论文部分内容阅读
摘 要：随着我国社会主义市场经济的飞速发展，我国各行各业都的得到了极大的提升，电力行业也不例外，电力系统的稳定运行与电力企业的建设和发展息息相关，所以必须要保证变压器的安全性。在平时的工作中，电力企业需做好故障的预测和检查工作，避免其带来不良影响，提高预测和检修的效率和效果。基于此，本文主要对变压器运行过程中的检修与维护分析做论述。
关键词：变压器;运行;检修;维护
引言
变压器是输变电、供配电系统中的重要设备，变压器安全可靠稳定运行是供电网络安全可靠稳定运行的根本。但是，在电网运行中，电力变压器因其设备性能、外部冲击、工况变化、人为及环境等因素的干扰，存在较大的故障隐患。同时，变压器在长期工作中，其安全性也会逐渐恶化，特别是设备绝缘老化问题严重。为有效应对变压器故障，需采取更加高效的诊断方法，缩短故障识别及处理时间，以最快速度恢复变压器运行状态，保证电力网络整体运行安全。
1基于专家系统的故障识别方法
在电力变压器故障识别中，该方法的应用主要是通过积累故障诊断经验及知识，逐步建立起完善的用于变压器故障分析与诊断的数据库，也就是专家系统，能够根据变压器故障象征及相关测量数据，有效解决变压器故障诊断难题。而且专家系统在应用中，还能够与其他智能算法相结合，进而建立起更加可靠的故障识别系统模型。该方法具有灵活透明的特点，其数据库的建设最为关键，要具备丰富的变压器故障识别经验，还要体现出交互性的特点，即使所获取的故障信息不全面，也能够基本保证复杂变压器故障的有效识别。同时，该技术也有缺陷，较为依赖专家系统知识库，对于复杂、多变的变压器故障情形，存在推断失误的可能，这也是专家系统有待改进的地方。
2基于深度学习的变压器在线故障检测
近几年随着我国国民经济的快速发展，对供配电网络的质量和数量都提出了更高的要求。传统变压器故障检测方法为通过人工数据采样和在线参数采样相结合，由维护人员根据这些采样数据判断变压器的运行状态。然而由于人工判断一般只结合当前时刻的采样数据，缺乏预见性，不能有效地预测故障，可能造成不可估量的损失。因此，引入计算机在线检测和辅助分析就显得尤为重要。与之前的人工神经网络不同，深度学习算法所用的学习网络以神经元数量庞大和网络层次深度为特征，在实际应用中取得了极大的成功。其中，卷积神经网络是一种典型的深度学习算法网络，通常用于图像识别和图像处理算法中，诸如人脸识别、行人检测等各个图像处理的相关领域。神经元的局部感知技术可以有效提取图像的局部特征，如方向、角点等，而神经元的权值共享可以使得卷积神经网络算法减少参数的数量。卷积神经网络由卷积层、池化层和全连接层等多层神经网络层组成。卷积层使用卷积核计算图像的相关性，学习和提取图像的局部特征。池化层通常被安排在卷积层之后，利于提取图像的主要特征及特征压缩。池化层的作用 是减少图像数据的规模和计算负荷，降低算法复杂度。全连接层将提取到的特征映射到描述样本空间的特征参量。
3变压器的故障判定
变压器的故障异常判定，一般需要靠技术人员分析变压器运行时的声音。变压器所产生的低沉的“嗡嗡”声，可判定是因为变压器负荷太大所导致的。如果变压器发生了“吱吱呀呀”、“叮叮当当”的声音，类似于磁铁吸垫片时发出的声响，那么则可说明变压器中的一些小零件有松动。如果变压器发出“咕咕噜噜”的声音，类似于水沸腾时发出的声音，则表明变压器的绕组产生了故障。此外，变压器还可能产生接触不良、高压套管脏污等故障。检测变压器的温度，如果过高或者高低，则视为异常现象。找到原因后才能对其进行解决，降低其中的温度。若是变压器内部故障所产生的，则要停止运行，进行检修。举个例子，对于变压器的故障处理，必须提前检测变压器的实际情况。需充分利用超声探头对放电声进行收集，找出症结所在。采取先进的震动探头，能了解变压器的异常震动情况，从而判定变压器的故障属于不正常放电还是线圈变形、零件接触不良。在进行巡查的时候，要采取人工判定的方法，对变压器运行噪音进行分析。采取绝缘在线监測系统和超声探头监测到其中的不正常放电声，便能了解变压器的绝缘是否正常。
4变压器额定电压和容量的合理控制
电力变压器在进行试验时需要将其额定电压和容量进行合理的控制，这样变压器在进行试验时内部的温度就会处于合理范围内，从而保证整个电力变压器的性能。根据当前来说在进行试验时需要根据电力变压器的性能参数以及在实际运行过程中的参数为基础进行分析，从而将两者结合在一起，综合制定试验电压和试验电容，这样既可以保证试验结果的有效性、准确性，还能够减少对电力变压器的损害。
5变压器温度与湿度的合理控制
电力变压器在进行电气试验时要能够对试验环境进行综合分析，确保具有合适的温度和湿度。根据当前我国的变压器类型来说，在进行电气高压试验时温度要控制在-20℃到40℃之间。在这样的温度范围内经过试验所测得的数据参数更为准确，能够真实的反映出电力变压器的性能。除了温度以外，湿度也是影响电力变压器的一个主要因素，如果湿度控制不合理也会影响到电力变压器的试验参数。一般湿度主要是以空气中的水含量，结合当前气候状况进行分析，合理确定湿度的范围，以保证试验效果的准确性。通过对温度和湿度适当的控制能够为试验提供良好的环境，保证试验数据的有效性。
6高低压侧短路故障分析
通常在箱式变压器运行中，相间短路故障多有发生，当高/低压侧发生相间短路时，会导致箱式变压器对应侧断路器跳闸，而且在故障冲击下，箱式变压器往往会伴随有内部异响、喷油、异味等情况。一般来说，对箱变短路故障的分析，要从保护动作情况入手，大体了解箱变故障情况，然后要将箱变转至检修的状态，做好安全措施，并将该光伏发电单元解列，详细查看故障状况。而且有时在故障初期，可能仅为箱式变压器相间故障，若故障进一步发展，会造成变压器内部绕组烧毁损伤，铁芯崩坏等更大损失，这种情况下箱式变压器只能采取报废处理。这里以箱变某次实际故障的发展过程进行分析，最初故障发生在低压侧相间短路，在短路冲击放电作用下，造成高低压绕组间的击穿短路，这种状况下会造成更严重的短路放电，进而造成铁芯损坏，受高温影响，箱变油箱内部油会严重喷发，并且出现分解变质等情况。经研究发现，高低压绕组间短路的直接原因在于其本身便有绝缘薄弱点。
结语
总而言之，随着电网发展，电力变压器的重要性愈加凸显，而受各类内外因素的影响，仍有较多变压器故障发生，严重危害设备及供电安全。而变压器故障原因多样化，故障表象复杂，常规的DGA诊断方法，在变压故障识别方面仍有较大不足，迫切需要智能诊断方法的研发与应用。神经网络、智能计算方法、专家系统等变压器故障识别方法的应用，在故障识别精度及效率上有很大提升，也是未来变压器故障诊断领域的重要研究内容
参考文献：
[1]李健.电力变压器电气高压试验的技术与要点分析[J].中国高新技术企业，2013（34）：20-21.
[2]刘兵.电力变压器电气高压试验技术分析[J].通信电源技术，2019，36（06）：249-250.
[3]潘凌.电力变压器电气高压试验的技术与要点分析[J].环球市场，2017（29）：239-239.
（国网孝感供电公司 湖北省 孝感市 432000）
关键词：变压器;运行;检修;维护
引言
变压器是输变电、供配电系统中的重要设备，变压器安全可靠稳定运行是供电网络安全可靠稳定运行的根本。但是，在电网运行中，电力变压器因其设备性能、外部冲击、工况变化、人为及环境等因素的干扰，存在较大的故障隐患。同时，变压器在长期工作中，其安全性也会逐渐恶化，特别是设备绝缘老化问题严重。为有效应对变压器故障，需采取更加高效的诊断方法，缩短故障识别及处理时间，以最快速度恢复变压器运行状态，保证电力网络整体运行安全。
1基于专家系统的故障识别方法
在电力变压器故障识别中，该方法的应用主要是通过积累故障诊断经验及知识，逐步建立起完善的用于变压器故障分析与诊断的数据库，也就是专家系统，能够根据变压器故障象征及相关测量数据，有效解决变压器故障诊断难题。而且专家系统在应用中，还能够与其他智能算法相结合，进而建立起更加可靠的故障识别系统模型。该方法具有灵活透明的特点，其数据库的建设最为关键，要具备丰富的变压器故障识别经验，还要体现出交互性的特点，即使所获取的故障信息不全面，也能够基本保证复杂变压器故障的有效识别。同时，该技术也有缺陷，较为依赖专家系统知识库，对于复杂、多变的变压器故障情形，存在推断失误的可能，这也是专家系统有待改进的地方。
2基于深度学习的变压器在线故障检测
近几年随着我国国民经济的快速发展，对供配电网络的质量和数量都提出了更高的要求。传统变压器故障检测方法为通过人工数据采样和在线参数采样相结合，由维护人员根据这些采样数据判断变压器的运行状态。然而由于人工判断一般只结合当前时刻的采样数据，缺乏预见性，不能有效地预测故障，可能造成不可估量的损失。因此，引入计算机在线检测和辅助分析就显得尤为重要。与之前的人工神经网络不同，深度学习算法所用的学习网络以神经元数量庞大和网络层次深度为特征，在实际应用中取得了极大的成功。其中，卷积神经网络是一种典型的深度学习算法网络，通常用于图像识别和图像处理算法中，诸如人脸识别、行人检测等各个图像处理的相关领域。神经元的局部感知技术可以有效提取图像的局部特征，如方向、角点等，而神经元的权值共享可以使得卷积神经网络算法减少参数的数量。卷积神经网络由卷积层、池化层和全连接层等多层神经网络层组成。卷积层使用卷积核计算图像的相关性，学习和提取图像的局部特征。池化层通常被安排在卷积层之后，利于提取图像的主要特征及特征压缩。池化层的作用 是减少图像数据的规模和计算负荷，降低算法复杂度。全连接层将提取到的特征映射到描述样本空间的特征参量。
3变压器的故障判定
变压器的故障异常判定，一般需要靠技术人员分析变压器运行时的声音。变压器所产生的低沉的“嗡嗡”声，可判定是因为变压器负荷太大所导致的。如果变压器发生了“吱吱呀呀”、“叮叮当当”的声音，类似于磁铁吸垫片时发出的声响，那么则可说明变压器中的一些小零件有松动。如果变压器发出“咕咕噜噜”的声音，类似于水沸腾时发出的声音，则表明变压器的绕组产生了故障。此外，变压器还可能产生接触不良、高压套管脏污等故障。检测变压器的温度，如果过高或者高低，则视为异常现象。找到原因后才能对其进行解决，降低其中的温度。若是变压器内部故障所产生的，则要停止运行，进行检修。举个例子，对于变压器的故障处理，必须提前检测变压器的实际情况。需充分利用超声探头对放电声进行收集，找出症结所在。采取先进的震动探头，能了解变压器的异常震动情况，从而判定变压器的故障属于不正常放电还是线圈变形、零件接触不良。在进行巡查的时候，要采取人工判定的方法，对变压器运行噪音进行分析。采取绝缘在线监測系统和超声探头监测到其中的不正常放电声，便能了解变压器的绝缘是否正常。
4变压器额定电压和容量的合理控制
电力变压器在进行试验时需要将其额定电压和容量进行合理的控制，这样变压器在进行试验时内部的温度就会处于合理范围内，从而保证整个电力变压器的性能。根据当前来说在进行试验时需要根据电力变压器的性能参数以及在实际运行过程中的参数为基础进行分析，从而将两者结合在一起，综合制定试验电压和试验电容，这样既可以保证试验结果的有效性、准确性，还能够减少对电力变压器的损害。
5变压器温度与湿度的合理控制
电力变压器在进行电气试验时要能够对试验环境进行综合分析，确保具有合适的温度和湿度。根据当前我国的变压器类型来说，在进行电气高压试验时温度要控制在-20℃到40℃之间。在这样的温度范围内经过试验所测得的数据参数更为准确，能够真实的反映出电力变压器的性能。除了温度以外，湿度也是影响电力变压器的一个主要因素，如果湿度控制不合理也会影响到电力变压器的试验参数。一般湿度主要是以空气中的水含量，结合当前气候状况进行分析，合理确定湿度的范围，以保证试验效果的准确性。通过对温度和湿度适当的控制能够为试验提供良好的环境，保证试验数据的有效性。
6高低压侧短路故障分析
通常在箱式变压器运行中，相间短路故障多有发生，当高/低压侧发生相间短路时，会导致箱式变压器对应侧断路器跳闸，而且在故障冲击下，箱式变压器往往会伴随有内部异响、喷油、异味等情况。一般来说，对箱变短路故障的分析，要从保护动作情况入手，大体了解箱变故障情况，然后要将箱变转至检修的状态，做好安全措施，并将该光伏发电单元解列，详细查看故障状况。而且有时在故障初期，可能仅为箱式变压器相间故障，若故障进一步发展，会造成变压器内部绕组烧毁损伤，铁芯崩坏等更大损失，这种情况下箱式变压器只能采取报废处理。这里以箱变某次实际故障的发展过程进行分析，最初故障发生在低压侧相间短路，在短路冲击放电作用下，造成高低压绕组间的击穿短路，这种状况下会造成更严重的短路放电，进而造成铁芯损坏，受高温影响，箱变油箱内部油会严重喷发，并且出现分解变质等情况。经研究发现，高低压绕组间短路的直接原因在于其本身便有绝缘薄弱点。
结语
总而言之，随着电网发展，电力变压器的重要性愈加凸显，而受各类内外因素的影响，仍有较多变压器故障发生，严重危害设备及供电安全。而变压器故障原因多样化，故障表象复杂，常规的DGA诊断方法，在变压故障识别方面仍有较大不足，迫切需要智能诊断方法的研发与应用。神经网络、智能计算方法、专家系统等变压器故障识别方法的应用，在故障识别精度及效率上有很大提升，也是未来变压器故障诊断领域的重要研究内容
参考文献：
[1]李健.电力变压器电气高压试验的技术与要点分析[J].中国高新技术企业，2013（34）：20-21.
[2]刘兵.电力变压器电气高压试验技术分析[J].通信电源技术，2019，36（06）：249-250.
[3]潘凌.电力变压器电气高压试验的技术与要点分析[J].环球市场，2017（29）：239-239.
（国网孝感供电公司 湖北省 孝感市 432000）