電力變壓器故障檢測技術

發布日期：2018-01-02 來源：變壓器網 瀏覽次數：1447

隨著在線監測技術、計算機技術和人工智能技術的發展，利用油中溶解氣體分析技術與模糊邏輯、專家系統和人工神經網絡等技術融合的診斷方法有效地實現了對電力變壓器內絕緣潛伏性故障的診斷，大大提高了故障診斷的準確性、可靠性和診斷效率，為變壓器故障診斷技術的發展開拓了新的途徑。根據變壓器故障檢測手段，可以總結為以下幾種類型：

1．油中溶解氣體成分的比值法診斷方法

對于大部分的油浸式電力變壓器在熱與電的作用下，變壓器油箱中將會產生某些可燃性的氣體，而對于溶解在油中的可燃性氣體可以根據這些特殊氣體的含量與比值確定變壓器油紙絕緣系統的熱分解本質。首先利用這種技術對于油浸式變壓器進行了故障診斷，之后Barraclough 等人提出了利用CH4/H2、C2H6/CH4、C2H4/C2H6 和C2H2/C2H4 四種比值的方法進行變壓器故障診斷。而在后來的IEC 標準中把比值 C2H6/CH4 刪除，修改后的三比值法被普遍采用，Rogers 進一步對IEEE和IEC 的氣體組分比值編碼及使用方法作了詳細的解析和說明。在長期使用IEC599 的情況下發現部分情況不符合實際情況，且無法對某些情況進行診斷。因此，我國與日本電氣協會都對IEC 的編碼進行了一些改進，而其他溶解氣體成分分析方法也得到了廣泛的運用。

2．模糊邏輯診斷方法

美國的控制論學家L.A.Zadeh 第一次提出了模糊診斷的方法，而現在模糊診斷的方法得到了更加廣泛的運用。模糊邏輯的方法有利于表達界限不清晰的定性知識與經驗，它借助于隸屬度函數概念，區分模糊集合，處理模糊關系，模擬人腦實施規則型推理，解決實際產生中的種種不確定問題。實際中變壓器存在著一些故障發生原因不清楚的問題，故障發生的機理之間存在的大量不確定關系和模糊關系，用傳統的方法不能解釋或很難描述，而采用模糊邏輯的方法則可以有效地解決變壓器中故障發生的不確定關系，為解決電力變壓器的故障提供了一種新的解決思路。針對電力變壓器故障診斷常用的Regers 比值法中存在著臨界比值判據缺損的問題，提出了利用模糊集理論進行電力變壓器故障診斷的方法，將模糊邏輯技術引入傳統比值法，把比值邊界模糊化，該方法在變壓器多故障診斷中有較好的應用效果，并發展出一系列故障診斷方法，包括編碼組合法、模糊聚類技術、Petri網絡及灰色系統等，這些模型充分考慮了數據本身的模糊性，能有效改善復雜數據集的性能，從而提高了變壓器故障診斷的正確率。

3．專家系統的診斷方法

專家系統是人工智能的一個重要分支。它是一種能夠在一定程度上模擬八位人類專家經驗及推理過程的計算機程序系統；能根據用戶提供的數據信息，運用系統中存儲的專家經驗或知識進行推理判斷，最后給出結論及其可信度以供用戶決策之用。電力變壓器故障診斷是個相當復雜的問題，涉及多方面的因素，根據各種參數做出正確判斷必須要有堅實的理論基礎和豐富的運行維護經驗；另外，由于變壓器的容量、電壓等級和運行環境各異，同一種故障在不同變壓器中的表現也有一定的差異。而專家系統具有較強的容錯能力和自適應性，可根據診斷中所獲得的知識對自身的知識庫進行修正以保證知識的完備性，因此，對不同類型的電力變壓器均可有效診斷。電力變壓器故障診斷專家系統能夠通過總結電力變壓器的故障原因及故障類型，綜合運用包括油中溶解氣體分析的故障檢測知識來判斷故障性質，并可以通過運用模糊邏輯較好地處理故障診斷中的模糊性問題，通過粗糙集方法解決專家系統較難獲取完備知識的瓶頸問題，通過黑板模型結構建立適于多專家合作診斷的結構。

4．人工神經網絡的診斷方法

人工神經網絡以數學模型模擬神經元活動，是基于模仿大腦神經網絡結構和功能而建立的一種信息處理系統。人工神經網絡具有自組織、自適應、自學習、容錯性及很強的非線性逼近能力，可以實現預測、模擬仿真和模糊控制等功能，是處理非線性系統的有力工具。根據電力變壓器故障時油中溶解氣體的成分及含量，利用人工神經網絡高度的非線性映射及自組織、自學習能力進行變壓器故障診斷一直是近年來的研究熱點，發展出一系列以人工神經網絡為基礎的故障診斷方法，如兩步ANN 方法、基于反向傳播人工神經網絡、決策樹神經網絡模型、組合神經網絡分層結構模型、徑向基函數神經網絡等，這些方法不斷提高神經網絡算法的收斂速度、分類性能和準確率。

5．其他診斷方法

除了上述四種方法，還有一些方法也用于變壓器的故障診斷當中。將神經網絡和證據理論進行有機結合，使兩者優勢互補，可得到多神經網絡與證據理論融合的變壓器故障綜合診斷方法。根據仿生生物免疫系統中抗體對抗原的高效識別和記憶機理，通過自組織抗體網絡和抗體生成算法用于解決電力變壓器故障診斷問題。另外，還有基于信息融合、粗糙集理論、組合決策樹、貝葉斯網絡、人工免疫、新徑向基函數網絡及支持向量機的變壓器故障診斷法。