上海交通大学等单位张淼彬、王丰华 等：基于图像分割及小波脊线的变压器绕组状态检测

阅读提示：本文约 2600 字

电力变压器绕组状态的精准辨识对确保电力变压器及电网的安全可靠运行极为重要。随着新能源大规模接入电网，短路故障频发，变压器绕组承受的机械应力剧增，绕组变形风险剧增，因此，如何从复杂的变压器暂态振动信号中提取表征绕组状态的关键特征，成为电力行业亟待解决的难题。

上海交通大学智能输配电研究所的张淼彬、王丰华与国网浙江电力公司电力科学研究院的金玉琪、金凌峰、杨智和詹江杨合作，在2025年第2期《电工技术学报》上撰文，提出了一种基于图像分割及小波脊线的变压器绕组状态检测方法，即针对短路冲击下的变压器暂态振动信号，借助于高精度的小波时频图像分割与脊线提取方法，建立了变压器暂态振动信号小波时频特征与绕组状态的定量映射关系，有效提升了变压器绕组状态的检测精度，为电力变压器的状态监测提供了高精度的可视化解决方案。

研究背景

新型电力系统建设下新能源系统的大量接入，给电网带来了诸如设备增容、谐波、短路频发等问题，在增加电网复杂性的同时给电力变压器的安全稳定运行带来了一定威胁。

具体来说，若注入绕组的谐波分量与其固有频率接近、或变压器绕组抗短路能力不足，极易引发绕组变形。之前针对变压器暂态振动信号的分析方法存在频谱泄露、时频分辨率低、模态混叠、噪声干扰强等问题，难以精准捕捉变压器暂态振动信号中蕴含的绕组微小变形信息，致使变压器绕组状态辨识精度有限。因此，如何从变压器暂态振动信号中提取出清晰、准确的特征参数，成为变压器状态监测领域亟待解决的关键问题。

论文所解决的问题及意义

在基于暂态振动信号辨识变压器绕组状态时，以往研究中的分析方法大都依赖人工经验，时频分辨率低，无法准确辨识变压器绕组微弱变形的特征信息。

本文提出的基于图像分割及小波脊线的变压器绕组状态检测方法，创新性的将图像处理技术引入变压器暂态振动信号的时频分析图中。即根据变压器暂态振动信号的时频图像，利用图像分割技术获取了清晰的小波脊线，较好的反映了变压器暂态振动信号小波时频图像随变压器绕组状态的变化过程。在此基础上，定义了基于小波脊线特征向量角的变压器绕组状态评判依据，可用于精准判别遭受短路冲击下的变压器绕组状态。

论文方法及创新点

1、变压器短路冲击试验开展：针对某110kV三绕组电力变压器的C相绕组开展了8次短路冲击试验，分别为外加110%Isc两次、120%Isc三次和130%Isc三次。此处，Isc为试验变压器能承受的最大短路电流。变压器短路冲击试验过程中的箱壁振动信号由PCB352C33压电式振动传感器与动态信号分析系统进行获取，如图1所示。

根据国家标准GB1094.5-2008，短路冲击试验过程中试验相所施加的电压为额定电压，每次短路冲击试验后均对绕组的短路阻抗进行测试，作为变压器绕组是否发生变形的依据。

图1 振动传感器放置位置示意图

2、变压器暂态振动信号的时频图像构建与图像分割去噪：采用复Morlet小波变换，将振动信号转换为时频图像，直观呈现能量分布，如图2所示。基于最大类间方差法自动分割图像，剔除噪声干扰，锁定关键频率区域，其鲁棒性优于传统直方图法。图像分割技术使时频分辨率提升40%，清晰分离100Hz基频与高频谐波，如图3所示。

图2 多次短路冲击试验下振动信号小波变换时频图

3、小波脊线提取与状态判别依据：提取分割区域的模极大值点，拟合生成平滑脊线，量化能量聚集特征，提取变压器短路冲击振动信号的小波脊线。定义特征向量夹角（Wavelet Ridge Feature Vector Angle, WRFVA）动态监测绕组状态，可敏锐识别变压器绕组的微小形变，为运维决策提供直观依据。

图3 多次短路冲击试验下变压器振动信号小波脊线

结论

1）基于最大类间方差法对变压器振动信号小波时频图进行图像分割，可有效剔除背景噪声，获取关键的时频特征信息。

2）基于图像分割提取出的小波脊线可敏锐反映变压器暂态振动信号小波时频图随变压器绕组机械状态变化的过程。

3）当同一短路电流作用下振动信号的WRFVA指标的变化超过2度时，说明绕组有轻微松动或变形存在，建议关注其运行状态。

团队介绍

上海交通大学智能输配电研究所依托“国家能源智能电网研发中心”、“电力传输与功率转换控制”教育部重点实验室建立。研究所现有教授4名，副教授8名，讲师及专职科研人员5名。

团队研究方向包括电力设备局部放电的检测、诊断和定位技术，电力设备的振声监测与故障诊断技术，输变电设备状态监测、评估预测和故障诊断，新型电力传感器及传感器可靠性保障技术，大数据、人工智能和数字孪生在设备运维中的应用等。多年来在电网设备状态检测相关领域承担国家级科研项目20余项，上海市重点科技项目7项，国家电网公司总部科技项目数十项，南网和国网科技项目200余项。相关领域发表SCI/EI论文300余篇，其中IEEE论文80余篇，授权发明专利100余项。关键技术和产品转让思源电气、华乘、上海驹电、海能信息等企业。相关领域获国家科技进步二等奖1项、省部级一等奖10余项，其他省部级奖20余项。

张淼彬

硕士研究生，研究方向为电力变压器在线监测与故障诊断。

王丰华

副教授，研究方向为电力设备振声监测、电力设备数字化等。

本工作成果发表在2025年第2期《电工技术学报》，论文标题为“基于图像分割及小波脊线的变压器绕组状态检测“。本课题得到国家电网有限公司科技项目的支持。

引用本文

张淼彬, 王丰华, 金玉琪, 金凌峰, 杨智, 詹江杨. 基于图像分割及小波脊线的变压器绕组状态检测[J]. 电工技术学报, 2025, 40(2): 640-652. Zhang Miaobin, Wang Fenghua, Jin Yuqi, Jin Lingfeng, Yang Zhi, Zhan Jiangyang. Transformer Winding Condition Detection Based on Image Segmentation and Wavelet Ridges. Transactions of China Electrotechnical Society, 2025, 40(2): 640-652.

阅读全文

中国电工技术学会

新媒体平台

学会官方微信

电工技术学报

CES电气

学会官方B站

CES TEMS

今日头条号

学会科普微信

大赛官方微信

☎️ 《电工技术学报》：010-63256949/6981；邮箱：dgjsxb@vip.126.com ☎️ 《电气技术》：010-63256943；邮箱：dianqijishu@126.com ☎️ 《中国电工技术学会电机与系统学报（英文）》：电话：010-63256823；邮箱：cestems@126.com ☎️ 编务：010-63256994 ☎️ 订阅：010-63256817 ☎️ “电工技术学报”微信号运营编辑：13121222619（微信同号） ☎️ “CES电气”微信号运营编辑：18500877291（微信同号）