油浸式电力变压器故障诊断的研究分析

来源:用户上传      作者:

　　摘 要：电力变压器在电力系统中是重要的组成部分，它的健康程度关系到电力系统安全、可靠。定期对油浸式电力变压器进行检查，能够及时发现故障所在，进而进行改进。文章分析油浸式电力变压器故障诊断，分析故障，提出应对措施。
　　关键字：油浸式电力变压器；故障；研究分析
　　1 前言
　　我国电力行业改革以来，电力信息化得到广泛关注，审视当前电力企业信息化现状，存在的问题比较突出。举个例子：信息系统交融故障，企业无法实现资源共享。电力行业作为一个特殊行业，电力信息集成受到诸多方面的影响，这导致我国电力企业发展缓慢。有了信息系统的支撑，电力企业能够及时且全面的掌握电力信息，而能及时采取有效措施，对电力资源进行配置，实现资源高效利用，也提高了变压器运行效率。
　　2 电力变压器状态评估
　　（1）变压器状态发展和故障发生根据一定的规律进行，一般情况下，变压器整体性能是持续变化的。当进行一定参数设置之后，就能确定出变压器所处的状态，对变压器未来发展有正确的预测。在变压器使用寿命内，运动状态处于变量状态。虽然参数有新的变动，但是参数变化不会影响整体功能的发挥和实现。在渐变过程中，虽然各个参数会有新的变化，变压器会出现功能性障碍，从而导致突变发生。在渐变进程中，从防范层面上看，根据检测运行数据，对变压器状态执行评估和监测。划分出不同状态的变压器等级，可以划分为合格、良好、严重等等，不同等级故障。根据每个故障类型，在选择对应的措施，这对电力系统安全运行有重要影响。在突变过程中，一般会意味这变压器有故障发生，这时状态评估较为准确。
　　（2）变压器故障分析最为关键的环节是预防实验非破坏性量，然后在根据一定的指标进行评价。划分出变压器实质运行状态。举个例子：模糊学习矢量网络模型，这个方法DGA数据将被模糊分类器划分成不同子类。每一个类别需同模糊学习矢量化网络进行培训。该方式能解决大量的属性决策问题。根据工程实践发现，该评估方法包含油固体含量、油水分含量以及局部放电级，它的准确判定构建成BP神经网络和模糊诊断。借助模糊数学综合评判，各种分析理论，对变压器运行状态开展综合分析，分析出其状态是否健康。尽管在国外状态评估技术已经得到快速发展，常见的研究有灰靶理论、模糊数学都进行了量化指标研究。随着研究力度加深，定性的指标不宜量化，这个量化的标准，需人为进行制定，才进行标准统一分析。当前的评价方法比较多，最常用的方法是定性评价。研究方法的创新和研究力度加深，为研究出准确、可靠且量化的评估系统奠定基础。
　　（3）状态监测、故障诊断技术虽然有其不可替代的优势，但在目前情况下，尚存在很多不足和问题需要解决。已经安装投运状态监测系统的单位，决不可高枕无忧，不再有安全忧患。由于变压器有复杂的结构系统，运行参数间并非全部有严格的逻辑和定量关系。它出现的故障现象，故障原理之间存在的不确定因素比较多，一个故障能够表现出多种征兆。当监测到几个故障起因之后，隐藏的故障也会被察觉到。故障和征兆之间有模糊的复杂关系。需建立起精确的数学模型加以诊断，这是相对比较困难的。这种复杂的系统属于模糊系统，在模糊系统边界、迷糊系统构造，逐渐外延比较模糊，内涵所属灰色。简而言之，在该系统中，一些信息都是确知的，而另一些信息是未知的。因此，需采用更加精准的模糊模式进行数学分析，探究模糊现象。随着研究深度加深，人工神经系统被注入，变压器的故障诊断变得越来越复杂，需找出合适的描述方式进行描述。另外，还需模糊技术专家，对故障开展经验花分析，实现远程通信传输，
　　3 电力变压器故障诊断
　　（1）变压器因其制造工艺的复杂性及运行环境的不稳定性造成了变压器故障机理的复杂性，其表现为同一种故障模式有多种故障特征发生。同一个故障又有几种故障模式，故障和故障之间又有密切关系。信息融合技术对不同来源的信息进行处理，借助变压器各种故障特征划分多种故障量，从多个方面对变压器进行综合处理。提升变压器可靠、准确在线诊断。对于信息融合而言，一般的融合方式如下：第一，数据融合。如果想要数据层融合效果更加明显，在传感器里执行数据层相互融合。在匹配的基础上，保障双方数据层面实现关联。最终使得相同目标的数据融合水平更高。可以引入加权平均法、算数平均法以及曲面曲面拟合法进行应对。
　　（2）特征层数据融合。该层数据融合属于中间层融合，当信息源从原始信息中提及之后，对特征信息进行充分分析处理。从信息源的原始信息中提取出特征信息，对特征信息进行综合分析和处理，提取而出的特征信息一般都是原始信息，对信息做好统计之后，再根据提取的特征信息归类。相似信息实现聚集和综合分析。使用的融合方式依旧是模式识别相应技术，当在融合之前，进行传感器信息交换之后，能够对特征信息进行统一表达。这表达优势是，能实现多传感信息压缩，有利于实时处理，尤其所提取的特征信息和决策分析相似，需融入最大限度特征信息。
　　（3）决策层数据融合。该层在系统中属于最高级别层，它同其他三层差别大，是数据融合最终结果。每一个传感器，它的检测目标确定，都需进行最初级的预处理，特征提取以及初步的判断。才能获取相应的处理依据，实现最终判断，这种最终的判断能在决策控制中发挥重要作用。
　　4 结束语
　　总而言之，电力变压器运行状态是否稳定，这对电力输送和发展有重要影响，需引起人们高度重视，在文章中提及，电力变压器状态监测同故障诊断，需加快研究，在实际使用中，能有明显的效果。从而更好的保障诊断结果准确、及时。
　　参考文献：
　　[1]王俊芳.基于模糊神经网络的信息融合在配电网故障诊断中的应用[J].重庆大学.
　　[2]吴俊，程咏梅，曲圣杰.基于三级信息融合结构的多平台多雷达目标识别算法[J].《西北工业大学学报》，ISTICEIPKU-2012（03）.
　　[3]陈新岗，田晓霄，赵阳阳，张超峰.信息融合在变压器油纸绝缘局部放电识别中的应用[J].《高电压技术》，ISTICEIPKU-2012（03）.
　　[4]刘毅，高振兴.创新一种考虑多层信息融合的电网故障诊断辅助决策方法[J].《电力系统保护与控制》，ISTICEIPKU-2010（24）.
　　[5]蔡猛，张大发，张宇声.基于信息融合技术的核动力装置智能故障诊断系统研究[J].《核动力工程》，ISTICEIPKU-2011（04）.
转载注明来源:https://www.xzbu.com/1/view-11685205.htm