變壓器油色譜故障診斷方法在設(shè)備知識(shí)管理中的應(yīng)用

王一宇，朱大銘，司昌健，安英海

(1.國(guó)網(wǎng)吉林省電力有限公司檢修公司，長(zhǎng)春 130022；2.國(guó)網(wǎng)吉林省電力有限公司，長(zhǎng)春 130028；3.國(guó)網(wǎng)吉林省電力有限公司電力科學(xué)研究院，長(zhǎng)春 130021)

變壓器內(nèi)部結(jié)構(gòu)復(fù)雜、制造工藝要求較高且其運(yùn)行環(huán)境差異較大，如變壓器運(yùn)行過(guò)程中內(nèi)部絕緣發(fā)生故障，一旦未及時(shí)發(fā)現(xiàn)并處理，將造成變壓器保護(hù)動(dòng)作甚至爆炸，存在大面積停電等電網(wǎng)安全風(fēng)險(xiǎn)。目前各供電公司普遍采用油色譜定期試驗(yàn)，初步診斷變壓器內(nèi)部是否存在缺陷。但在設(shè)備運(yùn)行、例行試驗(yàn)、故障診斷、故障分析處理等設(shè)備管理過(guò)程中，設(shè)備試驗(yàn)數(shù)據(jù)、診斷方法、故障分析報(bào)告、技術(shù)方案等知識(shí)點(diǎn)較分散，無(wú)法為管理人員和現(xiàn)場(chǎng)人員提供較為系統(tǒng)、完整的支撐信息[1]。

針對(duì)上述問(wèn)題，本文利用基于神經(jīng)元(neuron)算法的變壓器油色譜故障診斷方法，建立電網(wǎng)主設(shè)備知識(shí)庫(kù)服務(wù)應(yīng)用，對(duì)變壓器油色譜試驗(yàn)數(shù)據(jù)，運(yùn)用神經(jīng)元算法智能診斷故障類(lèi)型，再根據(jù)故障類(lèi)型、設(shè)備型號(hào)、生產(chǎn)廠家、電壓等級(jí)等特征標(biāo)簽，自動(dòng)推送相似故障案例及技術(shù)方案，解決了設(shè)備管理知識(shí)分散、缺少系統(tǒng)性信息支撐等問(wèn)題，為管理人員制定檢修決策和現(xiàn)場(chǎng)人員實(shí)施故障處理提供了有效的技術(shù)手段。

1 基于神經(jīng)元算法的變壓器油色譜故障診斷方法

采用神經(jīng)元算法診斷變壓器故障的優(yōu)勢(shì):一是神經(jīng)網(wǎng)絡(luò)能任意精度逼近任意非線性函數(shù),可利用這一特點(diǎn)建立故障的非線性數(shù)學(xué)模型進(jìn)行故障診斷；二是神經(jīng)網(wǎng)絡(luò)具有強(qiáng)大的分類(lèi)能力,讓網(wǎng)絡(luò)進(jìn)行故障模式的分類(lèi)與學(xué)習(xí),可準(zhǔn)確地診斷出故障。

算法原理：先將輸入樣本送入輸入層神經(jīng)元，逐層將信號(hào)進(jìn)行前傳，直到輸出層輸出結(jié)果；然后計(jì)算輸出層實(shí)際輸出與預(yù)期輸出之間的誤差；再將誤差以逆向傳播送至隱藏層神經(jīng)元；最后利用隱層神經(jīng)元的誤差對(duì)權(quán)重和閾值給予調(diào)整。該迭代過(guò)程循環(huán)進(jìn)行，直至達(dá)到訓(xùn)練誤差滿足要求為止。

根據(jù)神經(jīng)元拓?fù)浣Y(jié)構(gòu)網(wǎng)絡(luò)(見(jiàn)圖1)，對(duì)于第i個(gè)神經(jīng)元，x1，x2，…，xj為神經(jīng)元的輸入，w1，w2，…，wj為連接權(quán)值調(diào)節(jié)各個(gè)輸入量的占量比。θj表示該神經(jīng)元的閾值，選擇S型函數(shù)f(x)=1/(1+e-x)作為激活函數(shù)。設(shè)第一個(gè)輸入閾值為θj，權(quán)值為-1，則得到神經(jīng)網(wǎng)絡(luò)輸出公式：

圖1 神經(jīng)元拓?fù)浣Y(jié)構(gòu)

(1)

給定訓(xùn)練集D=(x1,y1)，(x2,y2)，…,(xn,yn),xi∈Rd,yi∈Rl,表示輸入示例由d個(gè)屬性組成，輸出l維實(shí)值變量。BP神經(jīng)網(wǎng)絡(luò)模型中有輸入層、隱藏層、輸出層，設(shè)vih為輸入層到隱藏層的權(quán)值，γh為隱藏層第h個(gè)神經(jīng)元的閾值，bh為第h個(gè)隱藏神經(jīng)元的輸入，αh為隱藏層第h個(gè)神經(jīng)元的輸出，whj為隱藏層到輸出層的權(quán)值，θj為輸出層第j個(gè)神經(jīng)元的閾值，βj為第j個(gè)輸出神經(jīng)元的輸入。則有公式：

(2)

(3)

(4)

輸出值與期望值的均方誤差為Ek，其公式為：

(5)

以輸出的均方誤差最小為目標(biāo)，給定學(xué)習(xí)率η∈(0,1)，對(duì)權(quán)值的負(fù)梯度方向給予調(diào)整：

(6)

而w的更新估計(jì)式為：

w=w+Δw

(7)

(8)

所以eh可以看做是“調(diào)節(jié)后的誤差”，gj是經(jīng)歷了神經(jīng)網(wǎng)絡(luò)以后調(diào)節(jié)過(guò)后的誤差。其中，權(quán)值調(diào)節(jié)量為學(xué)習(xí)率、調(diào)節(jié)后誤差與上層節(jié)點(diǎn)輸出的乘積。

選定H2，CH4，C2H6，CH4，C2H25種氣體體積分?jǐn)?shù)與其混合后的混合氣體體積分?jǐn)?shù)的比值作為輸入向量。設(shè)計(jì)輸出向量共6個(gè)，分別表示變壓器的6種故障類(lèi)型：低溫過(guò)熱、中溫過(guò)熱、高溫過(guò)熱、局部放電、電弧放電和火花放電。網(wǎng)絡(luò)輸出為1表示屬于此類(lèi)故障，0則表示不屬于此類(lèi)故障。神經(jīng)元輸出越接近1說(shuō)明變壓器屬于該類(lèi)故障的概率越大，反之越小。據(jù)此，需建立一個(gè)正向映射，輸出向量概率在[0,1]，當(dāng)輸入向量越接近1時(shí)輸出向量也接近1，輸入越接近于1時(shí)映射的輸出越接近于1，反之接近0[2]。

2 電網(wǎng)主設(shè)備知識(shí)庫(kù)知識(shí)服務(wù)的搭建

電網(wǎng)主設(shè)備知識(shí)庫(kù)立足于設(shè)備知識(shí)管理與信息技術(shù)整合應(yīng)用，建立電網(wǎng)設(shè)備數(shù)據(jù)共享接入、數(shù)據(jù)結(jié)構(gòu)化處理、設(shè)備知識(shí)智能應(yīng)用的電網(wǎng)主設(shè)備知識(shí)管理體系，實(shí)現(xiàn)“不知道的查看、不明白的解析、不會(huì)做的指導(dǎo)、想不到的推送”目標(biāo)定位。支持設(shè)備運(yùn)行維護(hù)人員、管理人員對(duì)不明白的知識(shí)提供解釋和幫助，如設(shè)備色譜試驗(yàn)數(shù)據(jù)異常，判斷是放電還是過(guò)熱，影響多大、一般發(fā)展速度是什么等。

電網(wǎng)主設(shè)備知識(shí)庫(kù)整合了目前輸變電生產(chǎn)數(shù)據(jù)、在線監(jiān)測(cè)數(shù)據(jù)、試驗(yàn)報(bào)告、技術(shù)標(biāo)準(zhǔn)、企業(yè)制度、設(shè)備故障異常分析報(bào)告等各方面知識(shí)，結(jié)合變壓器油色譜智能診斷算法，當(dāng)設(shè)備診斷為異常故障時(shí)，按設(shè)備型號(hào)、設(shè)備類(lèi)型等特征標(biāo)簽，自動(dòng)推送同型號(hào)、同設(shè)備類(lèi)型故障分析及故障處理信息，輔助現(xiàn)場(chǎng)人員找出各類(lèi)異常故障的分布、特點(diǎn)，為現(xiàn)場(chǎng)搶修消缺、大修技改、監(jiān)測(cè)維護(hù)等提供決策輔助性支持。

2.1 油色譜智能診斷

電網(wǎng)主設(shè)備知識(shí)庫(kù)色譜智能功能包含三種智能診斷方法，分別是神經(jīng)元算法、三比值方法及拆分法。利用三種智能診斷方法，系統(tǒng)自動(dòng)判斷變壓器異常故障，給出判斷結(jié)論，為專(zhuān)家提供輔助診斷依據(jù)。

2.2 智能推送案例

為進(jìn)一步擴(kuò)展知識(shí)服務(wù)應(yīng)用，將設(shè)備基礎(chǔ)數(shù)據(jù)、智能診斷結(jié)果、故障分析報(bào)告、技術(shù)標(biāo)準(zhǔn)等多方面知識(shí)融合應(yīng)用，利用智能診斷結(jié)果，提取設(shè)備特征值，自動(dòng)推送相關(guān)故障案例或技術(shù)方案。以設(shè)備類(lèi)別、部件、生產(chǎn)廠家、型號(hào)、現(xiàn)象關(guān)鍵詞、試驗(yàn)科目等作為特征值，系統(tǒng)通過(guò)數(shù)據(jù)抽取、數(shù)據(jù)消歧、數(shù)據(jù)匹配等數(shù)據(jù)處理過(guò)程，將案例庫(kù)中的故障資料、往期故障案例與輸入的特征值進(jìn)行匹配，計(jì)算出匹配相似度，精準(zhǔn)推送出故障相關(guān)案例和技術(shù)方案，并提供設(shè)備臺(tái)賬、技術(shù)標(biāo)準(zhǔn)等相關(guān)知識(shí)的快捷鏈接，為現(xiàn)場(chǎng)人員提供故障處理指導(dǎo)。故障案例推送過(guò)程見(jiàn)圖2。

圖2 故障案例推送過(guò)程

3 應(yīng)用實(shí)例

本文選取某供電公司220 kV變電站 66 kV 1號(hào)所用變壓器2019年4月到2020年5月四次油色譜例行試驗(yàn)數(shù)據(jù)，數(shù)據(jù)見(jiàn)表1。

表1 某220 kV變電站 66 kV 1號(hào)所用變壓器例行試驗(yàn)數(shù)據(jù) μL/L

從表1中可以看出，在2020年5月的兩次例行試驗(yàn)中，乙炔體積分?jǐn)?shù)均超過(guò)2 μL/L，利用系統(tǒng)色譜智能功能，三比值法與神經(jīng)元算法的診斷結(jié)果均為電弧放電。

經(jīng)專(zhuān)家認(rèn)定，該220 kV變電站66 kV 1號(hào)所用變壓器故障為電弧放電。進(jìn)一步應(yīng)用輔助診斷功能，將該設(shè)備基本信息、油色譜試驗(yàn)數(shù)據(jù)、智能診斷結(jié)果做為基礎(chǔ)輸入數(shù)據(jù)，從基礎(chǔ)數(shù)據(jù)中，提取了設(shè)備類(lèi)型、部件、廠家、型號(hào)、現(xiàn)象關(guān)鍵詞、試驗(yàn)科目6個(gè)特征值，通過(guò)數(shù)據(jù)匹配及相似度計(jì)算，系統(tǒng)自動(dòng)推送“春城變電站220 kV變電站3號(hào)主變跳閘”等6個(gè)相關(guān)案例。同時(shí)，在相關(guān)搜索中可直接查看該設(shè)備臺(tái)賬數(shù)據(jù)、油色譜歷史數(shù)據(jù)、同型號(hào)設(shè)備說(shuō)明書(shū)、設(shè)備資料及相關(guān)的技術(shù)標(biāo)準(zhǔn)等。

利用系統(tǒng)給出的66 kV 1號(hào)所用變壓器油色譜智能診斷結(jié)果，并結(jié)合輔助診斷自動(dòng)推送的相關(guān)案例知識(shí)，設(shè)備管理人員迅速制定檢修方案，對(duì)該設(shè)備進(jìn)行故障處理。

4 結(jié)束語(yǔ)

利用基于神經(jīng)元算法的變壓器油色譜故障診斷方法，建立電網(wǎng)主設(shè)備知識(shí)庫(kù)服務(wù)應(yīng)用，將設(shè)備基礎(chǔ)數(shù)據(jù)、智能診斷結(jié)果、故障分析報(bào)告、技術(shù)標(biāo)準(zhǔn)等多方面知識(shí)融合應(yīng)用，構(gòu)建設(shè)備知識(shí)管理體系，為設(shè)備管理人員、現(xiàn)場(chǎng)人員提供故障診斷、輔助決策、實(shí)施方案等多方面知識(shí)，實(shí)現(xiàn)知識(shí)共享與應(yīng)用，有效提高供電企業(yè)設(shè)備知識(shí)管理水平。在實(shí)際應(yīng)用中，更發(fā)揮了智能診斷與知識(shí)融合應(yīng)用的優(yōu)勢(shì)，為設(shè)備智能化、精益化管理奠定基石。