel est généralement un multiple entier de 50 Hz (la fréquence électrique est de 50 Hz). Dans des circonstances normales, la composante 100 Hz devrait avoir la plus grande amplitude, mais en raison de l'influence de la fréquence de résonance, la composante de doublage de fréquence 50 Hz la plus proche du point de fréquence de résonance peut être la plus grande composante d'amplitude.

Lorsque le transformateur ne fonctionne pas, l'amplitude des interférences environnementales est inférieure à 0,003 m/s2 et la valeur correspondante dans le résultat de la transformée de Fourier est de 0,003*16 384/2 ≈ 25, la fréquence d'échantillonnage du signal de vibration est de 16 384 Hz. Dans l'analyse du résultat de Fourier du signal de vibration, le signal inférieur à 25 peut être ignoré.

Des composants continus de haute amplitude peuvent se produire pendant le test de martèlement ou la commutation d'état du transformateur. Ces composants augmenteront la difficulté de la segmentation dans le domaine fréquentiel.

Certaines composantes de fréquence de faible amplitude apparaîtront à proximité des composantes de forte amplitude. Nous devons ignorer l'influence de ces composantes de faible amplitude lors de la division du domaine fréquentiel.

Dans le processus de diagnostic de défaut de transformateur, les composants de haute amplitude, les composants de fréquence émergents et les composants à grand changement sont importants, les deux dernières parties sont collectivement appelées composants de fréquence anormaux. Il est nécessaire de fixer des limites à proximité de ces composantes fréquentielles.

La figure 2 montre le spectre des vibrations de martèlement du transformateur, la ligne verticale bleue sur la figure représente la composante maximale du spectre, les triangles rouges représentent les résultats de division idéaux du spectre et chaque triangle rouge représente une zone de division. La situation du spectre pendant la commutation d'état est similaire à celle du test de martèlement. Lors de la division de ce type de spectre, nous devons prêter attention aux points suivants.

La composante de faible amplitude proche de la forte amplitude correspond à la zone 1 de la Fig. 2.

Les composantes adjacentes d'amplitude similaire correspondent à la zone 2 de la Fig. 2.

La composante de faible amplitude correspond à la zone 3 de la Fig. 2.

La limite de division ne peut pas tomber sur la composante maximale.

La limite de la région de haute amplitude devrait être plus dense, comme la plage 400-800 Hz sur la Fig. 2, et la limite de la région de faible amplitude devrait être plus clairsemée, comme la plage 900-1100 Hz.

Spectre du test de martèlement du transformateur.

Le procédé de segmentation dans le domaine fréquentiel proposé est illustré à la Fig. 3. La procédure du procédé de segmentation dans le domaine fréquentiel proposé comprend les quatre étapes suivantes.

Étape 1 : Le spectre de Fourier du signal analysé est analysé pour obtenir les composantes de fréquence anormales du signal. Et les extremums du domaine fréquentiel sont extraits.

Étape 2 : suppression des signaux d'interférence qui affectent la segmentation des limites, y compris les composants de faible amplitude de fouillis autour du composant de haute amplitude, les multiples composants adjacents avec des amplitudes élevées similaires et les composants de faible amplitude dans le domaine fréquentiel.

Étape 3 : La limite de division est déterminée en fonction de l'enveloppe des composantes de fréquence principales restantes après suppression des signaux d'interférence, et les composantes anormales de l'étape 1 doivent être analysées avec insistance.

Étape 4 : Vérifiez la limite de segmentation pour éviter qu'elle ne tombe sur les composants principaux du domaine fréquentiel, sinon ces composants seront atténués lors du processus d'analyse ultérieur.

Amélioration du processus de segmentation du domaine fréquentiel.

Nous utilisons l'éq. (24) pour supprimer les composantes de faible amplitude autour des composantes de grande amplitude, et utiliser la formule (25) pour traiter les multiples composantes adjacentes de grande amplitude. f(a) et f(b) représentent les amplitudes des deux composantes dans le domaine fréquentiel, et a et b représentent les fréquences des deux composantes. Les équations (24) et (25) sont deux méthodes simples et efficaces pour éliminer les composants d'interférence. La sélection des coefficients pertinents dans la formule est très importante. Le transformateur utilisé dans cet article est un transformateur de type sec d'une capacité de 100 kVA. Au cours de l'expérience, kp et r sont pris respectivement égaux à 20, 100, kq et s sont pris égaux à 0,15 et 30 respectivement. Les quatre paramètres ci-dessus sont des paramètres empiriques dans le processus expérimental. Parce que la fréquence de travail du transformateur est de 50 Hz, pour une composante de fréquence maximale, les côtés gauche et droit sont de 50 Hz et la bande passante de fréquence est de 100 Hz, c'est-à-dire r = 100. Lorsque l'on considère les composantes de fréquence adjacentes, la bande passante prend la moitié de 50, 50/2 = 25, c'est-à-dire que s = 25, r et s sont deux paramètres uniquement liés à la fréquence d'alimentation du transformateur, la détermination de kp et kq doit être combinée avec la vibration de le transformateur. Dans l'expérience, l'amplitude maximale du domaine fréquentiel est essentiellement d'environ 500 (comme indiqué sur les figures 5 et 7), 500/25 = 20, c'est-à-dire kp = 20, (25 fait ici référence à la valeur du bruit ambiant à l'étape 3, 0,003*16 384/2 ≈ 25), et kq = 0,15 est obtenu à partir d'expériences multiples.

Pour la composante de fréquence avec changement brusque, nous pouvons ajouter des lignes de segmentation des deux côtés. Afin d'éviter que la segmentation fréquentielle ne soit trop dense ou trop clairsemée, le nombre et la position des lignes limites peuvent être ajustés de manière flexible en fonction de la valeur moyenne des composantes fréquentielles dans cette plage. Si la division est trop dense, la valeur moyenne des deux frontières ou la frontière avec une amplitude de basse fréquence ou la frontière proche de la fréquence cible peut être prise. La dernière méthode peut améliorer la résolution de l'amplitude de fréquence cible. Pour une région avec une division clairsemée, une ligne limite de division peut être ajoutée de manière appropriée à certaines valeurs minimales du domaine fréquentiel.

Le capteur de vibration adopte le capteur d'accélération piézoélectrique CA-YD-188T de la société Jiangsu Lianneng, avec une sensibilité de 500 mv/g, une plage de fréquences de 0 à 5 000 Hz, une plage de mesure de ± 10 g, une limite d'impact de 2 000 g et une plage de température de travail de − 40 à 120 ℃. L'instrument d'acquisition de vibrations utilise l'unité d'acquisition à plage dynamique élevée de la société Dewesoft. Comme le montre la Fig. 4, le transformateur expérimental comporte 14 boulons de fixation, 6 boulons transversaux (A–F) et 8 boulons longitudinaux (1–8). Il existe cinq positions d'installation (en haut à gauche, en haut au milieu, en haut à droite, en bas à gauche, en bas à droite) des capteurs de vibrations sur le transformateur. Le test de martelage consiste en quatre fois dans chaque groupe, debout sur le côté de l'enroulement haute tension et face au transformateur, le premier martelage (K1) est de gauche à droite en haut du transformateur, le deuxième martelage (K2) est d'avant en arrière dans le sens de la vue, le troisième martelage (K3) est de droite à gauche en haut du transformateur et le quatrième martelage (K4) est vers le bas à partir du milieu du haut. La méthode proposée dans cet article est principalement utilisée pour analyser les vibrations transitoires du transformateur, y compris les vibrations du transformateur sous tension, hors tension et la commutation de charge entre différentes charges, comme indiqué dans le tableau 2. Les méthodes proposées dans cet article sont applicables à la situation transitoire lorsque l'état est commuté, mais ne montre que les résultats du test de marteau, de la mise sous tension et de la commutation de charge de 60 à 100 kW.

Transformateur d'essai de vibration.

Dans le test de cliquetis, il n'y a que l'effet de l'excitation instantanée et aucune autre interférence de vibration, il est donc facile d'observer la fréquence de résonance. La forme d'onde de vibration du test de martèlement du transformateur dans un état normal est illustrée aux Fig. 5 et 6. Pour la composante de fréquence de résonance, nous devons prêter attention aux composantes harmoniques du multiple intégral de 50 Hz. Ces composants sont plus susceptibles de provoquer une résonance dans le transformateur. La palette de couleurs «jet» est utilisée sur la figure 5 et toutes les figures temps-fréquence suivantes.

La segmentation du spectre et l'affichage temps-fréquence des données de test de martelage (K1) basées sur la méthode traditionnelle, (a1-a3) sont les résultats de la segmentation du spectre de Fourier (position supérieure gauche, palette de couleurs, « jet »).

La segmentation du spectre et l'affichage temps-fréquence des données de test de martèlement (K1) basées sur la méthode proposée dans cet article, (a) sont les résultats de la segmentation du spectre de Fourier (position supérieure gauche, palette de couleurs, « jet »).

La figure 5 montre les résultats de trois méthodes EWT traditionnelles basées sur le plan extremum, adaptatif et gaussien20. Sur la Fig. 5, les résultats de la transformée de Fourier et la segmentation du domaine fréquentiel sont affichés à gauche, la représentation longitudinale est destinée à faciliter la comparaison avec les composantes fréquentielles du plan temps-fréquence, et le changement de chaque composante fréquentielle avec le temps est affiché à droite. Les figures suivantes. 6, 8 et 9 sont également les mêmes.

La méthode basée sur la valeur extrême doit spécifier à l'avance le nombre de valeurs extrêmes. Lorsque le nombre de valeurs extrêmes spécifiées est petit, la division peut être insuffisante, ce qui est similaire aux résultats de division basés sur la méthode adaptative ; lorsque le nombre de valeurs extrêmes est important, certaines bandes de fréquences peuvent être trop étroites, trop de bandes augmenteront la charge de calcul et des bandes trop étroites entraîneront une distorsion de l'affichage sur le plan temps-fréquence, et des lignes lumineuses de couleur inchangée apparaîtront, comme 250 Hz et 700 Hz dans la sous-figure (1) de la Fig. la composante de fréquence ne peut pas être inchangée. Il n'y a qu'une seule limite dans la plage de 0 à 1000 Hz basée sur la méthode adaptative, les composants à analyser sont divisés ensemble, ce qui n'est pas utile pour l'analyse des vibrations du transformateur. La méthode basée sur le plan gaussien est la meilleure des trois méthodes. En plus des composants de fréquence de résonance qui peuvent être vus dans la méthode basée sur le plan d'échelle gaussien20, la méthode proposée dans cet article peut fournir des fréquences de résonance plus riches, telles qu'environ 20 Hz, 550 Hz, 750 Hz et 850 Hz sur la Fig. 6. La méthode de segmentation proposée peut également donner les fréquences de résonance avec plus de précision, c'est-à-dire que la ligne du plan temps-fréquence est plus droite. La méthode basée sur le plan gaussien nécessite de dessiner un plan gaussien lors de la division du domaine fréquentiel, de sorte que la charge de calcul est très lourde, l'analyse temps-fréquence de la méthode basée sur le plan gaussien prend environ 80 s, tandis que la méthode proposée prend environ 2 s. Lorsque l'analyse temps-fréquence est effectuée pour plusieurs canaux, plusieurs martèlements ou défauts, la méthode basée sur le plan gaussien nécessite des ressources de calcul élevées. Plus important encore, les trois méthodes traditionnelles ci-dessus ne peuvent pas suivre et analyser les composantes de fréquence émergentes.

Dans tous les cas, la méthode EWT reste une bonne méthode d'analyse temps-fréquence, en particulier la méthode EWT basée sur le plan gaussien. La méthode proposée dans cet article est une méthode EWT améliorée. Par rapport à la méthode basée sur le plan gaussien, la méthode améliorée de segmentation du domaine fréquentiel est simple dans le calcul et claire dans l'affichage temps-fréquence des composantes de fréquence importantes, ce qui est plus adapté à l'analyse des données de vibration des transformateurs.

Le tableau 3 montre les résultats d'identification des fréquences de résonance et des coefficients d'amortissement correspondant à plusieurs points de fréquence de résonance sur la Fig. 6. Le changement du coefficient d'amortissement du transformateur avec la fréquence de résonance est illustré sur la Fig. 7. Avec l'augmentation de la fréquence de résonance, le coefficient d'amortissement montre une tendance à la baisse. Pour les points de fréquence de résonance supérieurs à 400 Hz, les coefficients d'amortissement seront très faibles.

Variation du coefficient d'amortissement avec la fréquence de résonance.

Lorsque le test de martèlement du transformateur est gênant ou impossible, la méthode de détermination de la fréquence de résonance du transformateur à travers les données de vibration à la mise sous tension est très utile. Surtout pour les gros transformateurs de puissance, le test de martèlement peut être difficile à réaliser. Puisqu'il n'y a pas de courant dans l'enroulement du transformateur lorsque le transformateur est sous tension, il n'est pas nécessaire de prendre en compte les vibrations causées par le courant de charge, de sorte que le signal d'interférence est faible pendant la mesure des vibrations. Lorsque le transformateur est sous tension, cela revient à se donner une excitation physique à lui-même. Bien qu'il existe certaines composantes de vibration générées par l'excitation du transformateur pendant le fonctionnement à vide du transformateur, cependant, les spectres de fréquence du courant d'excitation sont déterminés, de sorte que les composantes de vibration générées par le courant d'excitation sont également déterminées. Par conséquent, le changement de la fréquence de résonance peut être observé en comparant le spectre de vibration lorsque le transformateur est sous tension.

Les figures 8 et 9 montrent les résultats d'analyse des données de vibration lorsque le transformateur est sous tension, et le temps de mise sous tension du transformateur est de 0,36 s. La méthode basée sur le plan gaussien ne met pas en évidence la partie avec une grande amplitude de fréquence, telle que 100 Hz, 250 Hz, etc. Les résultats améliorés de la segmentation du domaine fréquentiel sont présentés à la Fig. 9. On peut voir que la nouvelle méthode de segmentation définit la limite pour les parties avec une grande amplitude (100 Hz, 250 Hz). Par rapport aux résultats du plan temps-fréquence de la Fig. 8, les informations temps-fréquence de la méthode proposée dans cet article sont plus évidentes.

L'analyse des données de vibration de la puissance du transformateur sur la base du plan gaussien6, (a) correspond aux résultats de la segmentation du spectre de Fourier (position supérieure gauche, palette de couleurs, « jet »).

Analyse des données de vibration de la puissance du transformateur sur la base de la méthode proposée dans cet article, (a) correspond aux résultats de la segmentation du spectre de Fourier (position supérieure gauche, palette de couleurs, « jet »).

Dans les Fig. 10 et 11, K1–K4 sont les résultats de l'analyse de Fourier de la vibration du test de martèlement du transformateur, on peut voir que bien que les fréquences de résonance excitées par les quatre tests de martèlement ne soient pas exactement les mêmes, la plage de distribution des points de résonance est fondamentalement la même, et les fréquences de résonance du transformateur peuvent être obtenues plus complètement en martelant dans différentes directions. La première ligne bleu foncé est le résultat de l'analyse lorsque le transformateur est sous tension. On peut voir que les composants de vibration du transformateur incluent tous les composants de doublage de fréquence de 50 Hz entre 0 et 1000 Hz dans les directions transversale et longitudinale. Par conséquent, lorsqu'un point de résonance se produit à moins de 1000 Hz, il provoquera une résonance sur la composante de doublage de fréquence de 50 Hz qui lui est adjacente. À l'exception du point de fréquence de 100 Hz causé par l'hystérésis, les points de fréquence de résonance excités par le test du marteau sont fondamentalement les mêmes que les points de fréquence de vibration à la mise sous tension. On peut voir que le transformateur résonne à certaines fréquences, telles que 350 Hz, 600 Hz et 800 Hz sur la Fig. 10 et 200 Hz, 400 Hz, 600 Hz ~ 800 Hz et 900 Hz sur la Fig. 11.

Résultats de l'analyse des données de vibration de quatre tests de martelage et mise sous tension (position supérieure gauche).

Résultats de l'analyse des données de vibration de quatre tests de martelage et mise sous tension (position supérieure droite).

La figure 12 montre le spectre de fréquence des vibrations en régime permanent du transformateur sous une charge de 60 kW et 100 kW respectivement. La figure 13 montre les changements de vibration avant et après l'étape de charge du transformateur, la charge est commutée de 60 à 100 kW, le temps d'étape de charge est d'environ 0,39 s. En comparant le spectre de fréquence des vibrations en régime permanent avant et après l'étape de charge du transformateur, on peut voir que les composantes de 200 Hz, 400 Hz, 700 Hz et 1000 Hz changent considérablement, dans laquelle la composante 1000 Hz est une composante de fréquence émergente. En définissant la limite de division du domaine fréquentiel à proximité de ces composantes, il est évident que les quatre composantes fréquentielles changent immédiatement après l'étape de charge, de sorte que l'étape de charge est la raison du changement de ces composantes fréquentielles.

Comparaison du domaine fréquentiel avant et après l'étape de charge du transformateur (position supérieure gauche).

Données de vibration et affichage temps-fréquence avant et après l'étape de charge du transformateur (position supérieure gauche).

Lorsque les données de vibration du transformateur changent considérablement, les composants avec un changement d'amplitude important sont déterminés en comparant chaque composant de signal dans le domaine fréquentiel, puis une limite est définie près du composant de fréquence cible pour améliorer la résolution temps-fréquence de la fréquence cible et déterminer le temps d'occurrence de la fréquence cible. Combiné avec les signaux de tension et de courant de l'étape de charge du transformateur, il peut être déterminé si le changement du signal de fréquence cible est causé par des défauts de transformateur ou une étape de charge.

Les figures 14 et 15 montrent les résultats d'analyse du test de martèlement du transformateur embarqué immergé dans l'huile de 25 kV pour les unités multiples électriques (EMU). La figure 14 est le résultat basé sur le procédé proposé ici, et la figure 15 est le résultat basé sur le plan gaussien classique. La distribution spectrale du transformateur embarqué immergé dans l'huile de 25 kV est très large et il existe de nombreux points de fréquence de résonance dans la plage de 0 à 3000 Hz. Les résultats de l'analyse temps-fréquence de la partie haute fréquence et de la partie basse fréquence sont illustrés à la Fig. 14. On peut voir que pour la partie basse fréquence, les deux méthodes ont une meilleure résolution temps-fréquence et la méthode proposée est plus densément divisée ; pour la partie haute fréquence, la méthode proposée dans cet article présente des avantages évidents, notamment pour la composante 3000 Hz, l'amplitude de la composante fréquentielle est très élevée, et la méthode basée sur le plan gaussien ne montre pas bien l'évolution de la composante fréquentielle.

Les résultats d'analyse des données d'essai de martelage du transformateur embarqué immergé dans l'huile de 25 kV, (a) sont les résultats de la segmentation du spectre de Fourier (méthode proposée dans cet article, position supérieure gauche, palette de couleurs, « jet »).

Les résultats d'analyse des données d'essai de martelage du transformateur embarqué immergé dans l'huile de 25 kV, (a) sont les résultats de la segmentation du spectre de Fourier (méthode basée sur le plan d'échelle gaussien, position supérieure gauche, palette de couleurs, « jet »).

Les figures 16 et 17 sont les résultats d'analyse du test de martèlement du transformateur de traction métro de 35 kV. La figure 16 est le résultat basé sur le procédé proposé ici, et la figure 17 est le résultat basé sur le plan gaussien classique. On peut voir que la distribution de fréquence de résonance du transformateur de type sec pour Metro 35 kV est très concentrée, principalement dans la plage de 200 à 400 Hz, et les deux méthodes ont une bonne résolution temps-fréquence.

Les résultats d'analyse des données d'essai de martelage du transformateur de traction de métro de 35 kV, (a) sont les résultats de la segmentation du spectre de Fourier (méthode proposée dans cet article, position en haut à gauche, palette de couleurs, « jet »).

Les résultats d'analyse des données de test de martelage du transformateur de type sec de métro de 35 kV, (a) sont les résultats de la segmentation du spectre de Fourier (méthode basée sur le plan d'échelle gaussien, position supérieure gauche, palette de couleurs, « jet »).

On peut voir que la méthode proposée dans cet article a une résolution temps-fréquence élevée pour ces deux types de transformateurs. La méthode proposée dans cet article a une bonne applicabilité pour les composants basse fréquence et les composants haute fréquence, et le temps de traitement des signaux de vibration des deux types de transformateurs est inférieur à 2 s. Cependant, la méthode basée sur le plan gaussien a un temps d'exécution d'environ 80 s.

Combiné avec les résultats d'analyse de trois transformateurs, les avantages de la méthode proposée sont les suivants.

Cette méthode peut suivre et analyser le composant de changement soudain. Lorsque la vibration du transformateur fluctue, la cause de la fluctuation des vibrations peut être déterminée en localisant le temps de changement de fréquence et le temps d'étape de charge, ce qui est d'une grande importance pour réaliser le diagnostic de défaut en ligne du transformateur.

Grâce au procédé proposé, les formes d'onde de vibration à des fréquences de résonance sont séparées, et les coefficients d'amortissement et d'autres coefficients de corrélation à différentes fréquences de résonance sont extraits.

Pour les gros transformateurs de puissance, le test de martèlement peut être difficile à réaliser. Lorsque le test de martèlement du transformateur est gênant ou impossible, les fréquences de résonance du transformateur peuvent être déterminées par les données de vibration pendant la mise sous tension à vide.

L'inconvénient de cette méthode est que pour différents types de transformateurs, la détermination de kp (dans l'équation 24) et de kq (dans l'équation 25) doit être combinée avec la vibration du transformateur et ajustée en conséquence selon les objectifs de l'analyse.

Une méthode EWT améliorée est proposée dans cet article. Grâce à l'analyse des signaux de vibration du transformateur de type sec de 380 V, du transformateur de type sec de métro de 35 kV et du transformateur embarqué immergé dans l'huile de 25 kV de l'EMU, l'applicabilité de cette méthode pour les transformateurs avec différents niveaux de tension et différentes capacités est prouvée.

La méthode proposée dans cet article peut éliminer efficacement l'influence des composants d'interférence tels que les composants de petite amplitude et plusieurs composants adjacents de haute amplitude, et met en évidence l'importance des composants de haute amplitude et des composants avec de grands changements dans le domaine fréquentiel. Plus important encore, par rapport aux méthodes traditionnelles, la méthode proposée peut suivre et analyser les nouvelles composantes de fréquence. Grâce à l'analyse des données de vibration de martèlement du transformateur et de puissance sur les données de vibration, cette méthode a une résolution temps-fréquence plus élevée et le temps de calcul est raccourci de 80 s à environ 2 s, ce qui prouve la supériorité de cette méthode.

Toutes les données générées au cours de cette étude sont incluses dans cet article publié [et ses fichiers d'informations supplémentaires].

Dai, J., Song, H., Sheng, G. et Jiang, X. Analyse des gaz dissous de l'huile isolante pour le diagnostic des défauts des transformateurs de puissance avec un réseau de croyances profondes. IEEE T. Diélect. El. Dans. 24(5), 2828–2835 (2017).

Article CAS Google Scholar

Zhang, B., Yan, N., Du, J., Han, F. & Wang, H. Une nouvelle approche pour étudier la vibration du noyau dans les transformateurs de puissance. IEEE T. Magn. 54(11), 1–4 (2018).

Google Scholar

Bagheri, M., Zollanvari, A. & Nezhivenko, S. Pronostic de l'état de défaut du transformateur à l'aide de signaux de vibration dans un environnement nuageux. Accès IEEE 6, 9862–9874 (2018).

Article Google Scholar

Lee, SH, Jung, SY & Lee, BW Mesures de décharge partielle de matériaux diélectriques cryogéniques dans un transformateur HTS utilisant HFCT. IEEE T. Appl. Super con. 20(3), 1139–1142 (2010).

Article ADS CAS Google Scholar

Yang, Z., Zhou, Q., Wu, X. & Zhao, Z. Une nouvelle méthode de mesure de la tension interfaciale de l'huile de transformateur combine le SVM optimisé PSO et la technologie ultrasonique multifréquence. Accès IEEE 7, 182624–182631 (2019).

Article Google Scholar

Kim, JW, Park, B., Jeong, SC, Kim, SW et Park, P. Diagnostic de défaut d'un transformateur de puissance à l'aide d'une analyse améliorée de la réponse en fréquence. IEEE T. Power Deliver. 20(1), 169-178 (2005).

Article Google Scholar

Zhang, P., Li, L., Cheng, Z., Tian, C. et Han, Y. Étude sur la vibration du noyau de fer du transformateur et du réacteur basée sur la contrainte maxwell et la magnétostriction anisotrope. IEEE T. Magn. 55(2), 1–5 (2019).

Article Google Scholar

Saponara, S., Fanucci, L., Bernardo, F. & Falciani, A. Diagnostic prédictif des défauts des transformateurs haute puissance en mettant en réseau des nœuds de mesure des vibrations avec traitement de signal intégré. IEEE T.Instrum. Mes. 65(8), 1749-1760 (2016).

Article Google Scholar

Kang, P. & Birtwhistle, D. Surveillance de l'état des changeurs de prises en charge des transformateurs de puissance. Partie 2 : Détection du vieillissement à partir des signatures vibratoires. Proc. Production Transmission Distribution. 148(4), 307 (2001).

Article Google Scholar

Garcia, B., Burgos, JC & Alonso, A. Modélisation des vibrations du réservoir du transformateur comme méthode de détection des déformations des enroulements - Partie I : Fondements théoriques. IEEE T. Power Deliver. 21(1), 157–163 (2006).

Article Google Scholar

Shin, PS, Lee, J. & Ha, JW Une analyse de vibration libre des enroulements hélicoïdaux du transformateur de puissance par la méthode pseudospectrale. IEEE T. Magn. 43(6), 2657–2659 (2007).

Annonces d'article Google Scholar

Shengchang, J., Yongfen, L. & Yanming, L. Recherche sur la technique d'extraction des vibrations de fréquence fondamentale du noyau du transformateur basée sur l'OLCM. IEEE T. Power Deliver. 21(4), 1981-1988 (2006).

Article Google Scholar

Hsu, C. et al. Réduction des vibrations et du niveau sonore pour un transformateur de puissance monophasé de grande capacité. IEEE T. Magn. 51(11), 1–4 (2015).

Google Scholar

Jing, Z., Hai, H., Pan, J. & Yanni, Z. Identification du système de vibration non linéaire des transformateurs de puissance. Mes. Sci. Technol. 28(1), 15005 (2016).

Article Google Scholar

Bartoletti, C. et al. Techniques vibro-acoustiques pour diagnostiquer les transformateurs de puissance. IEEE T. Power Deliver. 19(1), 221–229 (2004).

Article Google Scholar

X. Zhang, R. Huang, D. Zhou, F. Wang (2018) Surveillance des vibrations du transformateur de convertisseur par entropie de permutation simplifiée, 2018. IEEE, 864–869. https://doi.org/10.1109/CAC.2018.8623221

Luo, Bo., Wang, F., Liao, T. & He, Z. Identification des paramètres modaux de l'enroulement du transformateur de puissance basée sur l'ondelette de Morlet complexe améliorée. J. Vib. Choc 33(06), 131-136 (2014).

Google Scholar

Yan, O., Lin, X. & Yin, J. Caractéristiques des données de vibration du transformateur de puissance utilisant la théorie des ondelettes. Ingénieur Haute Tension 01, 165-168 (2007).

Google Scholar

Duan, R. & Wang, F. Diagnostic de défaut du changeur de prise en charge dans le transformateur de convertisseur basé sur l'analyse des vibrations temps-fréquence. IEEE T. Ind. Electron. 63(6), 3815–3823 (2016).

Article Google Scholar

Gilles, J. Transformée empirique en ondelettes. Processus de signal IEEE T. 61(16), 3999–4010 (2013).

Article ADS MathSciNet Google Scholar

Liu, W., Cao, S. & Chen, Y. Analyse temps-fréquence sismique via une transformée en ondelettes empirique. IEEE Geosci. Distant S. 13(1), 28–32 (2016).

Article CAS Google Scholar

Liu, N., Li, Z., Sun, F., Wang, Q. et Gao, J. La transformée en ondelettes empirique améliorée et ses applications aux données de réflexion sismique. IEEE Geosci. Distant S. 16(12), 1939-1943 (2019).

Article Google Scholar

Parashar, D. & Agrawal, DK Classification automatique des stades du glaucome à l'aide de la transformée en ondelettes empirique du tenseur bidimensionnel. IEEE Signal Proc. Laisser. 28, 66–70 (2021).

Annonces d'article Google Scholar

Xin, Y., Li, S., Zhang, Z., An, Z. & Wang, J. Transformée empirique renforcée en ondelettes de Morlet et son application au diagnostic des défauts des machines tournantes. Accès IEEE 7, 65150–65162 (2019).

Article Google Scholar

Lu, S., Gao, W., Hong, C. et Sun, Y. Une nouvelle méthode de diagnostic des défauts pour les transformateurs via une transformée empirique améliorée en ondelettes et une machine d'apprentissage extrême du noyau. Adv. Ing. Informer. 49, 101320 (2021).

Article Google Scholar

Zhao, M. & Xu, G. Extraction des caractéristiques des signaux de vibration des transformateurs de puissance basée sur la transformation empirique en ondelettes et l'entropie multi-échelle. IET Sci. Mes. Technol. 12(1), 63–71 (2018).

Article Google Scholar

Télécharger les références

École de génie électrique, Université Jiaotong de Pékin, Pékin, 100044, Chine

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

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

RN : Rédaction, révision et édition. ZJ : Méthodologie. JC : Acquisition de financement. RQ : Administration du projet. ZL : Supervision.

Correspondance à Ruichang Qiu.

Les auteurs ne déclarent aucun intérêt concurrent.

Springer Nature reste neutre en ce qui concerne les revendications juridictionnelles dans les cartes publiées et les affiliations institutionnelles.

Libre accès Cet article est sous licence Creative Commons Attribution 4.0 International, qui autorise l'utilisation, le partage, l'adaptation, la distribution et la reproduction sur tout support ou format, à condition que vous accordiez le crédit approprié à l'auteur ou aux auteurs originaux et à la source, fournissez un lien vers la licence Creative Commons et indiquez si des modifications ont été apportées. Les images ou tout autre matériel de tiers dans cet article sont inclus dans la licence Creative Commons de l'article, sauf indication contraire dans une ligne de crédit au matériel. Si le matériel n'est pas inclus dans la licence Creative Commons de l'article et que votre utilisation prévue n'est pas autorisée par la réglementation légale ou dépasse l'utilisation autorisée, vous devrez obtenir l'autorisation directement du détenteur des droits d'auteur. Pour voir une copie de cette licence, visitez http://creativecommons.org/licenses/by/4.0/.

Réimpressions et autorisations

Ni, R., Qiu, R., Jin, Z. et al. Transformée en ondelettes empirique améliorée (EWT) et son application dans le signal de vibration non stationnaire du transformateur. Sci Rep 12, 17533 (2022). https://doi.org/10.1038/s41598-022-22519-z

Télécharger la citation

Reçu : 08 avril 2022

Accepté : 17 octobre 2022

Publié: 20 octobre 2022

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

Toute personne avec qui vous partagez le lien suivant pourra lire ce contenu :

Désolé, aucun lien partageable n'est actuellement disponible pour cet article.

Fourni par l'initiative de partage de contenu Springer Nature SharedIt

En soumettant un commentaire, vous acceptez de respecter nos conditions d'utilisation et nos directives communautaires. Si vous trouvez quelque chose d'abusif ou qui ne respecte pas nos conditions ou directives, veuillez le signaler comme inapproprié.