Page 110 - 《应用声学》2022年第5期

786 2022 年 9 月

方面仍未有深入研究。这使得有效的特征量提取方
0 引言 法以及故障识别算法缺乏依据。

本文首先建立了变压器铁芯和绕组的电磁
电力变压器是电网的主要设备之一，其安全
场 -结构力场 -声场的多物理场耦合仿真模型，分析
性及可靠性对电网的安全稳定运行具有重要意
变压器绕组的振动以及声音特性，对比实验数据表
义 [1−2] 。国内外统计数据表明，由变压器绕组故障
明，仿真数据与实验数据误差很小，验证仿真模型有
所引起的事故占总事故的 40% 左右，主要原因是变
效性。最后在仿真模型基础上模拟常见的 3 种机械
压器绕组抗短路能力不足 [3−5] 。因此变压器绕组故
故障，分析其故障特征量，为后续变压器声音信号特
障检测以及诊断方法一直是本领域研究的热点。
征量提取及识别提供依据。
变压器故障监测基于声音信号的分析方法，因
变压器与被测对象没有任何接触，并易于实现实时 1 绕组振动机理与有限元建模基础
带电监测与诊断，从而展现出广阔的应用前景 [6−7] 。
本文主要介绍油浸式变压器。变压器绕组受到
长期以来，人们一直将这种声音信号作为一种噪声
漏磁场中的交变磁场作用，从而产生交变的电磁力，
处理，而忽略其内部包含的大量设备信息。变压器
在此作用力下产生周期振动，振动信号可以通过液
绕组机械状态的改变势必会引起变压器的声音信
体 (变压器油) 或者固体 (本体紧构件) 将振动信号
号的改变，只有充分研究绕组的声音信号特性，才能
传导至变压器外壳。变压器振动作为声源向周围介
为绕组机械故障诊断提供依据。
质中扩散进而产生声波，见图1。
目前，国内外广泛开展对于变压器噪声水平及
降噪方法的研究工作。胡静竹等 [8] 建立了电磁 -结 ༏ҵູ ፉጸ
构 -声场有限元模型，分析绕组以及铁心的电磁振
动噪声以及空间声场的分布情况。孙涛等 [9] 提出点 ႃᇓҧ
声源与面声源等效代替的方式，建立变压器声学模 ૝үູ
型，模拟传播过程，并计算变电站内任意点处的噪 ፉጸ૝ү
ڍʹ᡹य़ ๯ʹ᡹य़
声。Duan 等 [10−11] 建立了多场耦合的声场计算模
型，分析变压器噪声的空间分布情况，并提出自适应 ͜୧᡹य़ వʹጋ౞͈ ԫԍ٨෴
变压器有源降噪算法。
此外，国内外学者在变压器的声音信号特征量
ܦູ ෴ኸ᛫᭧૝ү
提取以及模式识别方面也开展了一些研究工作。刘
ܦᣣ࠱
云鹏等针对铁心夹件松动故障提出基于 Mel 时频
ܱᦊ฾ག ܦᮃηՂ
谱-卷积神经网络变压器铁心松动声纹模型，针对大
型变压器提出基于 50 Hz 倍频倒谱系数与门控循环 图 1 绕组振动声音产生及传播

单元的变压器偏磁声纹识别，并将变压器声音信号 Fig. 1 Winding vibration and sound generation
与机器学习、深度学习等算法结合，获得较高的识别 and propagation
率。耿琪深等 [14] 提出一种基于 Gammatone 滤波 1.1 绕组振动产生机理
器倒谱系数(Gammatone filter cepstral coefficient,
变压器的磁场主要包括主磁场和漏磁场，漏磁
GFCC) 和鲸鱼算法优化随机森林的变压器机械故
场是变压器绕组振动的根源。当绕组之中流过电流
障声音诊断方法，算法识别率较高，并具有优良的抗
时，交变漏磁场的存在，使得绕组上产生电磁力。假
噪性能和鲁棒性。
设稳态运行下流过绕组的电流为
由上述的研究现状可以发现，目前国内外在变
I = I m sin(ωt + ϕ 0 ), (1)
压器的声音信号的产生机理、降噪方法、声信号特
征提取以及识别方法中已经取得了大量的成果，但 其中，I m 为绕组电流幅值，ω 为绕组中电流的角频
在变压器正常及故障状态下的声音信号特性分析 率，ϕ 0 为绕组电流的初相位。