智能診斷方法在電力變壓器故障識別中的應用研究

王斌

摘要：電力變壓器故障識別能夠有效地提升故障維修效率，智能診斷方法是利用大數據技術構建的遠程監測系統，通過運用智能診斷方法可以精準對變壓器故障進行識別，以此提高變壓器的工作效率。

關鍵詞：智能診斷方法;變壓器;故障識別;應用

1 緒論

隨著我國智能技術的不斷發展，電力智能化系統日益完善。變壓器是整個電力系統運行樞紐，變壓器的運行效率直接關系整個電網的運行質量。由于變壓器在日常運行中受環境、具體工況以及人為破壞等因素的影響而導致其容易誘發故障。例如根據IEEE調查統計，大型電力變壓器故障發生率為1%2%，因此如何精準實現對變壓器故障的診斷與識別是降低變壓器故障發生率、提升其運行穩定的關鍵。

2 電力變壓器故障機理

電力變壓器是用來將某一數值的交流電壓轉化為工作頻率相同的另一種電壓的設備。按照不同的類型電力變壓器可以分為不同種類，例如按照繞組分類，變壓器可以分為雙繞組、三繞組以及自耦型等。按照用途可以分為升壓型、聯絡型以及降壓型等等。目前在電力市場中應用比較廣泛的是油浸式變壓器。因此本文以油浸式變壓器為例進行研究。油浸式變壓器是用油進行絕緣和散熱的，經過長時間的運行之后，變壓器內的油質就會逐年的老化裂解。通過研究變壓器油裂解主要包括以下方面：一是絕緣油的裂解。由于絕緣油中含有化學基團，這些化學基團在高溫的影響下會逐漸發生化學變化，這樣當故障程度聚集到一定程度后故障氣體就會析出;二是固體絕緣材料的裂解。變壓器內部所使用的絕緣材料含有無水右旋糖環，這些物質的熱穩定性比較弱，因此當變壓器長期運行后會因為熱而出現分解。因此油浸式變壓器故障主要呈現的是熱性或者電性故障。

3 智能診斷方法在電力變壓器故障識別中的實例分析

隨著互聯網技術、大數據技術以及云計算等技術的發展，智能診斷方法越來越完善。結合多年的工作實踐，目前電力系統中的智能診斷方法主要包括以下幾方面：（1）基于專家系統的方法。基于專家系統的診斷方法是電力故障診斷常會用到的方法，其主要是通過利用交互性的知識庫實現對不確切信息的推理，以此解決復雜的故障問題;（2）基于模糊推理方法。基于模糊推理就是利用故障的特征對其進行診斷;（3）基于智能計算的方法。智能計算是診斷前沿技術，最典型的是遺傳算法;（4）貝葉斯網絡概述。貝葉斯網絡就是擁有扎實的理論基礎，通過選用圖形簡單易懂地描述概率分布。貝葉斯網絡故障診斷流程：第一步，采集樣本數據，選擇好訓練樣本數和測試樣本數。第二步，使用weka中的各種離散方法對數據樣本進行離散化。第三步，利用離散后的樣本數據進行貝葉斯網絡學習，建好貝葉斯網絡模型。第四步，對測試樣本集進行分類預測。為了準確剖析智能診斷方法在變壓器故障識別中的應用價值，本文以貝葉斯網絡為例進行分析。

3.1 設備簡介

以某電站為例，該電站安裝一臺330kV主變壓器，在安裝完成后，經過24小時的運行后，對其進行檢查，通過去油樣分析，并沒有發現故障，顯示油中溶解氣體正常。但是在經過投產使用后，發現變電器存在故障特征，通過取樣發現，B相油中氣體含量不正常，進而選擇變壓器的中部和底部進行抽樣檢測分析，結果見表1。

3.2 故障分析

通過對抽取油樣的檢測分析，發現設備在使用4天后故障特征更加明顯。經過對溶解氣體含量的測定可以看出，變壓器的總烴含量已經遠遠超過標準值。通過對比4d前后的取樣數值計算投產后的絕對產氣速率，計算結果見表2。通過計算可以看出變壓器存在以下故障：一是變壓器內部設備出現故障，因為總烴含量超過標準值;二是變壓器故障在呈現快速變大的趨勢，如果不及時進行維修則會造成故障的進一步擴大（H2、C2H2、總烴的絕對產氣速率分別大幅超過10mL/d、0.2mL/d和12mL/d的注意值）;三是變壓器的故障符合高溫過熱的特征。因為從油氣解析中的成分可以看出，H2含量增長較快，同時還產生少量的C2H2;根據改良三比值法計算比值，編碼組合為022，屬于高溫過熱。通過運用模型可以分析出C2類的后驗概率最大，即為高溫過熱。

3.3 檢查結果

通過理論計算可以判定變壓器出現了故障，為此檢修人員按照變壓器維修說明書對設備進行解體檢查，發現變壓器確實存在故障：變壓器連接底腳支撐的鋼板與鐵軛的銅辮子經過被燒斷，而且鐵軛底腳螺栓絕緣管有被撞擊的痕跡，其中發現一只已經被撞碎了。結合多年的實踐經驗及維修說明書，可以判定變壓器之所以出現故障就是因為變壓器在安裝的過程中受各種因素撞擊而導致鐵軛底腳螺栓絕緣管撞碎，最終構成閉合磁路，形成環流而發生過熱故障。

可見，貝葉斯模型能有效的診斷出結果。

參考文獻：

[1]林光.淺析電力變壓器智能故障診斷方法[J].電子制作，2015（04）.

[2]李本鋅.智能算法在油浸式變壓器故障診斷中的應用研究[D].華東交通大學，2015.

[3]趙洋.智能診斷方法在電力變壓器故障識別中的應用研究[D].西安工程大學，2018.