配電變壓器狀態(tài)評估技術(shù)綜述

趙傳奇，王 暉

（1.長春工程學(xué)院 電氣與信息工程學(xué)院，2.吉林省配電自動化研究中心，長春 130012）

配電變壓器狀態(tài)評估技術(shù)綜述

趙傳奇1，王 暉2

（1.長春工程學(xué)院 電氣與信息工程學(xué)院，2.吉林省配電自動化研究中心，長春 130012）

為使更多配電網(wǎng)的研究人員對配電網(wǎng)變壓器狀態(tài)評估方法有更深的研究，基于目前配電變壓器狀態(tài)評估的研究現(xiàn)狀，介紹了傳統(tǒng)的狀態(tài)評估方法，詳細(xì)闡述了智能方法應(yīng)用于變壓器狀態(tài)評估的基本原理，總結(jié)了智能方法的優(yōu)缺點(diǎn)，并提出了物聯(lián)網(wǎng)技術(shù)應(yīng)用于變壓器狀態(tài)評估的發(fā)展趨勢。

配電變壓器；狀態(tài)評估；智能方法

0 前言

變壓器屬于供電、配電部門的重要設(shè)備，它們的安全運(yùn)行直接關(guān)系到電網(wǎng)的安全供電，變壓器狀態(tài)評估是電力設(shè)備修理和維護(hù)的基礎(chǔ)工作，由于變壓器本身是一個(gè)包含很多部件的復(fù)雜系統(tǒng)，因此，變壓器狀態(tài)評估的影響因素也很多，對其進(jìn)行準(zhǔn)確評估難度很大。目前針對變壓器狀態(tài)評估的方法已經(jīng)逐步從單一的傳統(tǒng)方法轉(zhuǎn)變?yōu)榕c智能算法結(jié)合的方法，本文分別介紹了傳統(tǒng)狀態(tài)評估方法、神經(jīng)網(wǎng)絡(luò)算法和模糊理論，為變壓器狀態(tài)評估提供技術(shù)支持。

1 傳統(tǒng)狀態(tài)評估方法

變壓器發(fā)生故障時(shí)，故障點(diǎn)釋放的能量，使周圍溶解在變壓器油中的氣體成分的相對數(shù)量和形成速度發(fā)生變化，這些故障氣體的組成和含量與故障類型及嚴(yán)重性密切相關(guān)，傳統(tǒng)方法是對變壓器進(jìn)行油氣監(jiān)測，其基本原理是根據(jù)油中氣體成分的不同及所占百分比不同，判斷故障的種類及嚴(yán)重程度，進(jìn)而評估變壓器工作是否正常[1]。這種方法局限于閥值診斷，難以顯示故障的發(fā)展趨勢。

2 智能算法在變壓器狀態(tài)評估中的應(yīng)用

2.1 基于神經(jīng)網(wǎng)絡(luò)的方法

人工神經(jīng)網(wǎng)絡(luò)是由神經(jīng)元通過網(wǎng)絡(luò)權(quán)值相互連接而成的自適應(yīng)非線性系統(tǒng)。人工神經(jīng)網(wǎng)絡(luò)通過神經(jīng)元之間隔連接關(guān)系實(shí)現(xiàn)信息的存儲，通過神經(jīng)元之間的傳遞關(guān)系來實(shí)現(xiàn)信息的處理，通過神經(jīng)元相互之間連接權(quán)值的動態(tài)變化過程實(shí)現(xiàn)網(wǎng)絡(luò)的學(xué)習(xí)。BP神經(jīng)網(wǎng)絡(luò)模型將反向傳播學(xué)習(xí)算法應(yīng)用于連接權(quán)值的動態(tài)變化，是目前應(yīng)用最多且最重要的網(wǎng)絡(luò)。其學(xué)習(xí)過程分兩個(gè)階段[2]：

第一個(gè)階段初始化的權(quán)值和閾值。設(shè)輸入為M維，輸出L維，對某一輸入隱含層節(jié)點(diǎn)i的輸出為：

其中fθi為隱含層節(jié)點(diǎn)的激活函數(shù)；輸出層節(jié)點(diǎn) 的輸出為：

其中fai為輸出層節(jié)點(diǎn)的激活函數(shù)。

第二個(gè)階段是對權(quán)值和閾值進(jìn)行更新，從最后一層向前計(jì)算各權(quán)值和閾值對偏差的影響，利用能量函數(shù)計(jì)算神經(jīng)網(wǎng)絡(luò)對于該樣本的能量值，計(jì)算每個(gè)神經(jīng)元節(jié)點(diǎn)所產(chǎn)生的誤差，反向傳遞該誤差，修正各個(gè)權(quán)值和閥值。偏差的一般選擇輸入輸出間的均方差：

以上兩個(gè)過程反復(fù)交替，直到達(dá)到收斂為止。

2.2 基于模糊理論的方法

使用模糊理論對變壓器進(jìn)行設(shè)備狀態(tài)評估的步驟如下[3，4]：

（1）確定狀態(tài)因素集。狀態(tài)因素集是影響評估對象的各因素所組成的一個(gè)普通的集合。通常用U表示。對于一級模糊評判模型，，其中ui代表各影響因素，對于各個(gè)因素具有不同層次的情況，采用兩級或更高級的評判模型，此時(shí)ui代表第一層的第i個(gè)元素，它又由第二層的n個(gè)元素決定，即，其中uij即為第二層次的影響因素。如將變壓器狀態(tài)因素集定為兩級模型，即U={電氣試驗(yàn)，油色譜分析，絕緣油特性，試驗(yàn)新技術(shù)，歷史情況}，表明變壓器狀態(tài)受U中因素影響，而U中每一個(gè)因素又由第二層因素影響，如油色譜分析受{H2，CH4，C2H6，C2H4，C2H2，CO，總烴}因素集影響。

（2）確定權(quán)重集。各個(gè)因素對變壓器狀態(tài)的影響程度不同，因此建立因素權(quán)重集來反應(yīng)各個(gè)因素對于變壓器狀態(tài)的影響程度，對因素ui賦予相應(yīng)的權(quán)重ai，對第二層因素同理，則各權(quán)重組成的集合即為因素權(quán)重集。權(quán)重集應(yīng)滿足歸一化條件：

權(quán)重可由模糊數(shù)學(xué)的方法確定，也可根據(jù)實(shí)際問題由專家打分確定。

（3）確定評判集。無論是一級還是多級迷糊評判，評判集只有一級，即變壓器的狀態(tài)組成的集合（如良好、一般、注意、較差）。通常用表示。模糊綜合評判的目的就是在綜合考慮所有影響因素的基礎(chǔ)上，從評判集中得出最佳的評估結(jié)果。

（4）確定隸屬度函數(shù)。隸屬函數(shù)是描述模糊性的關(guān)鍵。設(shè)評判集V={良好、一般、注意、較差}，隸屬度函數(shù)將各個(gè)因素值轉(zhuǎn)化為隸屬于不同狀態(tài)的隸屬度，不同因素的隸屬度組合成隸屬度矩陣R。常用的隸屬度函數(shù)是三角形函數(shù) 。

（5）模糊評判。一級模糊綜合評判是對一類因素中的的各個(gè)因素進(jìn)行綜合評判，為了考慮不同層次因素的綜合影響，還必須在電氣試驗(yàn)、油色譜分析、絕緣油特性、試驗(yàn)新技術(shù)、歷史情況之間進(jìn)行綜合評判，稱為二級綜合評判，二級模合評判解決了因素過多的問題，它按照某種標(biāo)準(zhǔn)將因素分到不同的類中。二級模合評判評估矩陣R應(yīng)為一級模糊綜合評判所得的矩陣，從而可得二級綜合評判集為：

第一層因素集U反映變壓器綜合狀態(tài)能力的權(quán)重集。R是一級模糊評判得到的綜合評判矩陣。B表示變壓器綜合狀態(tài)隸屬于狀態(tài)V的隸屬度。最后按照隸屬度最大原則，選取 作為該變壓器的綜合狀態(tài)，并根據(jù)評估結(jié)果安排檢修策略。

3 總結(jié)與展望

智能技術(shù)與傳統(tǒng)方法的結(jié)合，提高了變壓器檢修效率，有效地降低了錯(cuò)檢、漏檢等事件發(fā)生的概率，實(shí)現(xiàn)對配電網(wǎng)狀態(tài)的檢測、預(yù)警以及狀態(tài)的檢修，使配電網(wǎng)始終在最佳狀態(tài)運(yùn)行，保障生產(chǎn)和生活用電，同時(shí)降低損耗，提高優(yōu)質(zhì)服務(wù)水平。

[1]吳立增.變壓器狀態(tài)評估方法的研究[D].華北電力大學(xué)，2005.

[2]張世宏，劉玓.神經(jīng)網(wǎng)絡(luò)算法在電力設(shè)備狀態(tài)評估系統(tǒng)中的應(yīng)用[J].福建電腦，2007（07）：98.

[3]王謙.基于模糊理論的電力變壓器運(yùn)行狀態(tài)綜合評估方法研究[D].重慶大學(xué)，2005.

[4]王美剛.基于模糊理論的電力變壓器狀態(tài)評估[D].華北電力大學(xué)，2007.

項(xiàng)目支持：吉林省工信廳項(xiàng)目2013001，吉林省科技廳重點(diǎn)科技攻關(guān)項(xiàng)目20130206049GX，吉林省教育廳2013297.

趙傳奇（1990—）男，山東沾化人，在讀研究生，本科，主要研究：人工智能算法及應(yīng)用。