饱和电抗器作为特高压直流换流阀的核心装备，运行中产生的振动声音包含大量的信息，其状态评估对换流阀的安全运行具有重要意义。河北省输变电设备安全防御重点实验室（华北电力大学）、先进输电技术国家重点实验室（全球能源互联网研究院有限公司）的刘云鹏、来庭煜、刘嘉硕、魏晓光、裴少通，在2023年第5期《电工技术学报》上撰文，提出一种基于优化S变换和改进深度残差收缩网络的饱和电抗器铁心松动程度声纹识别模型。
研究人员首先开展了高频脉冲激励下的饱和电抗器振动试验，并测量了不同铁心松动程度下的声纹信号；其次在声信号频谱主值区间内，根据能量聚集性优化高斯窗参数来提高声纹图谱的时频分辨率；然后对松动后的声纹特性进行分析，发现高低频比和低频分量主频占比两个特征指标仅能对松动程度较高的状态做出预警；最后采用五个不同方位测点的铁心松动数据代入基于自适应参数修正线性单元的改进深度残差收缩网络中进行训练，来消除声纹图中的冗余信息，并对不同松动程度下的特征进行独立映射，从而增强共同特征的学习能力。
他们的研究结果表明，该模型对电抗器不同铁心松动程度的平均识别准确率达到95.93%，优于传统深度学习算法，可为饱和电抗器在线监测提供重要依据。
特高压直流输电技术具有输送距离长、运行方式灵活、经济高效等诸多优点，已成为新能源外送的重要手段，其中高压直流换流阀的状态直接影响到电网安全和能源送出消纳能力。饱和电抗器作为换流阀的核心部件，起到了抑制电流变化率、高频电压冲击下分摊硅堆电压及保证晶闸管正常开断的作用。
但由于阀厅中设备种类繁多，导致饱和电抗器工况较为复杂。尤其在换流阀开通和关断时，饱和电抗器承受高频脉冲电压，铁心在磁不饱和与磁饱和状态之间的转换一般在数μs到数十μs的时间内完成，加剧了宽频机械振动。
在机械应力的长期循环疲劳持续作用下，易产生内部微小缺陷，进而出现机械结构松动、水管振动磨损和加速老化失效等问题。因此，有必要研究饱和电抗器铁心的振动特性及故障识别方法，为设备状态评估及换流阀高效运维管理提供重要依据。
目前，针对饱和电抗器振动特性的研究较少，且主要集中于振动幅值对比及降噪处理，且所加激励与饱和电抗器实际电压波形存在差异，并未对振动特征进行深入分析。在饱和电抗器机械结构状态评估方面，目前还处于半盲状态，只能进行停电检修，难以实现早期故障识别和预测。
饱和电抗器运行中产生的振动和声音信号包含大量的信息，可反映其运行状态。振动信号的采集多为接触式测量，多对铁心上均需安装振动传感器，成本较高，且多层阀塔的饱和电抗器对地电压等级不同导致绝缘块厚度不同、布点偏移等因素都会对测量结果产生影响。而声音信号监测是非接触式测量方法，测量范围广。
在满足最高电压等级的安全净距前提下，多层阀塔间饱和电抗器与声传感器的测量间距可以实现统一化，实现对阀厅内多台饱和电抗器的在线监测要求。
目前，在电力设备声纹监测领域，已有一定研究，主要集中于变压器故障声信号诊断方面。随着深度学习在语音识别、图像识别等方面的快速发展，已有学者将其应用于变压器声信号识别中。
现有方法基于声音信号对变压器的状态识别取得了一定成果，但若将其应用于饱和电抗器中还存在一些问题：①变压器激励源多为正弦电压或含少量谐波，振动频谱分布在0～2 kHz之间，而脉冲激励下的饱和电抗器振动声信号频谱分布较广，可听声范围内均有体现，复杂程度更高；②声纹信号特征提取方法多以短时傅里叶变换为基础，难以同时体现高频及低频的特征；③不同方位麦克风收集到的铁心振动声纹分量存在差异，缺少多方位声信号的共性识别方法。
为提高饱和电抗器铁心松动程度识别的准确性，河北省输变电设备安全防御重点实验室、先进输电技术国家重点实验室的研究人员，首先进行饱和电抗器铁心松动试验，模拟晶闸管开通、关断过程中产生的高频脉冲电压，并采集电信号及振动声纹信号；其次，采用基于能量聚集性公式的优化S变换（OST）提取声纹特征；然后，研究不同电压等级及铁心松动程度下的声纹频谱分布，构建五个特征指标对松动后的声纹特性进行分析；最后将自适应参数修正线性单元引入深度残差收缩网络，对五个测点声信号的特征进行独立映射，建立饱和电抗器铁心松动程度多方位识别模型，并依据试验构建的数据集验证该模型的有效性。
图1 饱和电抗器铁心振动试验平台
图2 铁心松动故障实物
他们指出，在高频脉冲激励下，饱和电抗器铁心在极短时间内达到饱和，振动声纹频谱中含有大量高次谐波，且50 Hz奇、偶倍频占比相当。铁心夹件松动后，50～1200 Hz分量占比降低，1250～18000 Hz分量占比升高。
研究人员还提出了采用优化S变换绘制声纹时频谱图的方法。通过利用能量聚集性公式调节频域窗参数，解决了频带混叠、频谱泄露等问题，获取了更高的时频分辨率。与短时傅里叶变换时频谱作为输入层的方法进行对比，该方法准确率提高了5.56%。
研究人员搭建了基于自适应参数修正线性单元的改进深度残差收缩网络。通过特征独立映射实现对不同方位收集的声纹信号的统一识别，松动程度识别准确率达到了95.93%，相比于其他传统模型拥有更高的识别精度。
他们最后表示，本方法主要针对于饱和电抗器铁心松动故障的诊断，实际运行中还会存在铁心绝缘漆老化导致发热增大、母排螺钉松动等其他故障，其振动声纹特性有待后续进行试验研究。
本工作成果发表在2023年第5期《电工技术学报》，论文标题为“特高压直流换流阀饱和电抗器振动声纹特性与松动程度声纹检测方法”。本课题得到先进输电技术国家重点实验室开放基金和北京市自然科学基金资助项目的支持。
#电工技术学报#