變壓器在線監(jiān)測(cè)與故障診斷綜述

《變壓器在線監(jiān)測(cè)與故障診斷綜述》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在應(yīng)用文檔-天天文庫(kù)。

1、變壓器狀態(tài)監(jiān)測(cè)和故障診斷技術(shù)的應(yīng)用摘要：充油變壓器在運(yùn)行狀態(tài)中發(fā)生故障將嚴(yán)重影響糗個(gè)電力系統(tǒng)的可靠運(yùn)行，其中由于絕緣故障造成的事故占到變壓器總事故的85％以上。油中溶解氣體分析方法作為一種有效的充油電力設(shè)備異常分析手段，在電力系統(tǒng)中得到廣泛的應(yīng)用。本文主要是針對(duì)基于DGA的變壓器絕緣故障診斷方法進(jìn)行研究和探討。傳統(tǒng)的基于DGA的變壓器絕緣故障診斷方法有：得能堡比值法、三比值法、羅杰斯法、改進(jìn)羅杰斯法、電研協(xié)法等，采用的特征氣體是CH。，H：，C：H。，C：H。，C：H。，CO，CO：等七種。這些方法是在大量數(shù)據(jù)的基礎(chǔ)上統(tǒng)計(jì)出來(lái)的，雖然在形

2、式上比較簡(jiǎn)單，但正是因?yàn)楹?jiǎn)化了故障因素的復(fù)雜性而使得故障診斷正確率只能達(dá)到80％左右。本文系統(tǒng)地討論了近年來(lái)國(guó)內(nèi)外學(xué)者提出的基于人工智能技術(shù)的變壓器絕緣故障診斷方法，如基于模糊理論、神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)和灰色理論等技術(shù)，這些方法有效地提高了變壓器絕緣故障診斷的正確率。最后討論了今后該領(lǐng)域的研究趨向。1概述電力變壓器是電壓等級(jí)變化與電能轉(zhuǎn)化的重要設(shè)備之一。長(zhǎng)時(shí)間運(yùn)行條件下，變壓器油和絕緣紙等化合物在電場(chǎng)、溫度等作用下，會(huì)逐漸劣化，最終導(dǎo)致變壓器故障。為了保證電力變壓器的正常穩(wěn)定的運(yùn)行，必須最大限度的防止和減少變壓器故障，因此及時(shí)準(zhǔn)確的檢測(cè)和診

3、斷出變壓器的故障時(shí)及其重要的。目前對(duì)變壓器故障診斷的方法主要是基于DGA技術(shù)，即通過(guò)比較變壓器油中溶解氣體的含量來(lái)實(shí)現(xiàn)變壓器故障診斷?；贒GA的變壓器故障診斷方法大體分為經(jīng)典的傳統(tǒng)方法和基于人工智能的方法2.傳統(tǒng)方法傳統(tǒng)方法是人們?cè)陂L(zhǎng)期的科學(xué)研究和變壓器故障診斷實(shí)踐中通過(guò)統(tǒng)計(jì)分析總結(jié)出來(lái)的判斷故障類型的方法，主要有基于油中溶解氣體的故障診斷以及各種基于氣體比值的故障診斷方法等。（1）特征氣體法。該方法主要是根據(jù)變壓器發(fā)生不同故障時(shí)，根據(jù)油中各種氣體的濃度就可以大致判斷故障類型。變壓器不同故障類型產(chǎn)生的氣體組分如表1所示。表1充油變壓器不

4、同故障類型產(chǎn)生的氣體故障類型主要?dú)怏w成分次要?dú)怏w成分油過(guò)熱CH4、C2H2H2、C2H6油和紙過(guò)熱CH4、C2H4、CO、CO2H2、C2H6油紙局部放電H2、CH4、COC2H2、C2H6、CO2油中火花放電H2、C2H2油中電弧H2、C2H2CH4、C2H6、C2H4油和紙中電弧H2、C2H2、CO、CO2CH4、C2H6、C2H4（2）比值法。該方法是根據(jù)各種特征氣體的比值來(lái)判斷變壓器故障類型。比值法具體來(lái)說(shuō)又可以分為編碼比值法和無(wú)編碼比值法，前者有IEC三比值法及其改進(jìn)形式，日本電協(xié)研法及其改進(jìn)形式，英國(guó)的德能堡比值法，羅杰士比值

5、法和德國(guó)的四比值法；后者是取消了氣體比值區(qū)間對(duì)應(yīng)于某一編碼，而直接用比值范圍對(duì)應(yīng)于一種故障。比值法是大量故障統(tǒng)計(jì)分析基礎(chǔ)上，舍棄了較小概率的情況而得到的，所以其準(zhǔn)確率不能到達(dá)很高，對(duì)收集的全國(guó)1300多太故障變壓器的數(shù)據(jù)采用三比值法進(jìn)行診斷的結(jié)果表明，該方法的準(zhǔn)確率為74%。3.人工智能在變壓器故障診斷中應(yīng)用隨著計(jì)算機(jī)技術(shù)和人工智能技術(shù)的發(fā)展，利用人工智能的方法建立故障診斷系統(tǒng)模型已經(jīng)成為了計(jì)算智能的研究熱點(diǎn)和重點(diǎn)。主要有人工神經(jīng)網(wǎng)絡(luò)、模糊理論、粗糙集理論、灰色系統(tǒng)理論和專家系統(tǒng)等人工智能方法應(yīng)用于變壓器故障診斷的研究中，使診斷結(jié)果的符合

6、率有了顯著提高。（1）基于人工神經(jīng)網(wǎng)絡(luò)的絕緣故障診斷方法人工神經(jīng)網(wǎng)絡(luò)（ArtificialNeuralNetwork，簡(jiǎn)稱ANN）是通過(guò)模擬人腦神經(jīng)元活動(dòng)的過(guò)程，用神經(jīng)元的特性及連接模式來(lái)學(xué)習(xí)和表達(dá)輸入與輸出之間復(fù)雜的非線性映射關(guān)系。由于神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的學(xué)習(xí)能力。泛化能力和自適應(yīng)能力，能映射高度非線性的輸入輸出關(guān)系，并且它本身就是簡(jiǎn)單的非線性函數(shù)的多次復(fù)合，無(wú)需建立任何物理模型和進(jìn)行人工干預(yù)。而故障診斷就是在輸入數(shù)據(jù)楊泵和一個(gè)或多個(gè)故障狀態(tài)之間建立聯(lián)系的過(guò)程。ANN為變壓器故障診斷開(kāi)辟了新途徑。目前已有數(shù)十種神經(jīng)網(wǎng)絡(luò)模型，應(yīng)用較為廣泛的

7、有前饋網(wǎng)絡(luò)（BP網(wǎng)絡(luò)）、自組織特征映射網(wǎng)絡(luò)（Kohonen網(wǎng)絡(luò)）和訓(xùn)練向量分區(qū)網(wǎng)絡(luò)（LVQ網(wǎng)絡(luò)）等。其中BP網(wǎng)絡(luò)是一反向傳播的多層前向網(wǎng)絡(luò)，上下層之間各神經(jīng)元實(shí)現(xiàn)全連接，而同層內(nèi)的各神經(jīng)元無(wú)連接。BP網(wǎng)絡(luò)具有良好的模式分類能力，尤其適合故障診斷方面的模式識(shí)別問(wèn)題，具有2個(gè)隱層的典型BP網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。圖1具有2個(gè)隱層的典型BP網(wǎng)絡(luò)基于DGA技術(shù)的BP故障診斷網(wǎng)絡(luò)，首先要確定輸入，BP網(wǎng)絡(luò)有3種輸入方式，一是選擇出CO2外的H2、CH4、C2H4、C2H6、C2H2、CO六種氣體作為輸入；二是選擇H2、C2H4、C2H2以及總烴（C1+

8、C2）四種氣體各自所占的相對(duì)百分比作為輸入；三是選擇C2H2/C2H4、CH4/H2和C2H6/C2H4作為輸入。對(duì)變壓器故障識(shí)別時(shí)，期望神經(jīng)網(wǎng)絡(luò)的輸出時(shí)變壓器的典型故障，變壓器的典型故障類型