变压器故障智能诊断方法研究.docx

资源描述

变压器故障智能诊断方法研究.docx

《变压器故障智能诊断方法研究.docx》由会员分享，可在线阅读，更多相关《变压器故障智能诊断方法研究.docx（42页珍藏版）》请在冰豆网上搜索。

变压器故障智能诊断方法研究.docx

变压器故障智能诊断方法研究

第一章引言

1.1课题的背景及意义

作为我国的支柱产业，电力在社会的发展中起到了至关重要的作用，而且近几年我国GDP的快速持续增长，我国已成为除美国之外的第二大经济体。

当然随着经济的发展，国内各方面对于电力的需求也日益增加，不管是国家重工业，还是人们的日常生活，电力在这些方面起到了有力的保障。

变压器是电力系统中至关重要的器件，虽然变压器不需要移动，而且工作时振动十分微小，并且其中的变压器油性能优秀，由于这几个优点，变压器相对于其他电力设备来说发生故障的概率较小，但是因为设计上存在了一定的缺陷、制造工艺的不完善、调试工作的马虎等问题，变压器故障还是经常发生的。

随着电力行业的快速发展，人们的生活与电力已经息息相关，所以在电力系统运行的过程中，需要随时随地的掌握变压器的状态，以免无法发现变压器的异常运行，并且一旦发生事故，会给人民生活造成巨大的财产损失。

在变压器的运行过程中，需要对变压器的各方面进行监控并且进行一定的预测，并且测得的实时数据可以用来建立数据库，当变压器发生故障时候，可以用数据库中的数据进行对比，以此来判断变压器所发生的故障类型以及故障发生的原因。

根据有关资料表明：

变压器的在线监测技术能够降低故障的发生率，通过在故障发生之前便采取一定措施阻止故障的方法，每年约有三分之一的事故可以避免。

这样一来，电力系统的安全性和可靠性便得到了提升。

同时，由于事故的大量减少，经济效应也越来越明显，这两项技术也得到了人们的广泛认可，并且在越来越多的行业中的到应用。

变压器的在线监测技术和故障诊断技术可以无时无刻的反映出设备的运行状态，减少了故障的发生，具有十分重要的科学意义和经济效益，同时还促进了社会的发展、提高了生活质量、提供了更加清洁高效的能源，为环保事业做出了杰出的贡献。

1.2本文的主要研究内容

本文主要把三比值法、神经网络及BP算法运用到变压器故障智能诊断中。

本论文的主要研究内容如下：

（1）简要分析国内外变压器故障智能诊断的现状和发展趋势。

（2）归纳出变压器发生故障时的气体类型特征汇总。

（3）全面介绍运用三比值法来对变压器故障类型进行分类，并利用matlab编写相关程序来实现这一过程，通过

测试数据来检验其精确度，并进行分析。

（4）研究基于人工神经网络的变压器故障智能诊断方法，并构建基于BP算法的电力变压器诊断模型。

（5）把三比值法与人工神经网络网络法检测的结果进行比较分析，判断哪种方法精确度更高。

（6）总结全文，分析各方法的优缺点以及哪些仍然无法解决的问题，分析在变压器故障领域的上升空间，并展望未来。

第二章变压器故障诊断的现状和发展趋势

随着变压器技术的提高，变压器各方面的要求也变得更加苛刻，为了满足各方面的需要，现代变压器采用了更加紧凑的绝缘方式，因此变压器内部的绝缘将要承受更高的压力。

随着人工智能技术的发展，越来越多的理论方法用来完善变压器故障诊断技术，比如特征气体法、三比值法、人工神经网络（ANN）、智能型系统法（TFDAD）、模糊理论（FuzzyTheory）、专家系统法（TFDES）等，这些方法对故障诊断技术的完善补充使其得到了更大的发展与进步。

2.1变压器油中溶解气体分析的研究

（1）特征气体法

这种方法主要是依据不同故障时油中溶解气体含量之间的差距来判断变压器所发生故障类型的。

比如变压器过热时的主要成份是

；局部放电时的主要成份是

；电弧和

时的主要成份是C2H2、H2；当故障涉及固体

时就会产生大量的

气体。

所以变压器的故障类型便可以通过这些溶解气体的主要成分来判断。

（2）比值法

该方法是根据各种气体的比值来

变压器故障类型的。

比值法可以分为有编码和无编码两种。

有编码的有IEC三比值法及其改良，日本电协研法及其改良，英国德能堡比值法等等；无编码的就是取消了气体比值区间对应一个编码，而是直接采用比值范围对应于一种故障。

比值法舍弃了一些较小概率的情况，所以它的精确度不能是很高。

2.2人工智能在变压器故障诊断中的应用

社会经济的发展导致了科学技术的提升，与早期变压器故障检测的传统方法比较，电力变压器的在线监测技术和故障诊断技术有了非常大改变。

运用计算机技术来对人的大脑活动进行模拟，现代生活中将其称为人工智能技术。

而将这种技术运用到电力行业中，能够改善电网结构，尤其对于变压器故障诊断技术，效果很明显，即降低故障发生率，延长变压器使用寿命。

目前在这一领域运用较多的技术有：

专家系统、模糊数学、人工神经网络以及信息融合法等。

（1）人工神经网络

ANN（人工神经网络）是一种建立在动物神经网络行为基础上的算法数学模型，

它运用分布式并行处理信息方式。

这种网络通过调整其内部无比复杂的节点间连接关系来进行信息处理，并且这个网络能够自学习、自适应，在动态的过程中会不断进化，所以这方法在故障诊断中有广泛的应用。

（2）信息融合法

信息融合（informationfusion）起源于1973年美国国防部自主开发的声呐信号处理系统。

一开始的时候被称为数据融合，这个概念也曾经出现在1970的一些文献中。

（3）模糊数学

因为电力变压器的复杂性，在系统运行过程中，会出现很多或大或小的干扰因素，这便导致了会出现这样一种情况：

一种故障类型在诊断时会显示出多种不同的故障特征。

这便使分析结果存在了很大的模糊性，因此模糊数学理论便可以在其中起到一定作用。

（4）专家系统

专家系统是一种计算机程序，在某些特定的

中能以人类专家的智力解决问题。

将专家系统运用到变压器故障智能诊断后，使得普通用户也可以以专家的智慧来诊断变压器故障，它对变压器故障智能诊断的推广具有很大意义。

以上各个方法在某一领域都对变压器故障智能诊断有优势，但同时这些方法各自也存在着一些局限性与不足，如何更好地利用这些方法和他们的组合成了今后变压器故障智能诊断的研究方向。

第三章变压器油中溶解气体分析的原理及方法

对变压器进行故障诊断后分析变压器所发生的故障类型，那么便需要有一个故障类型参照。

因此在诊断之前便需要把变压器的各种故障类型进行分类。

在现在诊断技术中，一般会将各种故障表现成热故障的形式。

变压器发生故障时候，内部的绝缘材料在强热的作用之下，经过化学反应，产生各种不同类型、不同含量的气体，这些气体会慢慢溶解在变压器油中。

我们根据不同故障产生气体含量和种类之间的差别，并且还可以通过检测变压器油中气体溶解量的差别，便可以判断变压器发生的故障类型。

但是变压器发生故障时候内部反应很复杂，涉及到多个方面的问题，所以单一的依据这一对应关系来判断是不够准确的。

本章将着重介绍特征气体法和气体比值法。

3.1变压器故障与油中气体关系

通过分析故障发生时在热作用下绝缘材料产生的各种气体在变压器油中的溶解程度可以判断变压器的故障类型。

（1）热性故障

产生热故障的原因有：

1）导线过电流

2）铁芯局部短路、多点接地，形成环流

3）分接开关接触不良

4）接线焊接不良

5）电磁屏蔽不良使漏磁集中

6）油道堵塞影响散热

热性故障的气体特征：

1）当固体材料局部过热时会产生大量

和

且

2）当油局部过热时会产生大量

和

。

随着温度升高，则

和

增加，当油严重过热时才产生少量乙炔

。

（2）电性故障

产生电性故障的原因有：

1）绕组匝间、层间、相间绝缘击穿

2）引线对地闪络或断裂

3）分接开关飞弧

电气故障产生的气体主要是

和

，其次是

和

。

（3）按能量大小分

1）高能量电弧放电原因

1绕组短路或者大部分绝缘面积击穿的严重绕组故障

②严重的铁芯失火、大面积铁芯短路

这种气种主要是

和

造成火花放电的原因有

①引线接触不良

②不稳定的铁芯接地

③分接开关触头接触不良

④套管导电杆与引线接触不良

3）造成局部放电原因有

①冲片棱角或冲片间局部放电

2金属尖端之间局部放电

这时产生的主要气体是

和

表3-1给出不同的变压器故障类型和产生气体的组分关系。

表3-1电力变压器不同故障类型产生的气体

故障类型

主要气体

次要气体

油过热

CH4，C2H4

H2，C2H6

油和纸过热

CH4，C2H4，C0，C02

H2，C2H6

油纸绝缘中局部放电

H2，CH4，CO

C2H2，C2H6，C02

油中火花放电

H2，C2H2

油中电弧

H2，C2H2

CH4，C2H4，C2H6

油和纸中电弧

H2，C2H2，CO，C02

CH4，C2H4，C2H6

3.2以油中特征气体组分比值诊断故障的方法

3.2.1DGA的诊断流程

变压器DGA的诊断流程如图3-2所示。

图3-2变压器DGA的诊断流程图

3.3以三比值法诊断变压器内部故障的原理及方法

（1）三比值法的诊断原理

IEC三比值法原理是根据变压器内油、纸绝缘在故障下裂解产生气体组分含量的相对浓度与温度的相互依赖关系，从5种气体中选择两种溶解度和扩散系数相近的气体组分组成三对比值；以不同的编码表示，根据比值的编码判断变压器所属的故障类型。

表3-3和3-4是三比值法的编码规则和故障诊断类别判断方法。

表3-3三比值法编码规则

气体比值范围

C2H2/C2H4

CH4/H2

C2H4/C2H6

<0.1

0.1-1

1-3

表3-4三比值法故障类型判别编码

编码组合

故障类型

C2H2/C2H4

CH4/H2

C2H4/C2H6

正常状态

中低温过热

高温过热

低能量放电

高能量放电

运用MATLAB技术来实现三比值法，首先对各个情况进行编码，部分代码如下：

sanratio1=sample（:

5）./sample（:

4）;

sanratio2=sample（:

2）./sample（:

1）;

sanratio3=sample（:

4）./sample（:

3）;

forkk1=1:

ifsanratio1（kk1）<0.1

sanratio1（kk1）=0;

end

ifsanratio1（kk1）>0.1&sanratio1（kk1）<3

sanratio1（kk1）=1;

end

ifsanratio1（kk1）>3

sanratio1（kk1）=2;

end

kk1=kk1+1;

end

..................................................

forkk1=1:

ifsanratio2（kk1）<0.1

sanratio2（kk1）=0;

end

ifsanratio2（kk1）<1&sanratio2（kk1）>0.1

sanratio2（kk1）=0;

end

ifsanratio2（kk1）>1

sanratio2（kk1）=2;

end

展开阅读全文