一种电力设备机械故障的诊断方法与流程

本发明涉及电力设备监测技术领域，更具体地说是指一种电力设备机械故障的诊断方法。

背景技术：

电气设备是电力系统的重要组成部分，电气设备在安装、运行过程中如果产生了电磁振动或者机械缺陷，会导致振动信号的产生，振动特性变化可以反映设备内部的运行状态，而电气设备内部振动的持续发展容易引发机械故障或绝缘故障。所以对电气设备的机械状态进行检测就显得尤为重要。

技术实现要素：

本发明提供的一种电力设备机械故障的诊断方法，其目的在于解决现有技术中存在的上述问题。

本发明采用的技术方案如下：

一种电力设备机械故障的诊断方法，包括以下步骤：1、用振动仪按照一定采集率采集电力设备的振动信号,得到振动信号时域序列；其中，i=1、2、3……n；2、计算振动信号时域序列的基本特征量；3、对基本特征值进行进一步计算，得到特征系数；4、采集电力设备正常运行时的振动信号，并按照步骤1至步骤3得到相应特征系数的标准参考值；5、采集电力设备的实时振动信号，并按照步骤1至步骤3得到相应特征系数的实时监测值；6、利用实时监测值和标准参考值，得到相应特征系数的变化率；7、根据相应特征系数的变化率分析判断电力设备的故障类型。

具体地，所述步骤2中的基本特征量包括：

时域幅值；其中，表示电力设备的振动信号时域序列，i=1、2、3、……、n；

时域最大幅值；

时域幅值标准差，且；其中，表示振动信号时域序列的数学期望值；

对所测得的振动信号时域序列用傅里叶变换法，求取基频100hz的幅值a100及其倍频幅值a200、a300、……a2000，统一记为ak；其中，k=100、200……、2000。

具体地，所述步骤3中的特征系数包括：

时域幅值特征系数，其中表示母线电流标准参考值；

时域最大幅值特征系数；

时域幅值标准差特征系数；

基频及倍频幅值特征系数；

具体地，所述步骤6中的相应特征系数的变化率包括：

时域幅值特征系数的变化率；其中，表示时域幅值特征系数的标准参考值；

基频及倍频幅值特征系数的变化率；其中，和为基频及倍频幅值特征系数的标准参考值。

具体地，所述步骤7包括以下子步骤：

7.1、若δam>50%、δa100>50%、δa200>50%、δa300>50%且δa1000<10%，则判断故障为主回路触头松动严重。

7.2、若δam>10%、δa100>10%、δa200>10%、δa300>10%且δa1000<10%，则判断故障为主回路紧固件松动。

7.3、若δam<10%、δa100<10%、δa200>10%、δa300>10%且δa1000<10%，则判断故障为内部均压件松动。

7.4、若δam<10%、δa100<10%、δa200<10%、δa300<10%且δa1000>10%，则判断故障为外部紧固件松动。

7.5、若δam<10%、δa100<10%、δa200<10%、δa300>10%且δa600>10%，则判断故障为隔离开关触点接触不良。

7.6、若δam<10%、δa100<10%、δa200<10%、δa300<10%且δa1400>10%，则判断故障为母线触头松动。

由上述对本发明的描述可知，和现有的技术相比，本发明的优点在于：

本发明通过时域幅值特征系数的变化率、基频及倍频幅值特征系数的变化率来分析判断电力设备的故障类型，具有诊断准确且迅速等优点，有助于及时发现电力设备的机械故障，并作出相应措施来避免安全事故的发生。

附图说明

图1为本发明中，根据相应特征系数的变化率分析判断故障类型的流程图。

具体实施方式

下面参照附图说明本发明的具体实施方式。为了全面理解本发明，下面描述到许多细节，但对于本领域技术人员来说，无需这些细节也可实现本发明。

一种电力设备机械故障的诊断方法，包括以下步骤。

1、用振动仪按照一定采集率采集电力设备的振动信号,得到振动信号时域序列；其中，i=1、2、3……n。

2、计算振动信号时域序列的基本特征量。

具体地，基本特征量包括：

时域幅值；其中，表示电力设备的振动信号时域序列，i=1、2、3、……、n。

时域最大幅值。

时域幅值标准差，且；其中，表示振动信号时域序列的数学期望值。

对所测得的振动信号时域序列用傅里叶变换法，求取基频100hz的幅值a100及其倍频幅值a200、a300、……a2000，统一记为ak；其中，k=100、200……、2000。

3、对基本特征值进行进一步计算，得到特征系数。

具体地，特征系数主要包括。

时域幅值特征系数，其中表示母线电流标准参考值。

时域最大幅值特征系数。

时域幅值标准差特征系数。

基频及倍频幅值特征系数。

4、采集电力设备正常运行时的振动信号，并按照步骤1至步骤3得到相应特征系数的标准参考值。

5、采集电力设备的实时振动信号，并按照步骤1至步骤3得到相应特征系数的实时监测值。

6、利用实时监测值和标准参考值，得到相应特征系数的变化率。

具体地，相应特征系数的变化率主要包括。

时域幅值特征系数的变化率；其中，表示时域幅值特征系数的标准参考值。

基频及倍频幅值特征系数的变化率；其中，和为基频及倍频幅值特征系数的标准参考值。

7、根据相应特征系数的变化率分析判断电力设备的故障类型。

如图1所示，步骤7具体包括以下子步骤：

7.1、若δam>50%、δa100>50%、δa200>50%、δa300>50%且δa1000<10%，则判断故障为主回路触头松动严重。

7.2、若δam>10%、δa100>10%、δa200>10%、δa300>10%且δa1000<10%，则判断故障为主回路紧固件松动。

7.3、若δam<10%、δa100<10%、δa200>10%、δa300>10%且δa1000<10%，则判断故障为内部均压件松动。

7.4、若δam<10%、δa100<10%、δa200<10%、δa300<10%且δa1000>10%，则判断故障为外部紧固件松动。

7.5、若δam<10%、δa100<10%、δa200<10%、δa300>10%且δa600>10%，则判断故障为隔离开关触点接触不良。

7.6、若δam<10%、δa100<10%、δa200<10%、δa300<10%且δa1400>10%，则判断故障为母线触头松动。

上述仅为本发明的具体实施方式，但本发明的设计构思并不局限于此，凡利用此构思对本发明进行非实质性的改动，均应属于侵犯本发明保护范围的行为。