基于變壓器運行機理建模的設備狀態趨勢分析與故障診斷

李洪坤，梁猛，楊雪飛，吳振凱，楊光照，林欣森

（1.超高壓輸電公司柳州局，廣西 柳州 545000；2.埃克斯工業（廣東）有限公司，廣東 廣州 510000）

0 前言

目前，國內多采用三維建模可視化技術對變電站內變壓器等設備建模，雖然一定程度上解決了傳統管理方法所存在的管理協同工作的難題，但隨著電力系統呈現開放式的發展趨勢，其非線性、高維度、分層、分布式等特征給三維數字可視化帶來巨大的挑戰。單純的三維數字可視化建模難以精確描述設備之間、設備內部的聯動機制和約束關系，無法整合設備運行的相關環境信息，進而難以實現對變電站設備運行狀態過程的綜合性分析[1-7]。

因此，需要深入的開展對變電站設備間的聯動機制、約束關系及動態運行過程表達方式方法的研究，探索運行機理建模的實現方法。變壓器作為變電站中較為昂貴的設備，尤為需要開展針對變壓器的運行工作機理建模、數字孿生體數據融合、運行狀態過程推演預測、智能故障診斷分析、智能預測性運維等研究工作，通過構建可以描述變壓器離散事件過程的數字孿生系統，為后續基于數字孿生開展變壓器狀態預測與故障診斷等方面奠定模型基礎[8-14]。

基于上述情況，本文采用ROPN（面向資源的高級Petri 網建模技術）系統工程建模方法對變壓器運行狀態過程進行全方位、細粒度的機理建模，構建變壓器運行系統的數字孿生體，實現變壓器物理系統與虛擬鏡像系統的信息交互回饋，通過虛實交互回饋、數據融合分析、決策迭代優化等手段，為變壓器物理系統運行增加和擴展新的能力。

1 高級系統工程建模技術——ROPN

Petri（Resource -Oriented Petrinet）網作為目前較為流行的建模方法，能夠對離散并發系統進行很好的描述。同時Petri 網適合于描述系統狀態和行為的改變，而狀態趨勢及故障是以設備狀態和行為變化為特征的，狀態趨勢與故障的產生和傳播是一個動態過程，因此Petri 網可以很好地表示系統狀態和行為的變化關系，準確地描述系統的產生和傳播特性。

但傳統Petri 網在進行對生產系統的建模時有一個共同的特征：生產系統越復雜，該類模型的規模就會快速增長。因此本文提出了基于一種高級Petri 網的系統工程建模技術（ROPN，Process Oriented Petrinet），通過建立緊湊的系統工程模型實現復雜生產系統建模。

1.1 變壓器運行機理的ROPN建模研究

通過嚴格的數學表述及直觀的圖形表達，基于ROPN 技術的變壓器機理建模不僅可以描述生產系統的動態運行過程，也可以較好地處理異步并發事件。對于變壓器機理建模，其實質是構建變電站變壓器各功能環節在不同狀態下機理模型的數學表達式。具體介紹如下：

1）機理模型的定義

機理模型，亦稱白箱模型。是根據設備、生產過程、工作原理的內部機制、規律或者物質流的傳遞機理，經嚴格推導建立起來的精確數學模型。機理模型的優點是參數具有非常明確的物理意義，易于調整，所得的模型具有很強的適應性。

2）機理模型的構建流程

如圖1中所示，首先需根據系統的結構和遵循的內在科學規律（物理定律、化學定律等）構建初步的機理模型，然后在系統運行時的大量輸入、輸出數據，借助合適的優化算法，獲取高精度的機理模型。

圖1 機理模型構建過程

3）機理模型的表現形式

機理模型可以是一個數學表達式或者多個數學表達式的組合，每個數學表達式均代表著該功能環節在某種狀態下的運行機理。

1.2 ROPN建模研究案例

下面以變壓器差動保護裝置為例進行ROPN離散事件系統工程建模過程。

差動保護是變壓器的保護裝置，它是根據“電路中流入節點電流的總和等于零”原理制成的；差動保護把被保護的電氣設備看成是一個節點，正常時流進被保護設備的電流和流出的電流相等，差動電流等于零。當設備出現故障時，流進被保護設備的電流和流出的電流不相等，差動電流大于零。當差動電流大于差動保護裝置的閾值時，執行保護動作，將被保護設備的各側斷路器跳開，使故障設備斷開電源。差動保護原理簡單、保護范圍明確、動作不需延時，一直用于變壓器做主保護。

基于差動保護的工作原理，其保護過程的ROPN 離散事件系統工程建模如圖2所示。

圖2 變壓器差動保護裝置ROPN離散事件系統工程建模

其中：庫所p1表示差動電流監測裝置；庫所p2表示故障報警裝；庫所p3表示故障診斷與維修過程；變遷t1表示差動保護裝置執行保護動作使得變壓器停止工作；變遷t2表示故障維修完畢且恢復變壓器工作狀態；變遷t3表示解除故障報警。

在該ROPN 離散事件系統工程建模中，庫所p1中的令牌和變遷t1具有顏色，分別用C(p1)和C(t1) 表示。C(p1) 是差動電流監測裝置所獲取的差動電流值，而C(t1)是差動保護裝置的保護閾值。

當C(p1) ＞C(t1)時，變遷t1使能，可以觸發。觸發變遷t1后，p1中的令牌消失，而p2和p3分別進入下一個令牌，分別代表著保護裝置進行故障報警和故障排除。當工程師接收報警信息后，可人為解除報警，故控制庫所pc1表示解除報警。當工程師確認故障排除時，可恢復變壓器工作狀態，故控制庫所pc2表示恢復變壓器工作狀態。這樣，當t2觸發時，令牌從庫所p3移動到p1中，回到對差動電流進行監測的狀態。差動保護工作原理簡單，因此其ROPN 離散事件系統工程建模規模相對簡單緊湊。

2 變壓器數字孿生體構建

2.1 變壓器數字孿生體數據融合分析研究

變電站變壓器在運行過程中會產生大量的檢修和管理數據，且數據增長速率非常快，數據種類繁多。因此為實現物理實體中獲取全面的數據，變電站變壓器數字孿生體的構建必然需要解決數據采集和數據融合的問題。

數據融合是多方面、多層次的處理過程，其主要功能在于對來源不同的不同種類的數據進行檢測分析，從而獲得更準確的狀態信息。數據融合可以處理較多的問題，比如數據偏差、錯誤數據、異構數據、數據內部聯系等。通過數據融合算法，實現變電站孿生體對物理實體的全方位映射及信息交互回饋。

本文從多個層級建立數據融合體系，并通過多種數據融合算法實現變電站變壓器數字孿生體對其物理系統變化進行實時反饋，以及綜合分析決策。變電站變壓器系統數字孿生體多級數據融合體系的建立首先需要建立變電站設備信息采集通道，以實現對變電站變壓器物理系統運行狀態全面數據的獲取。通過應用于前端設備的傳感器（監測單元）對設備運行數據進行采集，經RS454/RS485 傳輸到通信管理單元，然后采用南網專用通信接口協議，將采集數據匯總到多級數據融合平臺。平臺數據經過清洗處理并導入數字孿生系統，形成對現實物理系統的虛擬仿真。源源不斷的數據導入為數字孿生系統提供了大數據計算資源，再通過引入的人工智能對大數據進行綜合分析，實現變壓器運行狀態推演預測。

2.2 變壓器運行狀態推演預測分析

基于變電站變壓器系統的ROPN 模型，采用可達圖分析法對變電站變壓器系統模型進行分析，結合智能計算和大數據技術實現實時預測變壓器系統生產運行狀態變化，并建立變電站變壓器系統運行狀態模型庫以及突發事件應急指令庫，對突發事件進行實時推薦智能應急響應指令，實現規范化操作與控制，盡可能減少突發事件對變電站系統造成的影響，不僅在一定程度上節省大量的人力、物力與財力，也可以避免人為操作不當導致的嚴重后果，保障系統的安全與穩定。

基于變電站變壓器的ROPN 系統工程運行機理模型，設定以達成對設備的預測性維護為目標，從而建立變電站變壓器運行狀態推演分析系統。變壓器運行狀態推演分析系統的建設流程如圖3所示。

圖3 變壓器運行狀態推演分析系統建設流程

1）接入設備的監測數據，構建監測數據指標在時間維度上的趨勢圖，以振動監測數據為例，如圖4所示。

圖4 某站主變的振動監測數據示意圖

圖4為對某站主變的振動監測數據的頻域分析圖，在此處研究振動趨勢分析變化，則可以預測出設備早期缺陷，防微杜漸，可防范于未然。

2）設備狀態的推演分析。主要采用兩種方式，一種是基于設備的機理模型，代入設備的監測數據進行推理計算，針對推理結果進行設備狀態的推演分析，如圖5所示。

圖5中為了推演變壓器的狀態，會綜合考慮變壓器油的狀態（油溫、油位、油色譜、油雜質等），運行時的電流、有功功率、無功功率、短路發生、振動、噪音等，環境狀態（氣溫、相對溫度等）。

圖5 變壓器狀態推演過程示意圖

另一種是根據設備監測數據指標的趨勢圖，進行設備在時間維度上趨勢圖的對比分析等，以此來推演設備的狀態，如圖6所示，當設備的監測指標在不同的時間段上，經過對比分析，發現發生劇烈變化時，則代表著設備可能發生異常，需要及時進行檢修維護。

圖6 監測數據時間維度對比分析示意圖

2.3 變壓器智能故障預測診斷分析研究

如果以變電站主變壓器的主要故障為研究對象，構建ROPN 系統工程故障診斷模型。其需建立的業務流程如下：

Step 1：業務分析，對系統中的故障情況進行分析歸納，從故障的特性出發進行故障類型的梳理；

Step 2：故障邏輯分析，對以往故障發生的情況以及故障發生的原因等數據，進行統計計算；并進行故障產生邏輯的推理分析；

Step 3：根據ROPN 系統工程建模方法，建立ROPN 系統工程故障診斷模型。

Step 4：AI 優化模型進行ROPN 系統工程故障診斷模型的參數優化，達到最優的ROPN系統工程故障診斷模型。

其故障預測分析具體案例將在下文進行闡述。

3 驗證方法

3.1 基于歷史數據驗證

對于如何驗證變壓器故障診斷和分類的準確性，其首要思路是模型需基于歷史數據中變壓器故障發生的事件案例，獲取歷史故障發生時的設備監測數據，代入故障診斷和預測模型中進行推理分析，將輸出模型的預測結果與實際結果進行對比，以此來進行系統效果的驗證。

3.2 實際線上驗證

在建立模型通過基于歷史數據的驗證后，可在系統部署上線后，將設備監測數據實時輸入故障診斷和預測模型中進行推理分析，當有真實故障發生時，將模型的預測結果與實際結果進行對比，以此來進行系統效果的驗證。

3.3 實際效用說明

下面以預測繞組線圈受短路電流沖擊造成變形或損壞為例進行實際效用說明。

變壓器在電力系統中掛網正常工作，其電磁參數皆趨近額定值。但當系統中運行的突然空載重合閘、突然變化的用電負荷以及二次側出口處突發短路故障等外部不可抗力因素作用于變壓器上時，會危及變壓器運行的穩定性、安全性。特別當變壓器發生短路時，非常大的短路電動力會瞬間作用于其繞組之上，盡管過程極其短暫，但是如果變壓器繞組在承載短路能力方面存在缺陷，繞組即會發生毀壞，造成嚴重的事故，電網正常運行將受到極大危害。因此依靠本方案建立的故障預測系統，針對繞組線圈故障的預測，具體實現方式如圖7所示。

圖7 AI預測模型迭代優化過程

通過故障預測平臺的建設，提前感知預測變電站主變壓器設備故障發生的可能性與時間節點，及時進行預測性的設備維護，避免主變短路等事故的發生，保障電網生產運行的安全。如基于AI 預測模型，通過分析油樣色譜中氫、乙炔、總烴等故障特征氣體的含量的變化趨勢，來預測未來一段時間內變壓器匝間短路故障的發生的概率大小，當超過設定的概率值時，則認為故障在預測的時間段內將會發生，需要進行提前的設備維護[15-21]。

4 結束語

針對目前油浸式電力變壓器建模所普遍采用的三維可視化技術，本文指出該方法存在無法精準描述故障設備之間、設備內部的聯動機制和約束關系等問題，并提出使用面向資源的高級Petri 網建模技術（ROPN）進行分析、預測和解決。通過闡述基于ROPN 建模技術的變壓器狀態運行趨勢分析和故障診斷分析模型建立流程，并以變壓器繞組線圈故障預測為例子，驗證出該ROPN 技術在電力系統中構建物理對象與虛擬環境一一映射實施的可行性與準確性。本文所采用的技術建模架構可以與目前電力系統所使用的數據平臺進行有效整合和使用，實現變壓器運行狀態趨勢及故障預測診斷分析精確預測，具有較強的推廣價值和應用前景。