智能诊断方法在电力变压器故障识别中的应用研究
来源:用户上传
作者:
摘要：电力变压器故障识别能够有效地提升故障维修效率，智能诊断方法是利用大数据技术构建的远程监测系统，通过运用智能诊断方法可以精准对变压器故障进行识别，以此提高变压器的工作效率。
关键词：智能诊断方法;变压器;故障识别;应用
1 绪论
随着我国智能技术的不断发展，电力智能化系统日益完善。变压器是整个电力系统运行枢纽，变压器的运行效率直接关系整个电网的运行质量。由于变压器在日常运行中受环境、具体工况以及人为破壞等因素的影响而导致其容易诱发故障。例如根据IEEE调查统计，大型电力变压器故障发生率为1%2%，因此如何精准实现对变压器故障的诊断与识别是降低变压器故障发生率、提升其运行稳定的关键。
2 电力变压器故障机理
电力变压器是用来将某一数值的交流电压转化为工作频率相同的另一种电压的设备。按照不同的类型电力变压器可以分为不同种类，例如按照绕组分类，变压器可以分为双绕组、三绕组以及自耦型等。按照用途可以分为升压型、联络型以及降压型等等。目前在电力市场中应用比较广泛的是油浸式变压器。因此本文以油浸式变压器为例进行研究。油浸式变压器是用油进行绝缘和散热的，经过长时间的运行之后，变压器内的油质就会逐年的老化裂解。通过研究变压器油裂解主要包括以下方面：一是绝缘油的裂解。由于绝缘油中含有化学基团，这些化学基团在高温的影响下会逐渐发生化学变化，这样当故障程度聚集到一定程度后故障气体就会析出;二是固体绝缘材料的裂解。变压器内部所使用的绝缘材料含有无水右旋糖环，这些物质的热稳定性比较弱，因此当变压器长期运行后会因为热而出现分解。因此油浸式变压器故障主要呈现的是热性或者电性故障。
3 智能诊断方法在电力变压器故障识别中的实例分析
随着互联网技术、大数据技术以及云计算等技术的发展，智能诊断方法越来越完善。结合多年的工作实践，目前电力系统中的智能诊断方法主要包括以下几方面：（1）基于专家系统的方法。基于专家系统的诊断方法是电力故障诊断常会用到的方法，其主要是通过利用交互性的知识库实现对不确切信息的推理，以此解决复杂的故障问题;（2）基于模糊推理方法。基于模糊推理就是利用故障的特征对其进行诊断;（3）基于智能计算的方法。智能计算是诊断前沿技术，最典型的是遗传算法;（4）贝叶斯网络概述。贝叶斯网络就是拥有扎实的理论基础，通过选用图形简单易懂地描述概率分布。贝叶斯网络故障诊断流程：第一步，采集样本数据，选择好训练样本数和测试样本数。第二步，使用weka中的各种离散方法对数据样本进行离散化。第三步，利用离散后的样本数据进行贝叶斯网络学习，建好贝叶斯网络模型。第四步，对测试样本集进行分类预测。为了准确剖析智能诊断方法在变压器故障识别中的应用价值，本文以贝叶斯网络为例进行分析。
3.1 设备简介
以某电站为例，该电站安装一台330kV主变压器，在安装完成后，经过24小时的运行后，对其进行检查，通过去油样分析，并没有发现故障，显示油中溶解气体正常。但是在经过投产使用后，发现变电器存在故障特征，通过取样发现，B相油中气体含量不正常，进而选择变压器的中部和底部进行抽样检测分析，结果见表1。
3.2 故障分析
通过对抽取油样的检测分析，发现设备在使用4天后故障特征更加明显。经过对溶解气体含量的测定可以看出，变压器的总烃含量已经远远超过标准值。通过对比4d前后的取样数值计算投产后的绝对产气速率，计算结果见表2。通过计算可以看出变压器存在以下故障：一是变压器内部设备出现故障，因为总烃含量超过标准值;二是变压器故障在呈现快速变大的趋势，如果不及时进行维修则会造成故障的进一步扩大（H2、C2H2、总烃的绝对产气速率分别大幅超过10mL/d、0.2mL/d和12mL/d的注意值）;三是变压器的故障符合高温过热的特征。因为从油气解析中的成分可以看出，H2含量增长较快，同时还产生少量的C2H2;根据改良三比值法计算比值，编码组合为022，属于高温过热。通过运用模型可以分析出C2类的后验概率最大，即为高温过热。
3.3 检查结果
通过理论计算可以判定变压器出现了故障，为此检修人员按照变压器维修说明书对设备进行解体检查，发现变压器确实存在故障：变压器连接底脚支撑的钢板与铁轭的铜辫子经过被烧断，而且铁轭底脚螺栓绝缘管有被撞击的痕迹，其中发现一只已经被撞碎了。结合多年的实践经验及维修说明书，可以判定变压器之所以出现故障就是因为变压器在安装的过程中受各种因素撞击而导致铁轭底脚螺栓绝缘管撞碎，最终构成闭合磁路，形成环流而发生过热故障。
可见，贝叶斯模型能有效的诊断出结果。
参考文献：
[1]林光.浅析电力变压器智能故障诊断方法[J].电子制作，2015（04）.
[2]李本锌.智能算法在油浸式变压器故障诊断中的应用研究[D].华东交通大学，2015.
[3]赵洋.智能诊断方法在电力变压器故障识别中的应用研究[D].西安工程大学，2018.
转载注明来源:https://www.xzbu.com/1/view-15133216.htm
