振动传感器

干式变压器在运行中受到电、热、机械等应力的共同作用,可能导致铁心松动和绕组变形等异常故障。振动分析法可以灵敏地反映铁心和绕组的机械状态,适用于干式变压器机械故障的检测。文中构建了干式变压器的有限元模型,仿真探究了干式变压器的振动机理与振动特性,发现干式变压器的绕组振动远小于铁心振动,正常运行状态下振动主要来源于铁心的磁致伸缩效应。文中搭建了干式变压器实验平台,采集并对比分析了正常工况和铁心松动状态下干式变压器表面的振动信号。发现随着铁心逐渐饱和,振动信号不再随电压平方呈线性关系增长,总振动信号峰值增长变快,基频振动信号幅值增长变慢。根据实验得到不同工况下干式变压器的振动信号频谱,发现可将振动信号的基频占比、高低频比作为诊断干式变压器机械状态的特征参量。

输电杆塔连接大量输电线路，是电力网络的重要组成部分。杆塔主要工作于野外环境，面临冰雪大风、山体滑坡等自然灾害的威胁，杆塔倾斜、振动灾害时有发生。严重情况下，导致杆塔折断，影响区域供电的可靠性。传统的杆塔灾害预防主要依靠人工巡检，不仅无法监测实时性数据，同时造成人力成本的浪费。针对杆塔实时预警问题，融合智能感知技术、无线数据传输技术，提出了一种输电杆塔传感器预警监测网络。并选用模态置信参数反映网络优化指标，采取尽量少的传感器获取更多有效信息，避免传感器冗余浪费，实现杆塔监测效率最优化。这对于建设智能监测网络，构建安全可靠电网具有重大意义。

输电线路常常遭受施工机械破坏导致停电事故，而传统的人工巡检和视频监控不具有实时性，光纤传感“后知后觉”，不能起到及时预警的作用。针对上述情况，文章通过研究声信号的特性及其在传播过程中的衰减特性，分析工程机械声信号的产生机理。并基于微振动传感器开发振动采集装置，现场采集各类工程机械不同条件下的声信号数据，分析声信号的振动特征，通过预处理和梅尔频率倒谱系数(Mel Frequency Cepstrum Coefficient，MFCC)特征提取，构建模型数据库，利用对数似然比的评价指标进行被 测声信号识别。实际测试结果表明，典型工程机械的识别率达到93%以上，验证了声信号振动特征的准确性和识别算法的有效性，实现了输电线路环境异变监测和预警。