一种基于声音采集阵列检测的变压器故障分析方法及系统

本发明涉及变压器故障分析，尤其是涉及一种基于声音采集阵列检测的变压器故障分析方法及系统。

背景技术：

1、基于声音采集分析变压器故障是一种先进的监测和诊断方法，利用变压器内部产生的声音信号进行故障检测；声音分析技术在电力设备维护领域得到广泛应用，因为故障状态常常伴随着特定的声音频谱变化；在变压器运行过程中，由于内部故障或运行异常，会产生不同频率和振幅的声音信号，这些信号包含了变压器当前状态的信息。

2、现有的声音采集分析变压器故障的技术大多都是预设的运行噪音特征比对分辨变压器实际发出的运行噪音特征，进而确定出变压器的内部故障，这种方式能够确定出来的内部故障较少，依赖预先设定的运行噪音特征的多少。

技术实现思路

1、本发明的目的是提供一种能够分辨出更多故障的变压器故障分析方法及系统。

2、本发明公开了一种基于声音采集阵列检测的变压器故障分析方法，包括：

3、建立声音采集立体坐标系，并基于声音采集阵列和变压器的结构特征和相对位置特征，在声音采集立体坐标系中配置声音采集阵列模型和变压器立体模型；

4、将变压器的正常运行噪音特征构建第一正常运行噪音特征集，将变压器的异常运行噪音特征构建第一异常运行噪音特征集；

5、采集声音采集阵列采集到的实时运行噪音特征，并在第一正常运行噪音特征集中比对筛选出第一需剔除运行噪音特征，在第一异常运行噪音特征集中比对筛选出第二需剔除运行噪音特征，并基于第一需剔除运行噪音特征和第二需剔除运行噪音特征，对实时运行噪音特征进行噪音特征剔除，得到第一实时未知运行噪音特征；

6、获取声音采集阵列中各自声音采集传感器采集到的第一实时未知运行噪音特征的第一时间序次以及第一时间间隔，将第一时间序次以及第一时间间隔认定为时间采集参量组；

7、对时间采集参量组中的第一时间序次以及第一时间间隔进行计算分析，确定在声音采集立体坐标系中发出第一实时未知运行噪音特征的第一预测区块；

8、在第一预测区块中进行多故障子区块模拟，并基于每次模拟结果，分析出每一故障子区块相对声音采集阵列的模拟触发特征；

9、基于每次模拟触发特征，确定声音采集阵列中每一声音采集传感器的响应特征，并对所有声音采集传感器对应的响应特征进行综合分析，生成模拟校对模型；

10、将每一多故障子区块模拟故障过程中的模拟校对模型和声音采集阵列中每一声音采集传感器生成的第一实时运行噪音特征进行比对分析，得到多故障子区块模拟的实际相符值，并基于实际相符值，对多故障子区块模拟进行排序；

11、根据预设筛选序次对多故障子区块模拟进行筛选，将筛选出来的多故障子区块模拟对应的多故障子区块认定为可能故障发生点，并将认定的可能故障发生点映射于变压器立体模型上成像。

12、在本发明公开的一些实施例中，在声音采集立体坐标系中配置声音采集阵列模型和变压器立体模型的方法包括：

13、基于声音采集阵列中声音采集传感器的相对位置，在声音采集立体坐标系内对每一声音采集传感器配置第一立体坐标；

14、将所有第一立体坐标进行组合，构建生成声音采集阵列模型；

15、获取变压器的设计信息，并基于变压器的设计信息，构建变压器立体模型，并基于变压器相对声音采集阵列的相对位置，在声音采集立体坐标系内对变压器立体模型的结构标志点配置第二立体坐标。

16、在本发明公开的一些实施例中，确定在声音采集立体坐标系中发出第一实时未知运行噪音特征的第一预测区块的方法包括：

17、针对变压器立体模型设定了若干预测探点，并针对每一预测探点标记探点坐标；

18、依次在每一预测探点生成动态声波推进圆线，并记录预测探点对应的动态声波推进圆线与每一声音采集传感器对应的第一立体坐标的重合次序和重合时间间隔，并将重合次序和重合时间间隔构建生成重合比对参量组；

19、将每一预测探点对应的重合比对参量组和时间采集参量组进行比对，并基于重合比对参量组和时间采集参量组的适配程度，确定用于映射第一预测区块位置参量的预测探点；

20、根据预测探点所对应的变压器立体模型的位置附近的结构特征，以及变压器的历史负载特征，确定第一预设区块的体积参量。

21、在本发明公开的一些实施例中，确定第一预设区块的体积参量的方法包括：

22、获取预测探点位置附近预设体积空间内的易损部件，并基于每一易损部件预设的易损参数，构建易损程度算子；

23、获取变压器的历史运行时长以及不同负载状态的负载时长，并基于变压器的历史运行时长以及不同负载状态下的负载时长，构建负载磨损程度算子；

24、基于易损程度算子和负载磨损程度算子，确定第一预设区块的体积参量；

25、其中，计算第一预设区块的体积参量的表达式为：

26、{v}_{1}={k}_{1}\times exp\left [ {{\sigma }^{1i}_{1}\left ( {{l}_{n1}\times {x}_{n1}} \right )+{b}_{1}} \right ]+{k}_{2}\times ln\left [ {{r}_{1}\times {t}_{z}+{b}_{2}} \right ]+{k}_{3}\times exp\left [ {{r}_{2}\times {\sigma }^{i2}_{1}\left ( {{p}_{n2}\times {t}_{n2}} \right )+{b}_{3}} \right ]；

27、其中，为第一预设区块的体积参量，为第一调整系数，为第二调整系数，为第三调整系数，为第一调整常数，为第二调整常数，为第三调整常数，为第n1个易损部件的易损调整系数，为第n1个易损部件的易损参数，为历史运行时长调整系数，为历史运行时长，为第n2个负载状态参数，为第n2个负载状态的负载时长。

28、在本发明公开的一些实施例中，获取声音采集阵列中各自声音采集传感器采集到的第一实时未知运行噪音特征的第一时间序次以及第一时间间隔的方法包括：

29、按照预设时间间隔，驱动声音采集阵列中的每一声音采集传感器开启和关闭，并在每一次开启时，获取每一声音采集传感器采集到的第一实时未知运行噪音特征；

30、建立第一时间参考线，将采集到的第一个第一实时未知运行噪音特征的时间节点配置于第一时间参考线的起始端点，并将对应的声音采集传感器与起始端点关联；

31、将其他采集到的第一实时未知运行噪音特征的时间节点配置于第一时间参考线，并将对应的声音采集传感器与时间节点关联；

32、基于第一时间参考线上关联的声音采集传感器和对应的时间节点，确定各自声音采集传感器采集到的第一实时未知运行噪音特征的第一时间序次以及第一时间间隔。

33、在本发明公开的一些实施例中，在第一预测区块中进行多故障子区块模拟的方法包括：

34、对第一实时未知运行噪音特征进行分析，生成第一实时未知运行噪音频谱曲线，并对第一实时未知运行噪音频谱曲线中的周期进行确定；

35、对第一实时未知运行噪音频谱曲线每一周期中的振幅峰值点进行分析，并将等高的振幅峰值点的组合，生成振幅峰值组，并根据振幅峰值组的数量，确定故障子区块的预测数量范围；

36、基于确定的故障子区块的预测数量范围，动态将若干故障子区块进行组合，生成多故障子区块组；

37、在多故障子区块组中的每一故障子区块的所属位置依次发出的动态声波推进圆线，并推算出声音采集阵列模型中每一第一立体坐标与动态声波推进圆线的重合次序和重合时间间隔，并将每一第一立体坐标对应的重合次序和重合时间间隔与发出动态声波推进圆线的故障子区块进行关联。

38、在本发明公开的一些实施例中，生成模拟校对模型的方法包括：

39、针对每一故障子区块构建第二时间参考线，并基于每一声音采集传感器关联的重合次序和重合时间间隔，在第二时间参考线上设定每一声音采集传感器的声音采集节点；

40、将多故障子区块组中所有故障子区块对应的第二时间参考线进行组合，生成模拟校对模型。

41、在本发明公开的一些实施例中，将模拟校对模型和声音采集阵列中每一声音采集传感器生成的第一实时运行噪音特征进行比对分析的方法包括：

42、对声音采集传感器的第一实时运行噪音特征进行分析，生成第一实时未知运行噪音频谱曲线；

43、对每一声音采集传感器对应的第一实时未知运行噪音曲线进行分析，提取每一第一实时未知运行噪音曲线中振幅峰值组对应的振幅峰值点，并在第一实时未知运行噪音曲线上进行标记；

44、将若干第一实时未知运行噪音曲线对齐，并将不同第一实时未知运行噪音曲线上的等同振幅峰值点进行关联，并确定出不同第一实时未知运行噪音曲线的等同振幅峰值点的发生序次和发生时间间隔，并将发生序次和发生时间间隔列组合为校对参数组；

45、将所有振幅峰值组对应的校对参数组均代入模拟校对模型进行比对，根据校对参数组与第二时间参考线的相适配数量，确定模拟校对模型对应的多故障子区块模拟的实际相符值。

46、在本发明公开的一些实施例中，还公开有一种基于声音采集阵列检测的变压器故障分析系统，包括：

47、第一模块，用于建立声音采集立体坐标系，并基于声音采集阵列和变压器的结构特征和相对位置特征，在声音采集立体坐标系中配置声音采集阵列模型和变压器立体模型；

48、第二模块，用于将变压器的正常运行噪音特征构建第一正常运行噪音特征集，将变压器的异常运行噪音特征构建第一异常运行噪音特征集，采集声音采集阵列采集到的实时运行噪音特征，并在第一正常运行噪音特征集中比对筛选出第一需剔除运行噪音特征，在第一异常运行噪音特征集中比对筛选出第二需剔除运行噪音特征，并基于第一需剔除运行噪音特征和第二需剔除运行噪音特征，对实时运行噪音特征进行噪音特征剔除，得到第一实时未知运行噪音特征；

49、第三模块，用于获取声音采集阵列中各自声音采集传感器采集到的第一实时未知运行噪音特征的第一时间序次以及第一时间间隔，将第一时间序次以及第一时间间隔认定为时间采集参量组，对时间采集参量组中的第一时间序次以及第一时间间隔进行计算分析，确定在声音采集立体坐标系中发出第一实时未知运行噪音特征的第一预测区块；

50、第四模块，用于在第一预测区块中进行多故障子区块模拟，并基于每次模拟结果，分析出每一故障子区块相对声音采集阵列的模拟触发特征，基于每次模拟触发特征，确定声音采集阵列中每一声音采集传感器的响应特征，并对所有声音采集传感器对应的响应特征进行综合分析，生成模拟校对模型，将每一多故障子区块模拟故障过程中的模拟校对模型和声音采集阵列中每一声音采集传感器生成的第一实时运行噪音特征进行比对分析，得到多故障子区块模拟的实际相符值，并基于实际相符值，对多故障子区块模拟进行排序；

51、第五模块，用于根据预设筛选序次对多故障子区块模拟进行筛选，将筛选出来的多故障子区块模拟对应的多故障子区块认定为可能故障发生点，并将认定的可能故障发生点映射于变压器立体模型上成像。

52、本发明公开了一种基于声音采集阵列检测的变压器故障分析方法及系统，涉及变压器故障分析技术领域，公开了在声音采集立体坐标系中发出第一实时未知运行噪音特征的第一预测区块，在第一预测区块中进行多故障子区块模拟，对所有声音采集传感器对应的响应特征进行综合分析，生成模拟校对模型，将模拟校对模型和声音采集阵列中每一声音采集传感器生成的第一实时运行噪音特征进行比对分析，得到多故障子区块模拟的实际相符值，将筛选出来的多故障子区块模拟对应的多故障子区块认定为可能故障发生点，并将认定的可能故障发生点映射于变压器立体模型上成像，实现了对实时未知运行噪音特征的位置确定，进而能够更多的判断出变压器的内部故障。

53、下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。