变压器故障诊断技术研究 |
| 2012-06-12 14:09 作者：冯 川 来源：硅谷网-《硅谷》杂志 HV： 编辑：GuiGu 【搜索试试】
|
|
摘要：变压器作为电力系统中的关键设备，它的安全、稳定、可靠运行将直接决定电网系统的安全稳定。因此对已发生的故障或未发生的故障隐患进行诊断分析显得尤为重要，首先对变压器故障诊断的传统方法进行介绍，然后重点介绍基于人工智能的故障诊断技术。对变压器故障诊断的特点、研究现状、发展趋势进行分析。
关键词：变压器；故障诊断；技术研究
中图分类号：TM407文献标识码：A文章编号：1671—7597（2012）0410
【《硅谷》杂志2012年4月下刊文】
0引言
随着电力系统容量和规模的不断增大，电力用户对系统的安全运行和可靠供电提出了越来越高的要求。变电站作为连接系统输电和配电的关键设备，承担着变电的重要任务。当变电站变压器发生故障后，维护人员应快速识别出故障发生位置及故障元件，并及时对故障设备进行检修，减少由停电带来的损失。因此，对变电站变压器设备进行有效的故障判断后检修是确保电力系统安全稳定运行的前提。
1故障诊断
变压器内部结构复杂，长期运行状态下的变压器将出现绝缘老化、材质劣化等现象。当变压器发生故障后，将给电力系统的安全稳定经济运行带来严重后果。因此，及时查找变压器中已发生的故障或未发生的隐性故障，并采取相应的抑制措施具有重要的理论和实际工程意义。
变压器的故障诊断就是根据变压器运行过程中产生的各种状态量信息，判断变压器是否正常运行，并确定产生故障的位置。变压器的故障诊断本质是变压器运行状态的模式识别问题，包括故障状态量信息预处理、特征信息提取和故障识别三个过程[1]。
变压器故障诊断方法可分为三类，即：传统故障诊断法、基于数学模型以及基于人工智能的故障诊断法。
1.1变压器故障诊断法
1.1.1传统故障诊断法
传统变压器故障诊断法通过对变压器进行预防性电气试验来进行故障诊断。依据试验种类的不同，可分为绝缘试验法、局部放电试验法和绝缘油电气试验法[2]。
1）绝缘试验法
绝缘试验的内容包括：①测量绕组的绝缘电阻及吸收比；②测量绕组连同套管的泄露电流、交流耐压、直流电阻；③测量铁芯对比电阻；④油中溶解气体和微量水分分析。该方法原理简单、可靠性强。
2）局部放电试验法
在已知的变压器故障中，大多数由变压器局部放电引起。因此，采用局部放电实验法进行故障诊断受到了广泛的关注。可采用多种方法和装置进行局部放电试验，包括直接法、间接法以及混合法。
3）绝缘油电气试验法
绝缘油电气试验内容用于检测油中含水量、油中含气量以及油中糠醛含量。该方法可有效检测变压器中绝缘油的优劣状况。
上述预防性电气试验法通过对变压器的一些常规状态量进行检测，可有效检测到变压器内部故障，然而该方法却难以对某些局部现象（如铁芯局部过热）作出准确判断。通过在试验中对油中溶解气体进行检测可避免上述方法的不足，该方法不受外界干扰，诊断精度和灵敏度高。目前，该方法已广泛应用于诊断变压器的早期潜伏性故障。
预防性电气试验方法仅能离线进行变压器故障诊断，该类方法不具备可预测性，大大限制了其应用范围。为此，研究者提出了以数学模型和人工智能为主的故障诊断法。
1.2基于数学模型的故障诊断法
1）基于模糊理论的故障诊断法
美国学者Zadeh于1965年提出处理模糊信息的模糊理论。当变压器发生故障后，其故障现象、故障原因和故障机理之间存在大量由排中律缺失引发的不确定性，采用模糊理论可对其进行准确的描述。
基于模糊理论的方法基于专家经验，采用隶属度函数描述状态变量的变化规律，主观性强。
2）基于粗糙集理论的故障诊断法
学者Pawlak在1982年提出了粗糙集理论，该理论可有效分析和处理不精确、不一致和不完整等各类不完备信息，通过揭示数据间隐藏的规律，提取有效的信息。
1.3基于人工智能的故障诊断法
随着计算机技术和人工智能技术的发展，以人工神经网络、遗传算法、专家系统、支持向量机等为代表的智能诊断方法能最大程度上的利用专家经验，引起了研究人员的广泛关注。
1）基于人工神经网络的故障诊断法
人工神经网络是一种模拟大脑行为和活动过程的智能分析方法。它具有很强的自学习能力，能有效处理不完全和不精确的信息。目前，应用较多的人工神经网络为基于BP算法的前向神经网络和基于径向基函数的神经网络。
文献[3]采用传统三比值法构建了BP神经网络，并证明该方法的有效性和正确性。
文献[4]将多种故障信息进行融合，并将神经网络和证据理论相结合，提出了一种新的变压器故障诊断方法。实例证明，该方法能有效利用初始故障信息中包含的冗余和互补信息，结果准确可靠。
文献[5]采用神经网络进行故障诊断，实例证明，该方法能有效处理动态和敏感样本数据，具有较强的故障诊断能力。
人工神经网络在变压器故障诊断中取得了一系列的成果，但该方法属于局部搜索算法，极易陷入局部最小点，且收敛速度较慢
2）基于遗传算法的故障诊断方法
遗传算法是由生物进化思想启发得到的一种智能化分析方法。该方法分为选择、交叉和变异等阶段，与人工神经网络相比，该方法具有全局搜索能力。
文献[6]采用基因多点交叉和动态变异的方式进行最优种群的选取，建立了一种基于遗传算法的变压器故障在线诊断系统。
文献[7]将遗传算法与人工神经网络结合起来，由遗传算法选取人工神经网络的初值，解决了人工神经网络极易陷于局部收敛和收敛速度慢的弊端。
文献[8]提出了基于遗传算法和粗糙集理论的约简算法。其中，遗传算法的全局并行寻优能力有效的提高了整个算法的执行效率。
3）基于专家系统的故障诊断方法
专家系统可根据已建立知识库中的专家经验或知识进行推理判断，并辅助用户进行决策。
基于专家系统的变压器故障诊断方法可通过在知识库中增加、删掉、修改专家知识，确保知识库的实时性和有效性。然而，由于变压器种类诸多，各种变压器故障次数有效，使得建立的专家知识较少。一旦专家知识库出现错误，将严重影响用户进行决策。
4）基于支持向量机的故障诊断方法
支持向量机是一种小样本的学习方法，特别适用于故障样本数据较少的变压器故障诊断领域。
文献[9]利用支持向量机对变压器进行故障诊断，该类方法可在小样本条件下搜索到最优解，具有很好的推广能力。
2发展趋势
随着计算机技术、数学及智能科学技术的发展，新的变压器故障诊断技术不断涌现出来。然而，到目前为止，该领域的研究还仅仅限于理论和模型的探索阶段，基本上还没有形成有效的产品。基于各方面技术的限制，因此，应从理论研究出发，逐步开发实用化的产品。
变压器故障诊断领域的关键问题在于：
1）信息不精确、不完整或小样本信息下的变压器故障诊断方法的研究。目前的研究方法大多基于可信的故障状态量信息，当初始信息中出现坏数据或不良数据时，现有方法可能引起错误的诊断结果。
2）多种信息融合的变压器故障诊断研究。传统方法大多采用单一的故障状态量信息，所获取的有用知识有限，在相对有限的初始信息下，得到的故障诊断结果可靠性不高。因此，借助于先进的信息融合技术，利用信息的互补性特点，可提高故障诊断的可靠性。
3）各种技术相结合的综合变压器故障诊断研究。单一的故障诊断方法都存在某些缺陷，例如人工神经网络极易陷入局部最小点，模糊理论的主观性强等，将各种诊断计算相结合，扬长避短，并适当引入新的数据挖掘技术，将成为变压器故障诊断的研究热门。
4）实用化产品的开发。到目前为止，变压器故障诊断的实用化程度较差，迫切需要电力企业和科研机构相互配合，从故障状态量信息的收集与整理、故障决策表的建立、专家知识库的构建等方面入手，为变压器故障诊断系统的实用化作出努力。
3结论
目前，变压器故障诊断存在以下不足：
1）处于故障潜伏期的变压器的监测信息较弱，当现场存在较强的电磁干扰时，将严重影响采集信息的质量。
2）现有故障诊断技术还不够完善，故障诊断系统的实用化程度较低。
因此，加强上述两方面的研究工作，用于变电站设备的状态检修具有重要的理论和现实意义。
参考文献：
[1]李中，基于人工免疫系统的电力变压器故障诊断技术研究[D].北京：华北电力大学，2010.
[2]彭宁云，基于DGA技术的变压器故障智能诊断系统研究[D].武汉：武汉大学，2004.
[3]杜文霞、吕锋、句希源，基于BP神经网络的电力变压器故障诊断[J].变压器，2007，44（3）：45-47.
[4]廖瑞金、廖玉祥、杨丽君等，多神经网络与证据理论融合的变压器故障综合诊断方法的研究[J].中国电机工程学报，2006，26（3）：119-124.
[5]李天云、程思勇、童建东等，基于Elman神经网络的油浸式电力变压器故障诊断[J].继电器，2006，39（11）：55-57.
[6]邓宏贵、曹建，罗安，一种新的遗传算法及其在变压器诊断中的应用[J].中南大学学报，2005，36（3）：481-485．
[7]徐文、王大忠、周泽存等，结合遗传算法的人工神经网络在电力变压器故障诊断中的应用[J].中国电机工程学报，1997，17（2）：109-112.
[8]孙秋野、张化光、刘鑫蕊，基于粗糙集和遗传算法的变压器故障诊断方法[J].仪器仪表学报，2008，29（10）：2034-2040.
[9]董明、孟源源、徐长响等，基于支持向量机及油中溶解气体分析的大型电力变压器故障诊断模型研究.
作者简介：
冯川（1981-），男，工程师，主要从事电网建设、运行管理工作。（注：本文版权归作者本人和硅谷杂志所有，禁止他人未经授权转载） |
|
|
|
【对“变压器故障诊断技术研究”发布评论】 |
版权及免责声明：
① 本网站部分投稿来源于“网友”，涉及投资、理财、消费等内容，请亲们反复甄别，切勿轻信。本网站部分由赞助商提供的内容属于【广告】性质，仅供阅读，不构成具体实施建议，请谨慎对待。据此操作，风险自担。
② 内容来源注明“硅谷网”及其相关称谓的文字、图片和音视频，版权均属本网站所有，任何媒体、网站或个人需经本网站许可方可复制或转载，并在使用时必须注明来源【硅谷网】或对应来源，违者本网站将依法追究责任。
③ 注明来源为各大报纸、杂志、网站及其他媒体的文章，文章原作者享有著作权，本网站转载其他媒体稿件是为传播更多的信息，并不代表赞同其观点和对其真实性负责，本网站不承担此类稿件侵权行为的连带责任。
④ 本网站不对非自身发布内容的真实性、合法性、准确性作担保。若硅谷网因为自身和转载内容，涉及到侵权、违法等问题，请有关单位或个人速与本网站取得联系（联系电话：01057255600），我们将第一时间核实处理。
|
|
|
|
