匝间短路下壳式变压器电磁力计算及故障诊断OA

针对匝间短路下壳式变压器的电磁力、绕组振动加速度的时域和频谱分布规律,开展基于卷积神经网络(convolutional neural networks,CNN)与长短期记忆(long short term memory,LSTM)网络的匝间短路故障诊断研究。首先,以匝间短路电流为激励,分别对壳式变压器磁场、绕组电磁力、振动加速度的时域和频域分布进行研究,并提出了壳式变压器磁-振耦合模型;其次,计算不同短路匝数下壳式变压器绕组振动加速度的时域和频域分布,提出以绕组振动加速度100 Hz幅值比F_(1)、总频带能量比F_(2)、时域峰值比F_(3)为特征参量的CNN-LSTM网络匝间短路故障诊断模型,得到匝间短路故障诊断阈值指标;最后,制造50 kVA壳式变压器样机,开展匝间短路下壳式变压器绕组振动加速度时域和频域特性试验。试验结果显示:在短路匝数为15匝时,磁通密度增加11.79%,故障绕组振动加速度增加了467.5%;匝间短路故障诊断正确率为91.28%。所做研究可为壳式变压器匝间短路故障的预测与诊断提供数据支撑。