本發(fā)明屬于電力設(shè)備故障診斷技術(shù)領(lǐng)域，特別是涉及一種電力變壓器繞組形變狀態(tài)多信息檢測方法及裝置。

背景技術(shù)：

隨著改革開放和我國經(jīng)濟的高速增長，用戶對電力的需求急劇增長，迫切要求我國電網(wǎng)為用戶提供安全可靠的電力。電力變壓器是電力系統(tǒng)中重要的輸變電設(shè)備之一，連接多個電壓等級，在電網(wǎng)中處于樞紐地位。其運行的安全可靠性直接影響電網(wǎng)的運行安全，提高電力變壓器的運行可靠性，對整個電網(wǎng)的安全可靠運行具有十分重要的意義。目前，我國已有較多變壓器運行年限超過20年，這些運行中的變壓器面臨著日益嚴重的設(shè)備故障和老化問題，發(fā)生事故的概率不斷增加。變壓器一旦發(fā)生事故可能會造成設(shè)備資產(chǎn)和停電等巨大損失，甚至會產(chǎn)生嚴重的社會影響，因此對變壓器故障進行檢測是當前國家電網(wǎng)急需解決的關(guān)鍵問題。

變壓器的內(nèi)部故障從變壓器結(jié)構(gòu)上來分，包括繞組、鐵心(即磁路)以及附件故障，從故障類型來分，包括機械故障、絕緣故障、過熱故障等，從變壓器以往的故障診斷案例來看，變壓器的故障多數(shù)不是絕緣問題，而是機械性能問題導(dǎo)致電氣故障，機械故障中以繞組與鐵心占據(jù)較多，對變壓器穩(wěn)定運行影響最大。有關(guān)變壓器的故障分析表明：繞組是發(fā)生故障較多的部件之一，據(jù)不完全統(tǒng)計1999-2003年期間，我國110kVA以上電壓等級的變壓器，因遭受短路故障電流沖擊直接導(dǎo)致的損壞事故約為72臺，占總事故臺數(shù)的27.5％。我國2005年220kV及以上變壓器非計劃停運按故障部位的分類情況顯示：220kV等級變壓器中由于繞組引起的非計劃停運時間占總非計劃停運時間的79.49％，330kV等級占72.31％，500kV等級占98.92％。因此為了能保證變壓器運行的安全可靠性，開展變壓器繞組形變狀態(tài)檢測的研究具有十分重要的意義。

目前，對變壓器繞組形變的檢測方法主要有頻率響應(yīng)法、低壓脈沖法和短路電抗法。上述三種方法均具有各自的局限性：經(jīng)過多年的研究和反復(fù)的工程探索，使用頻率響應(yīng)法測試電力變壓器繞組變形已經(jīng)被電力工業(yè)部門廣泛接受。但由于單位沖擊響應(yīng)函數(shù)和傳遞函數(shù)與變壓器繞組的變形程度之間的映射關(guān)系缺少理論支持，采用FRA法對變壓器繞組的變形程度進行分析，尚無統(tǒng)一的定量分析標準。此外，頻率響應(yīng)法必須通過停機、吊頂?shù)炔僮髟賹@組進行實驗，因此該方法難以避免存在效率方面缺陷；低壓脈沖法雖然已經(jīng)在電力工業(yè)部門，尤其是電力變壓器繞組變形和運動監(jiān)測領(lǐng)域得到廣泛的應(yīng)用，但是其缺陷也是十分明顯的，如較低的信噪比，較差的可重復(fù)性，測試過程中各種電磁干擾的影響較大，且對繞組首端位置的故障響應(yīng)不靈敏，較難判斷繞組變形位置都大大限制了低壓脈沖法在使用中的可靠性；短路電抗法的實質(zhì)是通過測量變壓器繞組的短路阻抗來判斷繞組是否存在變形、移位及匝間開路或短路等缺陷。該方法需要停機后離線檢測，同時靈敏度不高，難以保證測量精度，因此在現(xiàn)場使用有很大困難。

綜合現(xiàn)有的幾種檢測方法，可以看出：當前電力變壓器繞組形變狀態(tài)檢測只是利用單一試驗參數(shù)得出檢測結(jié)果，存在檢測信號單一化，無法有效檢測電力變壓器繞組故障位置及類型的問題。

技術(shù)實現(xiàn)要素：

針對現(xiàn)有技術(shù)存在的問題，本發(fā)明提供一種電力變壓器繞組形變狀態(tài)多信息檢測方法及裝置。本發(fā)明通過檢測電力變壓器頻率特性，檢測高低壓側(cè)電流、電壓及相角，檢測超聲信號，檢測振動信號，實現(xiàn)了繞組形變狀態(tài)的在線檢測、故障相別檢測、故障位置檢測及故障類型檢測；有效解決了檢測信號單一化，無法有效檢測電力變壓器繞組運行狀況、故障位置及類型的問題。

為了實現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：一種電力變壓器繞組形變狀態(tài)多信息檢測方法，包括如下步驟：

步驟1：采用掃頻檢測方式獲得變壓器繞組的幅頻響應(yīng)特性，

在變壓器繞組一端施加正弦波激勵源，連續(xù)改變正弦波激勵源的頻率，測量在不同頻率下的響應(yīng)端電壓和激勵端電壓的信號幅值之比，獲得指定激勵端和響應(yīng)端情況下的繞組幅頻響應(yīng)特性；通過將得到的變壓器各繞組的幅頻響應(yīng)特性與歷史數(shù)據(jù)進行縱向比較，得到幅頻響應(yīng)特性變化值，若幅頻響應(yīng)特性變化值超過設(shè)定門限值，則判斷為故障狀態(tài)，否則，判斷為正常狀態(tài)；

步驟2：對變壓器兩端電流、電壓及相角進行在線采集，

根據(jù)不同負荷下的電流、電壓及相角信號，在線計算出變壓器三相繞組的短路電抗，計算出的短路電抗除以短路電抗出廠值，得到短路電抗變化率；當同類變壓器繞組短路電抗變化率大于標準規(guī)定值時，則判斷變壓器繞組發(fā)生形變；

步驟3：采集變壓器繞組對應(yīng)位置的超聲信號，

將若干個超聲波探頭沿著變壓器油箱表面的繞組對應(yīng)位置移動，通過超聲波探頭掃描繞組全部表面，并測試記錄繞組各點位置對應(yīng)的超聲信號，獲得繞組表面各點相對油箱箱體表面距離的數(shù)據(jù)；將得到的繞組表面各點相對油箱箱體表面距離的數(shù)據(jù)與變壓器出廠數(shù)據(jù)進行比較，判斷故障位置；

步驟4：采集變壓器振動信號，

將若干個振動傳感器布置在變壓器繞組對應(yīng)位置的油箱側(cè)壁上，采集變壓器油箱表面的振動信號；

步驟5：提取變壓器振動信號特征，

對變壓器振動信號進行特征值提??；

步驟6：分別針對不同狀態(tài)類型建立相關(guān)向量機分類器模型，將已知狀態(tài)類型的變壓器繞組的各信號特征值作為該模型的輸入，所述各信號特征值為歸一化后的小波包能量熵；在對應(yīng)的相關(guān)向量機分類器模型中進行訓練學習，計算出各相關(guān)向量機分類器模型的超參數(shù)和相關(guān)權(quán)重向量；各狀態(tài)類型對應(yīng)的各信號特征值在其輸入的相關(guān)向量機分類器模型中計算得到的后驗概率為該模型的輸出，設(shè)定門限值，記錄后驗概率與門限值的大小關(guān)系及對應(yīng)的狀態(tài)類型，進而確定各相關(guān)向量機分類器模型；所述狀態(tài)類型包括變壓器繞組輻向壓縮、輻向拉伸、軸向絕緣脫落及端部疊套；

步驟7：利用步驟6中確定的相關(guān)向量機分類器模型和未知狀態(tài)類型的變壓器繞組的各信號特征值對變壓器繞組進行故障診斷，

將提取的未知狀態(tài)類型的變壓器繞組的各信號特征值分別輸入各相關(guān)向量機分類器模型中，計算各信號特征值在相關(guān)向量機分類器模型中的后驗概率，并判斷該后驗概率與門限值的大小關(guān)系，與記錄的后驗概率與門限值的大小關(guān)系進行比較；若兩者等同，則確定當前信號特征值對應(yīng)的狀態(tài)類型，進而確定未知狀態(tài)類型的變壓器繞組的各信號特征值對應(yīng)的全部狀態(tài)類型，即得到變壓器繞組故障類型檢測結(jié)果。

所述的電力變壓器繞組形變狀態(tài)多信息檢測方法采用的裝置，包括電壓互感器、電流互感器、超聲波探頭、振動傳感器、信號調(diào)理電路、AD轉(zhuǎn)換電路及中央處理器；所述電壓互感器、電流互感器、超聲波探頭及振動傳感器的輸出端分別與信號調(diào)理電路的輸入端相連接，信號調(diào)理電路的輸出端經(jīng)AD轉(zhuǎn)換電路與中央處理器的輸入端相連接，中央處理器的輸出端與通信總線相連接。

本發(fā)明的有益效果：

本發(fā)明基于多信號進行診斷，克服了單一信號檢測的局限性，提高了檢測結(jié)果的準確性。本發(fā)明可同時對頻率特性、電流電壓信號、超聲信號及振動信號進行檢測，豐富了檢測信號數(shù)據(jù)庫，補充了繞組的故障類型；既可以在線檢測繞組狀態(tài)，同時可以對繞組故障位置進行準確在線定位診斷，也實現(xiàn)了多種繞組形變故障類型的在線檢測。

附圖說明

圖1為本發(fā)明的電力變壓器繞組形變狀態(tài)多信息檢測方法的流程圖；

圖2為本發(fā)明的檢測裝置結(jié)構(gòu)及其功能示意圖；

圖3為本發(fā)明的檢測裝置的一個實施例的硬件系統(tǒng)結(jié)構(gòu)圖；

圖4為本發(fā)明的一個實施例的電力變壓器繞組形變的故障類型診斷流程圖；

圖5為本發(fā)明的檢測裝置的一個實施例的雙向限幅電路的電路原理圖；

圖6為本發(fā)明的檢測裝置的一個實施例的信號調(diào)理電路的電路原理圖。

具體實施方式

下面結(jié)合附圖和具體實施例對本發(fā)明做進一步的詳細說明。

以S11-M-500/35型電力變壓器為例，對電力變壓器繞組形變狀態(tài)進行多信息檢測。電力變壓器繞組形變狀態(tài)多信息檢測方法，如圖1所示，包括如下步驟：

步驟1：采用掃頻檢測方式獲得變壓器繞組的幅頻響應(yīng)特性，

在變壓器繞組一端施加正弦波激勵源，連續(xù)改變正弦波激勵源的頻率，測量在不同頻率下的響應(yīng)端電壓和激勵端電壓的信號幅值之比，獲得指定激勵端和響應(yīng)端情況下的繞組幅頻響應(yīng)特性；通過將得到的變壓器各繞組的幅頻響應(yīng)特性與歷史數(shù)據(jù)進行縱向比較，計算波形最大變化系數(shù)，波形最大變化系數(shù)超過5％的為繞組形變異常；

所述波形最大變化系數(shù)為A％＝(A₁-A)/A，其中，A₁為測試信號變化最大點的幅值比，A為對應(yīng)點的歷史數(shù)據(jù)。

步驟2：對變壓器兩端電流、電壓及相角進行在線采集，

根據(jù)不同負荷下的電流、電壓及相角信號，在線計算出變壓器三相繞組的短路電抗，計算出的短路電抗除以短路電抗出廠值，得到短路電抗變化率；當同類變壓器繞組短路電抗變化率大于標準規(guī)定值時，則判斷變壓器繞組發(fā)生形變；DL/T1093-2008中規(guī)定：阻抗電壓U_k＞4％的同心圓繞組對，容量100MVA及以下且電壓220kV以下的電力變壓器繞組短路電抗的相對變化不應(yīng)大于±2％，因此，所述的標準規(guī)定值為±2％，即：當同類變壓器繞組短路電抗變化率大于±2％時，則判斷變壓器繞組發(fā)生形變。

步驟3：在線采集變壓器繞組對應(yīng)位置的超聲信號，

將若干個超聲波探頭沿著變壓器油箱表面的繞組對應(yīng)位置移動，同時發(fā)出并接收超聲信號，通過超聲波探頭掃描繞組全部表面，并測試記錄繞組各點位置對應(yīng)的超聲信號，獲得繞組表面各點相對油箱箱體表面距離的數(shù)據(jù)；將得到的繞組表面各點相對油箱箱體表面距離的數(shù)據(jù)與變壓器出廠數(shù)據(jù)進行比較，如果距離數(shù)據(jù)出現(xiàn)變化，則可以判斷對應(yīng)的故障位置；

所述繞組表面各點相對油箱箱體表面距離的計算公式為：

H＝vt

式中，H為繞組表面各點相對油箱箱體表面距離，v為聲音傳播速度，t為接收與發(fā)出信號的時間差。

步驟4：采集變壓器繞組振動信號，

將五個振動傳感器布置在變壓器繞組對應(yīng)位置的油箱側(cè)壁上，分別固定在變壓器ARC三相繞組對應(yīng)油箱表面5/6、2/3、1/2、1/3、1/6位置處，同時采集變壓器油箱表面五個位置的振動信號。

步驟5：提取變壓器繞組振動信號特征，

對變壓器繞組振動信號進行特征值提取，振動信號的特征值采用小波包變換和能量熵方法提取。

對振動信號的采樣數(shù)據(jù)進行4層小波包變換，分別為第4層振動信號從低頻到高頻所有頻率成分的振動信號。

對小波包分解系數(shù)進行單支重構(gòu)：對經(jīng)過4層小波包分解得到的16個頻帶內(nèi)的序列進行重構(gòu)，得到16個小波包重構(gòu)信號，各重構(gòu)信號分別包含了機械振動信號從低頻到高頻的信息。求取小波包能量熵構(gòu)成的特征向量：當變壓器繞組發(fā)生變形時，表現(xiàn)為變壓器機械振動信號各頻率成分的能量發(fā)生了相應(yīng)變化。因此，可用某一種或幾種頻率成分能量值的改變來表征變壓器繞組所對應(yīng)的故障模式；設(shè)變壓器繞組機械振動信號長度為N，對該信號進行4層小波包分解，得到的分解序列為X_4k，(k＝1～16)；對分解系數(shù)進行單支重構(gòu)后得到重構(gòu)信號分量為S_4k，設(shè)E_4k為重構(gòu)信號在第4層第k個節(jié)點上的功率，則E_4k＝|S_4k(i)|²，式中，i為分解的第i個信號段。令ε_4k＝E_4k/E，式中，E為第3層所有節(jié)點的總功率，則小波包能量熵H_k的計算公式為：

由上式分別求出16個小波包能量熵，以這16個小波包能量熵為元素可以構(gòu)成1個特征向量Q，則：

Q＝[H₁，H₂，H₃，…，H₁₆] (2)

將特征向量Q歸一化處理，令(j＝1～16)得到的機械振動信號特征值Q′為：

步驟6：分別針對不同狀態(tài)類型建立相關(guān)向量機分類器模型，將已知狀態(tài)類型的變壓器繞組的振動信號特征值作為該模型的輸入，在對應(yīng)的相關(guān)向量機分類器模型中進行訓練學習，計算出各相關(guān)向量機分類器模型的超參數(shù)和相關(guān)權(quán)重向量；各狀態(tài)類型對應(yīng)的各信號特征值在其輸入的相關(guān)向量機分類器模型中計算得到的后驗概率為該模型的輸出，設(shè)定門限值，記錄后驗概率與門限值的大小關(guān)系及對應(yīng)的狀態(tài)類型，進而確定各相關(guān)向量機分類器模型；所述狀態(tài)類型包括變壓器繞組輻向壓縮、輻向拉伸、軸向絕緣脫落及端部疊套；

步驟6.1：分別針對不同狀態(tài)類型建立相關(guān)向量機分類器模型RVM1至RVM4，RVM1用于診斷出輻向壓縮，RVM2用于診斷出輻向拉伸，RVM3用于診斷出軸向絕緣脫落，RVM4用于診斷出端部疊套；

步驟6.2：選取已知變壓器繞組的輻向壓縮、輻向拉伸、軸向絕緣脫落、端部疊套四種故障狀態(tài)下的變壓器繞組機械振動信號特征值；

步驟6.3：將已知狀態(tài)類型的變壓器繞組的振動信號特征值作為該模型的輸入，在對應(yīng)的相關(guān)向量機分類器模型中進行訓練學習，計算出各相關(guān)向量機分類器模型的超參數(shù)和相關(guān)權(quán)重向量，各狀態(tài)類型對應(yīng)的各信號特征值在其輸入的相關(guān)向量機分類器模型中計算得到的后驗概率為該模型的輸出，設(shè)定門限值，記錄后驗概率與門限值的大小關(guān)系及對應(yīng)的狀態(tài)類型，進而確定各相關(guān)向量機分類器模型RVM1至RVM4；

步驟6.3.1：參數(shù)初始化，設(shè)置超參數(shù)α初始值，終止條件為α收斂、最大迭代次數(shù)；

步驟6.3.2：由步驟6.2選取的已知狀態(tài)類型的變壓器繞組的振動信號特征值及核函數(shù)K(x_i，x_j)，(j＝1～N)，計算設(shè)計矩陣Φ；

Φ＝[φ(x₁)，φ(x₂)，…，φ(x_N)]^T (4)

其中：

φ(x_i)＝[1，K(x_i，x₁)，K(x_i，x₂)，…，K(x_i，x_N)]^T (5)

式中，N為信號特征值維數(shù)；

步驟6.3.3：固定當前超參數(shù)α，采用二階牛頓法迭代求解相關(guān)權(quán)重向量w，并計算梯度向量g和海賽矩陣H；由于H為對稱矩陣，因此將H進行Cholesky分解，更新w，從而減少計算量；

H＝-Φ^TBΦ-A＝U^TU (6)

g＝Φ^T(t-Y)-Aw (7)

式中，U為上三角矩陣；Δw為迭代的權(quán)重插值；A＝diag(α₁，α₂，...，α_N)，α_i(i＝1～N)為迭代計算的超參數(shù)；B＝diag(β₁，β₂，…，β_N)，β_i＝[Y_i(1-Y_i)]，i＝1～N；t為目標向量，t＝[t₁，t₂，…，t_N]^T；w為相關(guān)權(quán)重向量，w＝[w₁，w₂，…，w_N]；Y＝[Y₁，Y₂，…，Y_N]^T，Y_i＝σ[y(x_i，w)]，i＝1～N，σ(·)為sigmoid函數(shù)，y(x_i，w)為第i個相關(guān)向量機分類器模型；

步驟6.3.4：將步驟6.3.3迭代得到的w作為權(quán)重的后驗均值，即相關(guān)權(quán)重向量，由于對H講行Cholesky分解，因此可以按式(9)給出的快速計算方法計算∑_i，i，

式中，||·||₂表示2范數(shù)，M_i表示矩陣M的第i行，∑_i，i為∑中第i項對角線元素；

步驟6.3.5：采用最大化邊緣似然函數(shù)的方法，按照式(10)和(11)更新超參數(shù)α，

γ_i＝1-α_i∑_i，i (11)

式中，和α_i分別為更新后的超參數(shù)中的第i個元素和初始超參數(shù)中的第i個元素，Σ_i，i為∑中第i項對角線元素，w_i為相關(guān)權(quán)重向量w的第i個元素；

步驟6.3.6：重復(fù)步驟6.3.3～步驟6.3.5直至α收斂；

步驟6.3.7：計算出RVM1至RVM4更新后的超參數(shù)α^new和相關(guān)權(quán)重向量w；

步驟6.3.8：根據(jù)已知輻向壓縮、信號特征值以及訓練后得到的超參數(shù)和相關(guān)權(quán)重向量，求出輻向壓縮狀態(tài)的信號特征值在RVM1中的對應(yīng)后驗概率；

設(shè)為輸入信號特征值，t＝[t₁，t₂，…，t_N]^T為目標向量，相關(guān)向量機分類器模型為：

式中，w₀為初始權(quán)重，w為相關(guān)權(quán)重向量，w＝[w₁，w₂，…，w_N]；K(x，x_i)為核函數(shù)，w_i為相關(guān)權(quán)重向量w的第i個元素；

對于二元分類問題，目標值只能為0或1，整個數(shù)據(jù)集似然函數(shù)為：

式中，σ(·)為sigmoid函數(shù)，為避免產(chǎn)生過擬合，確保模型的稀疏性，稀疏貝葉斯方法對相關(guān)權(quán)重向量w賦予零均值高斯先驗分布：

式中，α^new為更新后的N+1維超參數(shù)，α^new＝(α₁，α₂，...，α_N)^T，為更新后的第i個N維超參數(shù)，N(·)為正態(tài)分布函數(shù)；

對于變壓器繞組已知的信號特征值x_*，目標值t_*的后驗概率為：

P(t_*|t)＝∫p(t_*|w，α^new)p(w|t，α^new)p(α^new|w)dwdα^new (15)

根據(jù)公式(15)計算出輻向壓縮狀態(tài)的信號特征值在RVM1中的對應(yīng)后驗概率；

步驟6.3.9：設(shè)定門限值為70％，記錄后驗概率與門限值的大小關(guān)系及對應(yīng)的狀態(tài)類型，如計算出的正常狀態(tài)的后驗概率大于70％，則記錄RVM1的輸出后驗概率大于70％時為輻向壓縮，否則為其余狀態(tài)。

依次對RVM2至RVM4進行步驟6.3.1至步驟6.3.8的操作，進而確定相關(guān)向量機分類器模型RVM1至RVM4。

步驟7：利用步驟6中確定的相關(guān)向量機分類器模型和未知狀態(tài)類型的變壓器繞組的各信號特征值對變壓器繞組進行故障診斷，

將提取的未知狀態(tài)類型的變壓器繞組的信號特征值輸入RVM1中，按照步驟6.3.1至步驟6.3.8，計算出未知狀態(tài)類型的變壓器繞組的信號特征值在RVM1中的對應(yīng)后驗概率，并判斷該后驗概率與門限值的大小關(guān)系，與記錄的后驗概率與門限值的大小關(guān)系進行對照；若兩者等同，則確定當前信號特征值對應(yīng)的狀態(tài)類型，進而確定未知狀態(tài)類型的變壓器繞組的各信號特征值對應(yīng)的全部狀態(tài)類型，即得到變壓器繞組故障類型檢測結(jié)果。

如未知狀態(tài)類型的信號特征值輸入RVM1中計算出的后驗概率大于門限值70％，而記錄的RVM1中后驗概率大于70％為輻向壓縮，則診斷該未知狀態(tài)類型的信號特征值對應(yīng)的狀態(tài)類型為輻向壓縮，輸出輻向壓縮；否則，該未知狀態(tài)類型的信號特征值對應(yīng)的狀態(tài)類型為其他狀態(tài)，將未知狀態(tài)類型的信號特征值輸入RVM2中。

將未知狀態(tài)類型的信號特征值輸入RVM2中進行診斷，RVM2用于診斷出輻向拉伸，計算出未知狀態(tài)類型的信號特征值在RVM2中的對應(yīng)后驗概率，并判斷該后驗概率與門限值的大小關(guān)系，與RVM2中記錄的后驗概率與門限值的大小關(guān)系進行對照，若對應(yīng)的狀態(tài)類型為輻向拉伸，則確定變壓器繞組具有輻向拉伸；否則，該未知狀態(tài)類型的信號特征值對應(yīng)的狀態(tài)類型為其他狀態(tài)，將未知狀態(tài)類型的信號特征值輸入RVM3中。

將未知狀態(tài)類型的信號特征值輸入RVM3中進行診斷，RVM3用于診斷出軸向絕緣脫落，計算出未知狀態(tài)類型的信號特征值在RVM3中的對應(yīng)后驗概率，并判斷該后驗概率與門限值的大小關(guān)系，與RVM3中記錄的后驗概率與門限值的大小關(guān)系進行對照，若對應(yīng)的狀態(tài)類型為軸向絕緣脫落，則確定變壓器繞組具有軸向絕緣脫落；否則，該未知狀態(tài)類型的信號特征值對應(yīng)的狀態(tài)狀態(tài)為其他狀態(tài)，將未知狀態(tài)類型的信號特征值輸入RVM4中。

將未知狀態(tài)類型的信號特征值輸入RVM4中進行診斷，RVM4用于診斷出端部疊套，計算出未知狀態(tài)類型的信號特征值在RVM4中的對應(yīng)后驗概率，并判斷該后驗概率與門限值的大小關(guān)系，與RVM4中記錄的后驗概率與門限值的大小關(guān)系進行對照，若對應(yīng)的狀態(tài)類型為端部疊套，則確定變壓器繞組具有端部疊套；否則，輸出其他故障。

所述的電力變壓器繞組形變狀態(tài)多信息檢測方法采用的裝置，包括電壓互感器、電流互感器、超聲波探頭、振動傳感器、信號調(diào)理電路、AD轉(zhuǎn)換電路及中央處理器；所述電壓互感器、電流互感器、超聲波探頭及振動傳感器的輸出端分別與信號調(diào)理電路的輸入端相連接，信號調(diào)理電路的輸出端經(jīng)AD轉(zhuǎn)換電路與中央處理器的輸入端相連接，中央處理器的輸出端與通信總線相連接。

所述電壓互感器采用TVS1908型電壓互感器，或采用額定一次側(cè)電壓為額定二次側(cè)電壓為精度等級為0.05的HZ12-35R型電壓互感器；電流互感器采用額定一次側(cè)電流為5～1000A，額定二次側(cè)電流為5A，精度等級為0.05的HL28-5型電流互感器；所述振動傳感器采用型號為BK-4507B的振動傳感器；本發(fā)明用于發(fā)出頻響信號的掃頻信號發(fā)生器采用HY3310繞組變形測試儀，超聲發(fā)生器采用的型號為THD-M1，接收探頭采用2P10N型號的超聲波探頭。AD轉(zhuǎn)換電路采用2片12位AD轉(zhuǎn)換芯片AD1672AP；中央處理器采用雙CPU結(jié)構(gòu)，由DSP處理器和ARM處理器組成，DSP處理器與ARM處理器之間采用雙口RAM進行數(shù)據(jù)交換。DSP處理器負責數(shù)據(jù)處理和通訊連接，ARM處理器負責數(shù)據(jù)實時存儲。所述DSP處理器選用TMS320LF2401A型號的DSP核心板，其具有高度系統(tǒng)集成和較小體積的優(yōu)點；ARM處理器采用EP7309-IBZ型號的嵌入式微控制器；雙口RAM采用型號為CY7C026的高速雙口靜態(tài)RAM，兩個端口具有獨立的控制信號線、地址線和數(shù)據(jù)線，可同時進行數(shù)據(jù)存取，實現(xiàn)芯片的資源共享。上位機軟件系統(tǒng)采用MATLAB程序編程軟件和SQL Server數(shù)據(jù)庫。在數(shù)據(jù)采集過程中，為保護AD轉(zhuǎn)換芯片設(shè)計了雙向限幅電路，如圖5所示；為了提高AD采樣的精度，設(shè)計了信號調(diào)理電路，如圖6所示，可以濾除采樣過程中的高頻毛刺信號，實現(xiàn)多元運放和電位平移的功能。

雖然以上描述了本發(fā)明的具體實施方式，但是本領(lǐng)域內(nèi)的熟練的技術(shù)人員應(yīng)當理解，這些僅是舉例說明，可以對這些實施方式做出多種變更或修改，而不背離本發(fā)明的原理和實質(zhì)。本發(fā)明的范圍僅由所附權(quán)利要求書限定。