论文部分内容阅读
摘要:变电站变压器是电力系统的重要设施,这个设施能否安全、稳定的运行对于整个系统的供电可靠性均有所影响。所以,需要强化对变压器运行状态的检测,通过检测信息来正确判断变压器的健康状态,以便发现潜伏性故障并及时进行处理,预防曲线变压器出现恶性破坏,形成供电中断或者其它事故的发生。
关键词:变电站;变压器;故障诊断
中图分类号: U665 文献标识码: A
引言:针对变压器故障诊断的最佳方式就是油中溶解性气体分析法(DGA)。因为系统专业人员对故障诊断起到的作用,使得人们逐渐对人工智能技术在该区域的研发和使用引起重视,它给工程师诊断变压器故障打开了新的道路。人工智能是一个处理一些传统方法所无法处理的问题的有效工具,并且也因此变成了研究的热点,其中以专家系统及人工神经网络的研究最引以关注。
一、电力变压器故障诊断和状态评价方式的研究现状
因为变压器在电力系统中处于核心位置,被电力企业给予高度重视,人们渴望可以尽快了解设备潜在的故障问题,而且可以正确掌握设备实际运转情况,进而通过正确的检修方法,避开电力变压器突发事件的出现,确保安全运行。因此,对于变压器故障的诊断以及状态的评价很早以前就已经引起了研究人员的关注,并进行了相关的研究工作。
1、变压器状态特征参量和评价方法的研究现状
正确的状态评价是实施状态检修工作的基本条件,是拟定检修规划的主要参考依据。设备状态评价的主要任务是获得可以合理体现设备状态的特征参量,并在此基础上通过合理的评价方法认定设备状态以及发展形势。
2、变压器状态相应特征量和提取方法研究现状
变压器的绝缘状态会由于变压器的运转逐步恶化,变压器的老化状态评估属于状态评估里的主要内容,并且,近些年来,变压器绕组短路损坏事件时常发生,针对短路耐受能力的评估也十分重要。
二、故障判断
变压器内部构造十分繁琐,长期运行状态下的变压器会产生绝缘老化、材质劣变的状态。如果变压器出现故障,会为电力系统的安全稳定以及经济运转造成恶劣的后果。所以,这时应查出变压器里产生的故障以及隐藏的隐患,并给予具体措施进行制。
变压器故障诊断就是通过变压器运转过程里出现的各类状态量信息,来判断变压器是否在正常运转,并且明确形成故障的位置。变压器的故障诊断在本质上属于变压器云装状态的模式鉴别问题,包含了故障状态量的信息预处理、特征信息提取以及故障鉴别三个方面。
变压器故障诊断方法可以分成传统故障诊断方法、源于数学模型诊断方法、人工智能诊断方法。
1、传统故障诊断方法
传统变压器故障诊断方法透过对变压器执行预防性电气试验而执行的故障诊断。根据试验种类的不同,可以分成绝缘试验法、局部放电实验法以及绝缘油电气试验法。
首先,绝缘试验法。绝缘试验法的内容包含了以下几点:
(1)测量绕组的绝缘电阻和吸收比;
(2)测量绕组连同套管的交流耐压、泄漏电流以及直流电阻;
(3)测量铁芯对比电阻;
(4)油中溶解气体以及微量水分分析。
其次,局部放电实验法。在已经掌握的变压器故障里,很多故障是因为变压器局部放电引发的,所以,通过局部放电试验方法采取故障诊断并也获得了大多数的关注。可以通过不同的方法以及装置进行局部放电试验,包含了直接法、间接法以及混合法。
再次,绝缘油电气试验法。绝缘油气试验的内容使用在检测油里的含水量、油里的含气量和油里的糠醛含量。这个方法可以检测出变压器里的绝缘油质量的优劣情况。
以上防御性电气试验方法透过对变压器的相关常规状态量进行检测,可以合理检测出变压器内部的故障,可是这个方法却极难对一些局部现象给出正确的判断。透过在实验过程里对油中溶解气体的检测可以有效弥补以上方式的不足,这个方法不会被外界所影响,所以判断的灵敏度较高。当前,这个方法已经被普遍使用在诊断变压器早期故障中。可是由于这个方法没有可预测性,极大约束了应用的范围,所以,研究人员又提出了通过数学模型以及人工智能的方式对故障进行判断。
2、源于数学模型的故障诊断方法
首先,源于模糊理论的故障诊断法。早在1965年,美国的Zadeh学者已经提出了解决模糊信息的模糊定义。在变压器出现故障之后,它的故障现象、故障原因以及故障机理之间具有的大量因为排中律的缺乏而引起的不确定性,通过模糊定论可以对它进行准确的描述。
其次,源于粗糙制定理论的故障诊断方式。在1982年时,Pawlak学者已经提出了粗糙理论,这个理论可以合理的处理及分析不精确、不完善、不一致的各类不完善信息,透过揭露信息数据背后藏匿的规律,提取合理的信息。
3、源于人工智能的故障诊断方式
由于计算机技术的不断发展,使得人工智能化技术也获得了进步,通过人工神经网络、专家系统故障法、遗传算法、支持向量机等智能判断方式可以最大限度的运用专家的经验,引起大家的关注。
首先,源于人工神经网络的故障诊断方法。人工神经网络属于一个模拟人脑行为以及活动过程的智能化的分析方式。它具备了较强的自我学习能力,可以合理解决不完全以及不精确的信息。当前,应用较多的人工神经网络是源于BP算法的前向神经网络以及源于径向基函数的神经网络。人工神经网络在变压器故障诊断里获得了相应的成果,可是这个方法是局部搜索的方式,很容易陷进局部当中,并且收敛的速度也非常慢。
其次,源于遗传算法的故障诊断方法。遗传算法是因为生物化思想促使获得的一个智能化的分析方式, 这个方式可以分成选择、交叉、变异等不同阶段,和人工神经网络对比,这个方法具备了全局搜索的能力。
再次,源于专家系统的故障诊断方式
专家系统故障诊断可以通过已经创建的知识库里的专家经验或者是知识来推广、判断,并结合用户进行决策。
源于专家系统的变压器故障判断方式可以透过在知识库里添加、删除、修改专家知识,保障知识库的实时性以及有效性。如果专家知识库发生错误,就会对用户的决策造成严重的影响。
最后,源于支持向量机的故障诊断方式
支持向量机是一个小样本的学习方式,尤其适合故障样本数据较少的变压器故障诊断范围。通过对向量机对变压器故障诊断的支持,此类方式可以通过小样本环境下搜索到最好的处理方式,具备了极佳的推广能力。
三、变电站变压器故障诊断的发展趋势
首先,预防性实验涉及道德设备品种很多,包含了一次设备以及二次设备,将这些设备的相应规定以及电力设备电力实验操作内容放进系统当中,体现出一次设备的信息化管理、现场操作的标准化控制以及实验结果的分析判断,并且还要融入未完成的设备。
其次,在实现实验数据收集、分析、统计、判断功能的同时,为预防性实验管理提供了便利,可是对于分析判断功能来讲,不仅变压器创建了实用、准确的数据模型之外,很多数据的分析判断还处在规定阈值以及历史数据的对比方面,对于实验数据的分析没有进行深入化、全面化。
最后,由于研发时间的限制,当前系统的界面还不够完美,人机交互界面还不够人性化,需要在今后的工作当中不斷进行改进,不断进行优化。
结束语:只有通过全体研究人员的不断努力和探索,对变电站变压器故障进行有效的诊断及修整,才能使变压器能够更加健康、持久的为社会服务。
参考文献:
[1]张文涛,风文超.电力变压器日常检查及故障分析[A].土木建筑学术文库(第15卷)[C].2011.
[2]张奇.变压器短路故障存在的问题及分析[J].中国商界(下半月).2010.(08).
[3]安洪松,李娜,王媛媛.确定电网电力变压器的维护和维修顺序[A].2011中国电工技术学会学术年会论文集[C].2011.
关键词:变电站;变压器;故障诊断
中图分类号: U665 文献标识码: A
引言:针对变压器故障诊断的最佳方式就是油中溶解性气体分析法(DGA)。因为系统专业人员对故障诊断起到的作用,使得人们逐渐对人工智能技术在该区域的研发和使用引起重视,它给工程师诊断变压器故障打开了新的道路。人工智能是一个处理一些传统方法所无法处理的问题的有效工具,并且也因此变成了研究的热点,其中以专家系统及人工神经网络的研究最引以关注。
一、电力变压器故障诊断和状态评价方式的研究现状
因为变压器在电力系统中处于核心位置,被电力企业给予高度重视,人们渴望可以尽快了解设备潜在的故障问题,而且可以正确掌握设备实际运转情况,进而通过正确的检修方法,避开电力变压器突发事件的出现,确保安全运行。因此,对于变压器故障的诊断以及状态的评价很早以前就已经引起了研究人员的关注,并进行了相关的研究工作。
1、变压器状态特征参量和评价方法的研究现状
正确的状态评价是实施状态检修工作的基本条件,是拟定检修规划的主要参考依据。设备状态评价的主要任务是获得可以合理体现设备状态的特征参量,并在此基础上通过合理的评价方法认定设备状态以及发展形势。
2、变压器状态相应特征量和提取方法研究现状
变压器的绝缘状态会由于变压器的运转逐步恶化,变压器的老化状态评估属于状态评估里的主要内容,并且,近些年来,变压器绕组短路损坏事件时常发生,针对短路耐受能力的评估也十分重要。
二、故障判断
变压器内部构造十分繁琐,长期运行状态下的变压器会产生绝缘老化、材质劣变的状态。如果变压器出现故障,会为电力系统的安全稳定以及经济运转造成恶劣的后果。所以,这时应查出变压器里产生的故障以及隐藏的隐患,并给予具体措施进行制。
变压器故障诊断就是通过变压器运转过程里出现的各类状态量信息,来判断变压器是否在正常运转,并且明确形成故障的位置。变压器的故障诊断在本质上属于变压器云装状态的模式鉴别问题,包含了故障状态量的信息预处理、特征信息提取以及故障鉴别三个方面。
变压器故障诊断方法可以分成传统故障诊断方法、源于数学模型诊断方法、人工智能诊断方法。
1、传统故障诊断方法
传统变压器故障诊断方法透过对变压器执行预防性电气试验而执行的故障诊断。根据试验种类的不同,可以分成绝缘试验法、局部放电实验法以及绝缘油电气试验法。
首先,绝缘试验法。绝缘试验法的内容包含了以下几点:
(1)测量绕组的绝缘电阻和吸收比;
(2)测量绕组连同套管的交流耐压、泄漏电流以及直流电阻;
(3)测量铁芯对比电阻;
(4)油中溶解气体以及微量水分分析。
其次,局部放电实验法。在已经掌握的变压器故障里,很多故障是因为变压器局部放电引发的,所以,通过局部放电试验方法采取故障诊断并也获得了大多数的关注。可以通过不同的方法以及装置进行局部放电试验,包含了直接法、间接法以及混合法。
再次,绝缘油电气试验法。绝缘油气试验的内容使用在检测油里的含水量、油里的含气量和油里的糠醛含量。这个方法可以检测出变压器里的绝缘油质量的优劣情况。
以上防御性电气试验方法透过对变压器的相关常规状态量进行检测,可以合理检测出变压器内部的故障,可是这个方法却极难对一些局部现象给出正确的判断。透过在实验过程里对油中溶解气体的检测可以有效弥补以上方式的不足,这个方法不会被外界所影响,所以判断的灵敏度较高。当前,这个方法已经被普遍使用在诊断变压器早期故障中。可是由于这个方法没有可预测性,极大约束了应用的范围,所以,研究人员又提出了通过数学模型以及人工智能的方式对故障进行判断。
2、源于数学模型的故障诊断方法
首先,源于模糊理论的故障诊断法。早在1965年,美国的Zadeh学者已经提出了解决模糊信息的模糊定义。在变压器出现故障之后,它的故障现象、故障原因以及故障机理之间具有的大量因为排中律的缺乏而引起的不确定性,通过模糊定论可以对它进行准确的描述。
其次,源于粗糙制定理论的故障诊断方式。在1982年时,Pawlak学者已经提出了粗糙理论,这个理论可以合理的处理及分析不精确、不完善、不一致的各类不完善信息,透过揭露信息数据背后藏匿的规律,提取合理的信息。
3、源于人工智能的故障诊断方式
由于计算机技术的不断发展,使得人工智能化技术也获得了进步,通过人工神经网络、专家系统故障法、遗传算法、支持向量机等智能判断方式可以最大限度的运用专家的经验,引起大家的关注。
首先,源于人工神经网络的故障诊断方法。人工神经网络属于一个模拟人脑行为以及活动过程的智能化的分析方式。它具备了较强的自我学习能力,可以合理解决不完全以及不精确的信息。当前,应用较多的人工神经网络是源于BP算法的前向神经网络以及源于径向基函数的神经网络。人工神经网络在变压器故障诊断里获得了相应的成果,可是这个方法是局部搜索的方式,很容易陷进局部当中,并且收敛的速度也非常慢。
其次,源于遗传算法的故障诊断方法。遗传算法是因为生物化思想促使获得的一个智能化的分析方式, 这个方式可以分成选择、交叉、变异等不同阶段,和人工神经网络对比,这个方法具备了全局搜索的能力。
再次,源于专家系统的故障诊断方式
专家系统故障诊断可以通过已经创建的知识库里的专家经验或者是知识来推广、判断,并结合用户进行决策。
源于专家系统的变压器故障判断方式可以透过在知识库里添加、删除、修改专家知识,保障知识库的实时性以及有效性。如果专家知识库发生错误,就会对用户的决策造成严重的影响。
最后,源于支持向量机的故障诊断方式
支持向量机是一个小样本的学习方式,尤其适合故障样本数据较少的变压器故障诊断范围。通过对向量机对变压器故障诊断的支持,此类方式可以通过小样本环境下搜索到最好的处理方式,具备了极佳的推广能力。
三、变电站变压器故障诊断的发展趋势
首先,预防性实验涉及道德设备品种很多,包含了一次设备以及二次设备,将这些设备的相应规定以及电力设备电力实验操作内容放进系统当中,体现出一次设备的信息化管理、现场操作的标准化控制以及实验结果的分析判断,并且还要融入未完成的设备。
其次,在实现实验数据收集、分析、统计、判断功能的同时,为预防性实验管理提供了便利,可是对于分析判断功能来讲,不仅变压器创建了实用、准确的数据模型之外,很多数据的分析判断还处在规定阈值以及历史数据的对比方面,对于实验数据的分析没有进行深入化、全面化。
最后,由于研发时间的限制,当前系统的界面还不够完美,人机交互界面还不够人性化,需要在今后的工作当中不斷进行改进,不断进行优化。
结束语:只有通过全体研究人员的不断努力和探索,对变电站变压器故障进行有效的诊断及修整,才能使变压器能够更加健康、持久的为社会服务。
参考文献:
[1]张文涛,风文超.电力变压器日常检查及故障分析[A].土木建筑学术文库(第15卷)[C].2011.
[2]张奇.变压器短路故障存在的问题及分析[J].中国商界(下半月).2010.(08).
[3]安洪松,李娜,王媛媛.确定电网电力变压器的维护和维修顺序[A].2011中国电工技术学会学术年会论文集[C].2011.