变压器故障诊断方法

变压器故障诊断方法

姓名：王娜

专业：高电压与绝缘技术

学号：S10080803002

班级：硕研14班

一 变压器发生故障的原因

电力变压器在电力系统承担着电压变换、电能分配和转移的重任，变压器的正常运行是电力系统安全、可靠、优质、经济运行的重要保证。变压器在长期运行中，故障和事故是不可能完全避免的，引发变压器故障和事故的原因繁多。如外部的破坏和影响，不可抗拒的自然灾害等，安装、检修、维护中存在的问题和制造过程中留下的设备缺陷等事故隐患，特别是电力变压器长期运行后造成绝缘老化、材质劣化等等，已成为故障发生的主要因素，同时，客观上存在的部分工作人员素质不高、技术水平不够等，也会造成变压器损坏。变压器的损坏往往造成大面积停电，而且修复时间比较长。所以及早发现和处理变压器的故障就具有重要的意义。

二 判断故障的常规办法 2.1 三比值法

比值法利用油中溶解气体中的5种主要气体组分(氢气、甲烷、乙烷、乙烯、乙炔)相互间的比值来诊断变压器内部状态。现在使用的比值法主要有三比值法、罗杰斯比值法和电研法等。下面给出三比值的判据。

表 三比值范围编码表

表 三比值法判断故障性质的判据

三比值法的优点是判据简单，分类详细，便于实际操作，但也应看到，该法存在编码缺损和边界处理绝对的问题。因此，三比值法的诊断正确率不高，一般只有60％左右。

2.2 特征气体分析判断法

特征气体判断法，反映了故障点热源使绝缘材料分解时的事物本质。故障点产生气体的特征是随着故障类型和故障能量等级，以及其所涉及的绝缘材料的不同而不同的。根据油纸绝缘在热和电的作用下分解产生气体过程的基本理论，说明这一过程是以碳氢化合物(或纤维素)分子的断裂开始，通过合成反应，导致产生气体。其特点是故障点局部能量密度越高，则产生碳氢化合物的不饱和程度越高。从大量实际测试的统计数据中可以看出，随着故障点温度的升高，甲烷所占的比例逐渐较

少，而乙烯和乙烷所占比例逐渐增加，严重过热时将产生适当数量的乙炔。

图 特征气体诊断标准

表 故障性质与特征气体的特点

特征气体法直观、方便，容易掌握，但判据比较笼统，而且一般只有定性的描述，例如“若总

烃高，c2H2超标且未构成总烃主要成分，H2含量较高，则可能为严重过热型故障”。这种描述性的判据不利于进一步诊断。另一方面，特征气体法对涉及固体绝缘的故障给出了判据，这在下面介绍的比值法中一般是没有考虑的。所以在实际应用中，特征气体法一般与其他的方法结合使用，最常见的是用特征气体法大致判断出故障的类型，再用三比值法具体判断。

2.3大卫三角形法

与比值法相比，大卫三角形法突出的优点是保留了一些由于落在提供的比值限值之外而被IEC比值法漏判的数据。

使用大卫三角形法诊断时，比值点落在那个区域内，该区域所对应的故障类型就是该比值对应的故障类型。但当比值点正好落在故障区域的边界线上时，大卫三角形法就无法判断故障，此时就要考虑采用其他诊断方法或借助有经验的人类专家来综合分析。

三 智能方法 3.1 神经网络

人工神经网络具有自组织、自学习的能力，能映射高度非线性的输入输出关系，这是由于人工神经网络本身就是简单的非线性函数的多次复合，无需建立任何物理模型和人工干预，而故障诊断基本上就是在输入数据样本和一个或多个故障状态之间建立联系的过程。

其中基于人工神经网络(一般基于BP算法)的变压器油中色谱分析故障诊断方法比较常见而且有

效。但是BP算法也存在许多不足之处，如当学习样本数目多，输入输出关系较为复杂时，标准BP算法的收敛速度就缓慢，甚至不收敛，而且随着输入特征向量维数的增加网络性能会变差。另外BP算法可能出现局部极小问题等。

3.2 范例推理

范例推理是在1982年首次提出的。在范例推理中，把当前所面临的问题或情况称为目标范例，已经记忆的问题或情况称为源范例。范例推理就是由目标范例的提示获得记忆中的源范例，再利用源范例的求解方案来指导目标范例的求解过程。

检索范例最简单的方法是最近邻搜索，即寻求那些与目前问题有最大相似的范例。在变压器故障诊断中，目前用到的有基于欧氏距离和Person积钜相关系数的范例检索方法。

3.3 粗糙集理论

粗糙集是波兰科学家于1982年提出的1种数据分析理论 ，其主要思想在保持分类能力不变的前提下，通过知识约简，导出问题的决策分类规则，从新的角度对知识进行了定义， 把知识看成是关于论域的划分。这一理论无需任何附加信息或者先验知识就能有效地分析和处理不精确、不完整和不一致等各种不完备数据，从中发现隐藏的知识、揭示潜在的规律。

粗糙集理论是一种数据预处理的故障模式识别理论，其特点是不需要先验知识，仅利用自身数据提供的信息，在保持分类能力不变的前提下通过知识约简直接从训练数据中导出概念的分类规则

和有用特征，得到简明扼要的知识表达方式。

有的也提出将粗糙集和神经网络相结合分析电力变压器故障模式，利用粗糙集的数据预处理能力，从原始数据中提取诊断规则作为网络的输入，如果诊断的结果是故障状态，则根据何种故障状态建立相应的输入输出子空间， 在相应的子空间上通过神经网络进行故障的进一步诊断和逼近， 可以简化神经网络的结构， 缩短训练时间，提高泛化能力。