面向变压器 APM 的 SFRA 绕组移位分析

扫频响应分析帮助变压器团队评估机械完整性。它会生成一条频率响应指纹曲线，受绕组几何形状、铁芯、引线、压紧结构以及连接布置的影响。当变压器经历运输应力、穿越性故障电动力、地震事件或存疑的运行历史时，SFRA 可以成为一份关键的比对记录。

AI 可以帮助整理和比对曲线，但它不应忽视测量规范。

SFRA 测量的是什么

SFRA 并不会直接”看到”绕组。它在一定频率范围内测量响应，让工程师能够将该响应与基线、同型机组、相别或此前的试验进行比较。响应的偏移可能指示某些变化，例如绕组移位、变形、铁芯移动、匝间短路或开路，也可能是需要厘清的试验布置差异。

IEEE C57.149 是 IEEE 当前针对油浸式变压器频率响应分析的导则。IEC 60076-18 是 IEC 关于频率响应测量技术与设备的参考标准。诸如 TB 342 与 TB 812 等 CIGRE 资料提供了更多解读背景。

由事件驱动的价值

当 SFRA 与事件关联时尤为有价值：

• 工厂基线与投运调试。
• 运输后验证。
• 穿越性故障之后。
• 在疑似分接开关或引线问题之后。
• 在地震或机械应力之后。
• 当其他证据提示存在机械变化时。

代理式 APM 系统应当让这些事件关联清晰可见。一条缺乏事件历史的曲线，其证据力更弱。

测量背景至关重要

接地不良、引线布置、分接位置、试验仪器更换，或缺失的基线元数据，都可能导致误导性的比对结果。如果 AI 模型将每一条曲线都视为同等可靠，便可能放大这些问题。

GridAPM 的证据模型应当存储试验布置细节、测量日期、仪器背景、连接配置、分接位置以及基线参考。如此，智能体便能够将”可能存在绕组变化”与”在受控布置下重新试验”区分开来。

AI 辅助的比对

一个有边界的 SFRA 智能体可以：

1. 调取基线曲线与最新曲线。
2. 比较相别、同型机组与历史记录。
3. 计算变化指标或相似度度量。
4. 识别出现实质性偏差的频段。
5. 与穿越性故障历史、DGA、PRPD、负载以及巡检记录进行关联。
6. 起草一份包含置信度与复测逻辑的建议。

这与电力变压器诊断证据模型以及 PRPD 测量质量工作流相辅相成。

从曲线到决策

SFRA 的分析结果可以支撑多种措施，例如复测、更深入的巡检、停电试验、修复评估、恢复投运审查或持续监测。相关决策取决于曲线变化、事件严重程度、支撑性证据以及资产关键性。

最有力的产品主张并不是 AI 能够自动诊断每一次绕组移位，而是 AI 能够在变压器 APM 工作流中，让 SFRA 证据更易于调取、比较、解释与批准。