论文部分内容阅读
[摘 要]为全面综合诊断电力设备故障，参考已有电力设备综合诊断方法，结合变压器油中溶解气体数据和电力试验数据，利用自适应遗传算法优化小波神经网络和证据理论融合技术，提出了一种基于多参量的电力设备故障综合诊断模型。通过故障特征参数的划分分别构建神经网络从不同侧面反映变压器的故障，同时结合证据的重要性、神经网络的输出改进证据体的基本概率分配赋值，充分体现证据体对单个故障模式识别的可信度。诊断结果表明，融合多参量的电力设备故障综合诊断比基于单参量故障诊断的诊断性能较好。
[关键词]变压器； 融合诊断； 故障； 多参量
中图分类号：TM407 文献标识码：A 文章编号：1009-914X（2014）46-0394-01
研究背景
电力设备是电力系统中最重要、最昂贵的设备之一。在电力系统中担负着电能传输和转换作用，其安全可靠运行对电力系统、国民经济起重要作用， 及时发现并准确监测出变压器早期潜伏性故障具有重要价值。目前，对变压器故障诊断的研究较多，方法主要包括油色谱分析、绕组阻抗、直流电阻、铁心电流等传统方法，以及局部放电、返回电压、红外成像、绕组变形测量等非传统方法。近年来各种智能技术如模糊理论、神经网络、粗糙集、判决树、聚类分析等以及多种方法综合被引入变压器故障诊断中，取得了比较理想的效果。
多参数电力设备故障诊断技术的必要性
电力变压器是一个复杂系统，不确定因素及不确定信息充斥其间，目前智能分析方法与具体诊断领域知识的有效结合方而还存在诸多问题。在现场，大多数时候还是依靠专家经验进行人工诊断。
在变压器故障诊断中，检测到的某类数据，往往只反映某个方面的状态。如绕组变形测试，只是检查变压器绕组是否因出口短路或外力而出现变形、位移。同时，每一类特征量对状态的反映都有其优势与局限性，如对油色谱分析能提供局部过热和局部放电的信息，但对水分可能引起的贯穿性绝缘击穿事故来不及反映，对绕组变形没有发展到引起过热或局部放电之前，也不能觉察。并且，大型电力变压器结构复杂，包含铁心、绕组、冷却、测量等多个系统，往往很难通过一项试验参数就可以诊断出变压器的故障。因此，故障诊断往往需要综合油色在谱、电气试验、运行工况等参量进行分析。
多参数电力设备故障诊断技术构成
（1）参数融合技术的原理
电气设备多参量故障诊断技术是利用诊断对象系统的各种部件及状态信息（即从多个同质或不同质的传感器获得各种信息）和已有的各种知识，进行信息的综合处理，最终获得关于系统运行状态和故障状况的综合评价。多参量技术充分利用多传感器的各种信息综合处理设备故障，对于大型、复杂在线运行的电气设备的瞬时实时监测、突变过程的信号捕捉、预测、决策乃至报警会比以往的故障诊断提高成倍的精确度和可信度。
信息融合的本质是系统的全面协调优化： 将不同来源、不同时间等，特别是不同层次的信息加以有机结合，寻求一种更为合理的准则来组合信息系统在时间和空间上的冗余和互补信息，以获得对被评估问题的一致性解释和全面描述，从而使该系统获得比它的各个组成部分或其简单的加和更优越的性能。信息融合技术按照融合处理层次分类，可分为数据层融合、特征层融合和决策层融合3个层次，且还可进一步细分为5 种融合过程： 数据输入/数据输出（ DAI/ DAO ），数据输入/ 特征输出（ DAI/FEO） ， 特征输入/ 特征输出（ FEI/ FEO） ， 特征输入/决策输出（ FEI/ DEO） ， 决策输入/ 决策输出（ DEI/DEO） 。较全的设备信息融合故障诊断的一般框架见图1。
（2）参数融合技术的层次结构
按照信息的抽象程度，信息融合主要在三个层次上展开：数据级融合、特征级融合和决策级融合。
（a）数据级融合
数据级融合是直接在采集到的原始数据层上进行的融合，在各种传感器的原始测量数据未经预处理之前就进行数据的综合和分析，这是最低层次的融合。这种融合的主要优点是能保持尽可能多的现场数据，提供其它融合层次所不能提供的细微信息。
主要针对目标检测，滤波、定位、跟踪等底层数据融合，但局限性也是很明显的：它要处理的传感器数据量太大，故处理代价高，处理时间长，实时性差。
多参量故障诊断技术的优劣势
对于故障诊断中存在的模糊性和不确定性，采用本文所提出的多参量的设备故障诊断技术更适合问题的解决，它解决了模糊诊断准确性的问题，并克服了组合爆炸问题。由于故障与征兆之间存在着不同程度的因果关系，在综合考虑所有征兆的基础上来诊断设备可能发生的故障，就可以提高故障诊断的准确性，降低漏判的可能性。这种方法不但消除了在线监测中测量误差的影响，而且很好的解决了模糊不确定的影响。但是多参量推理方法总是存在模糊规则的难以确定的问题，利用自适应神经网络虽然可以自学习确定模糊规则和模糊推理，但非线性系统的诊断结果仍然存在不理想的情况。
小结与展望
电力设备多参数故障诊断不仅是设备智能检修模式的基础，也符合变电站综合自动化正在实施的电气运行模式的需要。无论是常规变电站还是无人值守变电站，在其故障诊断系统中，都需要采用多参数的故障诊断方法以作为辅助决策手段，进而提高诊断能力。采用多参数的电力设备故障诊断技术，这样变电站综合自动化才更加完善和更有效，必将推动变电站综合自动化向前发展，这对提高我国变电站综合自动化水平具有重要意义。
参考文献
[1] 王双利.基于状态监测的设备综合管理系统及故障维修策略研究[D]. 天津大学硕士论文，2003.
[2] 王勇刚.可靠性为中心的状态维修技术在火力发电厂的应用[D].东南大学硕士论文，2001.
[3] 倪健.变压器内部潜伏性故障的诊断方法[J].高压电器，2001，37（3）：54-55.
[4] 邹兵，李长山，黄金亮.电力变压器铁心绝缘故障的诊断及处理[J].高压电器，2003，39（2）：76-77.
[关键词]变压器； 融合诊断； 故障； 多参量
中图分类号：TM407 文献标识码：A 文章编号：1009-914X（2014）46-0394-01
研究背景
电力设备是电力系统中最重要、最昂贵的设备之一。在电力系统中担负着电能传输和转换作用，其安全可靠运行对电力系统、国民经济起重要作用， 及时发现并准确监测出变压器早期潜伏性故障具有重要价值。目前，对变压器故障诊断的研究较多，方法主要包括油色谱分析、绕组阻抗、直流电阻、铁心电流等传统方法，以及局部放电、返回电压、红外成像、绕组变形测量等非传统方法。近年来各种智能技术如模糊理论、神经网络、粗糙集、判决树、聚类分析等以及多种方法综合被引入变压器故障诊断中，取得了比较理想的效果。
多参数电力设备故障诊断技术的必要性
电力变压器是一个复杂系统，不确定因素及不确定信息充斥其间，目前智能分析方法与具体诊断领域知识的有效结合方而还存在诸多问题。在现场，大多数时候还是依靠专家经验进行人工诊断。
在变压器故障诊断中，检测到的某类数据，往往只反映某个方面的状态。如绕组变形测试，只是检查变压器绕组是否因出口短路或外力而出现变形、位移。同时，每一类特征量对状态的反映都有其优势与局限性，如对油色谱分析能提供局部过热和局部放电的信息，但对水分可能引起的贯穿性绝缘击穿事故来不及反映，对绕组变形没有发展到引起过热或局部放电之前，也不能觉察。并且，大型电力变压器结构复杂，包含铁心、绕组、冷却、测量等多个系统，往往很难通过一项试验参数就可以诊断出变压器的故障。因此，故障诊断往往需要综合油色在谱、电气试验、运行工况等参量进行分析。
多参数电力设备故障诊断技术构成
（1）参数融合技术的原理
电气设备多参量故障诊断技术是利用诊断对象系统的各种部件及状态信息（即从多个同质或不同质的传感器获得各种信息）和已有的各种知识，进行信息的综合处理，最终获得关于系统运行状态和故障状况的综合评价。多参量技术充分利用多传感器的各种信息综合处理设备故障，对于大型、复杂在线运行的电气设备的瞬时实时监测、突变过程的信号捕捉、预测、决策乃至报警会比以往的故障诊断提高成倍的精确度和可信度。
信息融合的本质是系统的全面协调优化： 将不同来源、不同时间等，特别是不同层次的信息加以有机结合，寻求一种更为合理的准则来组合信息系统在时间和空间上的冗余和互补信息，以获得对被评估问题的一致性解释和全面描述，从而使该系统获得比它的各个组成部分或其简单的加和更优越的性能。信息融合技术按照融合处理层次分类，可分为数据层融合、特征层融合和决策层融合3个层次，且还可进一步细分为5 种融合过程： 数据输入/数据输出（ DAI/ DAO ），数据输入/ 特征输出（ DAI/FEO） ， 特征输入/ 特征输出（ FEI/ FEO） ， 特征输入/决策输出（ FEI/ DEO） ， 决策输入/ 决策输出（ DEI/DEO） 。较全的设备信息融合故障诊断的一般框架见图1。
（2）参数融合技术的层次结构
按照信息的抽象程度，信息融合主要在三个层次上展开：数据级融合、特征级融合和决策级融合。
（a）数据级融合
数据级融合是直接在采集到的原始数据层上进行的融合，在各种传感器的原始测量数据未经预处理之前就进行数据的综合和分析，这是最低层次的融合。这种融合的主要优点是能保持尽可能多的现场数据，提供其它融合层次所不能提供的细微信息。
主要针对目标检测，滤波、定位、跟踪等底层数据融合，但局限性也是很明显的：它要处理的传感器数据量太大，故处理代价高，处理时间长，实时性差。
多参量故障诊断技术的优劣势
对于故障诊断中存在的模糊性和不确定性，采用本文所提出的多参量的设备故障诊断技术更适合问题的解决，它解决了模糊诊断准确性的问题，并克服了组合爆炸问题。由于故障与征兆之间存在着不同程度的因果关系，在综合考虑所有征兆的基础上来诊断设备可能发生的故障，就可以提高故障诊断的准确性，降低漏判的可能性。这种方法不但消除了在线监测中测量误差的影响，而且很好的解决了模糊不确定的影响。但是多参量推理方法总是存在模糊规则的难以确定的问题，利用自适应神经网络虽然可以自学习确定模糊规则和模糊推理，但非线性系统的诊断结果仍然存在不理想的情况。
小结与展望
电力设备多参数故障诊断不仅是设备智能检修模式的基础，也符合变电站综合自动化正在实施的电气运行模式的需要。无论是常规变电站还是无人值守变电站，在其故障诊断系统中，都需要采用多参数的故障诊断方法以作为辅助决策手段，进而提高诊断能力。采用多参数的电力设备故障诊断技术，这样变电站综合自动化才更加完善和更有效，必将推动变电站综合自动化向前发展，这对提高我国变电站综合自动化水平具有重要意义。
参考文献
[1] 王双利.基于状态监测的设备综合管理系统及故障维修策略研究[D]. 天津大学硕士论文，2003.
[2] 王勇刚.可靠性为中心的状态维修技术在火力发电厂的应用[D].东南大学硕士论文，2001.
[3] 倪健.变压器内部潜伏性故障的诊断方法[J].高压电器，2001，37（3）：54-55.
[4] 邹兵，李长山，黄金亮.电力变压器铁心绝缘故障的诊断及处理[J].高压电器，2003，39（2）：76-77.