Что такое акустический мониторинг трансформаторов?

Введение

Контроль состояния силовых трансформаторов под нагрузкой опирается на несколько устоявшихся методов: хроматографический анализ растворённых газов, мониторинг трансформаторных вводов, контроль температурного режима. Эти подходы подробно регламентированы нормативными документами и применяются на большинстве крупных сетевых объектов.

Наряду с ними существуют и менее распространённые методы — те, что пока слабее охвачены стандартами и встречаются на подстанциях реже. К таким относится акустический мониторинг. Подход не нов, однако в последние годы интерес к нему вырос: датчики стали доступнее, алгоритмы обработки сигналов — точнее, а накопленный опыт эксплуатации в некоторых случаях предлагает альтернативу классическим методам.

Что такое акустический мониторинг

В широком смысле акустический мониторинг — это регистрация и анализ упругих волн, распространяющихся в среде. Применительно к трансформаторам задача охватывает широкую полосу частот: от единиц герц при контроле вибрационных процессов в элементах трансформатора до сотен килогерц при регистрации частичных разрядов. Для разных диагностических задач используются разные участки спектра и разные типы датчиков, о чём подробнее ниже.

Суть акустического мониторинга состоит в том, что многие развивающиеся дефекты сопровождаются появлением характерных акустических сигнатур — как одиночных, так и периодических. Ослабление крепления подшипника в опоре маслонасоса системы охлаждения приводит к появлению стуков, синхронных с периодом вращения. Частичные разряды в изоляции дают высокочастотные импульсы, по времени прихода которых на датчики можно локализовать источник внутри бака. Расслоение прессовки магнитопровода проявляется как изменение спектрального состава шума работающего трансформатора. Задача системы — выделить такие сигнатуры на фоне общего фонового шума работающего оборудования, идентифицировать тип дефекта или общее аномальное состояние трансформатора, и отследить их динамику во времени.

Применительно к частичным разрядам диапазон рабочих частот определяется физикой дефектов: из-за короткой длительности импульса ЧР возникающие волны сжатия содержат составляющие вплоть до ультразвуковых частот — от единиц килогерц до примерно 1 МГц. По этой причине рабочий диапазон датчиков, монтируемых снаружи бака, обычно лежит в полосе от 10 до 300 кГц. Скорость распространения акустических волн в трансформаторном масле при рабочих температурах 50–80 °C составляет порядка 1240–1300 м/с [1] — это базовая величина для локализации источника. Экспериментальные данные показывают, что основная энергия акустического сигнала от ЧР в системе масло–целлюлоза укладывается в более узкую полосу — примерно от 20 до 115 кГц с трёмя характерными максимумами около 40, 68 и 90 кГц. При этом тип разряда влияет на распределение энергии по спектру: высокоэнергетические поверхностные и межвитковые разряды смещают центроиду спектра в нижнюю часть диапазона (20–45 кГц), тогда как менее энергичные разряды непосредственно в масле дают пик ближе к 90–100 кГц [2]. Расхождения в выборе рабочей полосы для конкретного датчика объясняются именно этим: оптимальная настройка зависит от того, какой тип дефекта требуется выявлять в первую очередь.

Что представляет собой система акустического мониторинга

Конструктивно система типична для онлайн-диагностики: набор датчиков, устройство сбора, обработки и визуализации сигналов, которое также способно передавать данные во внешние системы.

Датчики делятся на две основные группы по типу чувствительного элемента. Большинство датчиков, применяемых в акустическом мониторинге трансформаторов, — пьезоэлектрические. В их основе лежит пьезокерамический элемент, генерирующий заряд при механической деформации. Этот класс охватывает как датчики акустической эмиссии, работающие в ультразвуковом диапазоне (десятки и сотни килогерц) и применяемые для регистрации частичных разрядов, так и акселерометры, калиброванные в единицах ускорения и работающие в полосе от единиц герц до нескольких килогерц для контроля вибрационных процессов в магнитопроводе, обмотках, элементах системы охлаждения и РПН. Конструктивно эти датчики различаются массой инерционного элемента, схемой предусилителя и способом калибровки, но физический принцип регистрации у них общий. Они монтируются контактно на стенку бака, опоры охладителей, корпус РПН — обычно через магнитный держатель.

Рисунок. Датчик и компоненты измерительной системы из [1] (слева направо сверху вниз): датчик акустической эмиссии, предусилитель, крепление для датчиков, составные элементы датчика.

Вторая группа — промышленные направленные микрофоны для бесконтактной регистрации звуков. В мониторинге трансформаторов они применяются реже и в основном для разовых обследований: поиска коронных разрядов на внешних элементах конструкции, локализации источников аномального шума на расстоянии, контроля общего акустического портрета подстанции. Для онлайн-мониторинга процессов внутри бака микрофоны малопригодны из-за высокого фонового шума и затухания сигнала на границе масло–металл–воздух.

Диапазон методов анализа данных подобных датчиков широк: начиная от простой идентификации аномалий в характеристиках регистрируемых сигналов до идентификации типовых паттернов дефектов или локализации точки развития дефекта по данным нескольких датчиков.

Рассмотрим пример метода локализации источника сигнала в трансформаторе на основе публикации [3]. Используемый метод известен в литературе как TDoA (Time Difference of Arrival, разностно-дальномерный метод): по разнице времён прихода сигнала на разные датчики и известной скорости распространения волны в масле и стали формируется система уравнений сфер, пересечение которых указывает координаты источника. Ключевой технический момент — корректное определение момента начала импульса на фоне шума; в современных реализациях для этого применяются статистические критерии, прежде всего критерий Акаике, который фиксирует момент изменения статистических свойств сигнала. По опубликованным результатам полевых измерений на силовых трансформаторах 160 МВА, разброс координат решений TDoA по осям бака составляет порядка 15–90 см в зависимости от геометрии дефекта и конфигурации датчиков [3]. Этого достаточно, чтобы запланировать зону для целевого осмотра при выводе трансформатора в ремонт.

Комбинирование с электромагнитными методами

На практике акустический мониторинг редко применяется как единственный метод контроля трансформаторов. Например, при в задачах мониторинга частичных разрядов активно развиваются методы одновременного использования акустического и сверхвысокочастотного (СВЧ) методов. СВЧ-метод регистрирует электромагнитные импульсы с фронтом менее нескольких наносекунд, сопровождающие развитие разряда..

Преимущество совместной работы состоит в том, что акустический и СВЧ-методы подвержены принципиально разным помехам. Источники акустического шума — насосы, вентиляторы, осадки, переключения РПН — электромагнитного сигнала не дают. Источники электромагнитных помех — радиовещание, цифровое ТВ, сотовая связь, навигационные системы — не возбуждают пьезоэлектрические сенсоры. Если оба канала фиксируют коррелированные импульсы одновременно, вероятность того, что это реальный разряд, а не помеха, существенно повышается.

Степень согласованности двух методов в полевых условиях обычно оценивается количественно — через матрицу несоответствий и специальные метрики. По кейсам, опубликованным в 2025 году, согласованность колебалась от 43% до 73% в зависимости от объекта и периода наблюдения; нижняя граница соответствует периодам с интенсивной грозовой активностью, когда акустические сенсоры дополнительно возбуждались дождём и ударами молний, не дающими отклика в СВЧ-диапазоне [3]. Это, впрочем, не недостаток комбинирования, а его прямая ценность: метод, устойчивый к помехам конкретного типа, страхует второй.

Ограничения метода

Главное ограничение — высокий уровень помех. Подстанция остаётся одним из самых шумных промышленных объектов: гудение самого трансформатора и шунтирующих реакторов, работа маслонасосов и вентиляторов охладителей, переключения РПН, коммутационные процессы на смежных присоединениях, атмосферные осадки, ветер. Всё это формирует фон, на котором полезный акустический сигнал может быть едва различим.

Для борьбы с шумом применяется целый арсенал методов: частотная фильтрация под конкретный тип дефекта, корреляционная обработка сигналов с нескольких датчиков, спектральный анализ и выделение периодических компонент, машинное обучение на размеченных данных нормальной и аномальной работы. В упомянутом выше примере с маслонасосом отстройка строится на том, что искомые события синхронизированы с известной частотой вращения, — задача сводится к поиску периодического пика на соответствующей частоте.

Второе ограничение — слабая нормативная база. Если по газоанализу или по контролю вводов существуют чёткие пороговые значения и регламенты обследования, то для акустического мониторинга трансформаторов диагностические критерии формируются по экспертным оценкам или истории наблюдения за состоянием конкретного трансформатора. Это затрудняет сопоставление результатов между разными системами и сдерживает массовое внедрение метода.

Опыт применения

В отраслевой практике в идеальном сценарии акустический мониторинг встроен в типовую диагностическую цепочку и дополняет более распространённые методы, например: хроматографический анализ растворённых газов выявляет наличие проблемы, после чего на трансформатор устанавливается комплекс акустики с СВЧ для подтверждения активности разрядов и определения зоны дефекта, и уже затем TDoA позволяет точно определить координаты точки развития дефекта. Опубликованные кейсы показывают, как эта схема работает на реальных объектах.

В 2023–2024 годах группа исследователей из Польши провела серию обследований трёх силовых трансформаторов 160 МВА, на которых наблюдались повышенные концентрации водорода и ацетилена в масле, что давало повод подозревать наличие в них источника частичных разрядов. На первом из них акустическая система с восемью датчиками с первых часов мониторинга зафиксировала устойчивую активность на канале, расположенном у РПН; СВЧ-картина одновременно подтвердила наличие разрядов. Локализация методом TDoA в трёх независимых тестах с разной геометрией датчиков указала на дефект в самом РПН либо в изоляции его отвода. На втором трансформаторе короткий 24-часовой мониторинг — выбранный из-за высокой концентрации ацетилена (204 ppm), указывающей на риск дугообразования — выявил скачок активности через 16 часов после включения системы; TDoA локализовал дефект в изоляции отвода фазы L3 со стороны ВН. На третьем объекте двухнедельное наблюдение зафиксировало эпизодические разряды с резким всплеском активности в момент грозового фронта; источник был локализован в изоляции отвода обмотки НН фазы L2 [3].

Рисунок - расположение датчиков акустического мониторинга на одном из трансформаторов в исследовании [3]: a) расположение датчиков на корпусе трансформатора с отдельно выделенной областью локализации дефекта, b) элемент обмотки трансформатора, находящийся в районе идентифицированной области.

Другой пример использования акустического мониторинга, в этот раз при помощи методов машинного обучения, можно найти в статье Шандонского технологического университета в Китае [4]. В статье предложена система автоматической диагностики трансформаторов по сигналам, снятым бесконтактным микрофоном, смонтированным на роботе-инспекторе подстанции. На выборке записей с 36 трансформаторов алгоритмы машинного обучения обучались различать нормальный режим (в том числе осложнённый шумом ветра, дождя, птиц, голоса) от дефектных состояний — разрядов и механических процессов. Признаки извлекались из спектрограмм, разбитых на частотные субполосы; для снижения размерности применялись методы главных компонент (PCA и 2DPCA), а классификация выполнялась через SVM, kNN и свёрточную нейронную сеть. Лучший результат — связка 2DPCA и SVM, показавшая точность до 100% по бинарной задаче «норма/дефект» и около 88% при многоклассовом распознавании. Авторы отмечают и ограничение, общее для акустики: развивающийся дефект может вовсе не давать характерного звука либо маскироваться фоновыми шумами.

Рисунок - a) робот-инспектор с автономной камерой и микрофонами; b) сигнал нормальной работы трансформатора; c) нормальная работа со звуками птиц; d) нормальная работа со звуками ветра; e) нормальная работа со звуком дождя; f) нормальная работа со звуком человеческого голоса; g) звуки разрядов в трансформаторе; h) звуки механического трения в трансформаторе.

Общий вывод этих кейсов для практики онлайн-мониторинга: при правильном построении системы мониторинга даже короткий период наблюдения — от суток до пары недель — позволяет не только подтвердить наличие активных ЧР, но и сузить зону поиска до конкретного элемента трансформатора. Это резко сокращает время и стоимость последующего ремонта, поскольку вскрытие бака ведётся прицельно, а не по всей активной части.

Заключение

Акустический мониторинг пока не стал обязательным элементом онлайн-диагностики силовых трансформаторов и значительно уступает по распространённости другим методам. Тем не менее, у метода есть преимущества: датчики устанавливаются без вывода трансформатора из работы, монтаж в большинстве случаев не требует вмешательства в конструкцию бака, а получаемая информация дополняет классические методы — особенно при поиске частичных разрядов и механических дефектов системы охлаждения.

По мере накопления эксплуатационного опыта и развития алгоритмов обработки сигналов акустический мониторинг способен занять свою нишу в комплексных системах диагностики. Для отдельных задач — оперативной локализации источника частичных разрядов, контроля состояния узлов охлаждения — он уже сейчас оказывается быстрее и проще иных подходов.

Параллельно развивается сенсорная база. Если раньше для регистрации ЧР в трансформаторах применялись преимущественно универсальные пьезопреобразователи из смежных отраслей (контроль металлоконструкций, трубопроводов, сосудов под давлением), то в последние годы появляются датчики, спроектированные именно под спектральные характеристики разрядов в масло-бумажной изоляции. Один из примеров — мультирезонансный преобразователь с двумя пьезоэлементами и резонансами на 68 и 90 кГц, разработанный в Познаньском технологическом университете и показавший в сравнительных испытаниях прирост амплитуды регистрируемого сигнала на 5–20 дБ относительно типовых коммерческих сенсоров [2]. Подобная узкая оптимизация — закономерный этап для метода, переходящего из категории экспериментальных в категорию рабочих инструментов диагностики.

Источники

1. CIGRE TB 676 Partial discharges in transformers. 2017. https://www.e-cigre.org/publications/detail/676-partial-discharges-in-transformers.html
2. Sikorski, W. Development of Acoustic Emission Sensor Optimized for Partial Discharge Monitoring in Power Transformers. Sensors 2019, 19, 1865. https://doi.org/10.3390/s19081865
3. Sikorski, W.; Gielniak, J. Online Monitoring of Partial Discharges in Large Power Transformers Using Ultra-High Frequency and Acoustic Emission Methods: Case Studies. Energies 2025, 18, 1718. https://doi.org/10.3390/en18071718
4. Ma, X.; Luo, Y.; Shi, J.; Xiong, H. Acoustic Emission Based Fault Detection of Substation Power Transformer. Appl. Sci. 2022, 12, 2759. https://doi.org/10.3390/app12052759