配電變壓器狀態評估技術綜述

趙傳奇，王 暉

（1.長春工程學院 電氣與信息工程學院，2.吉林省配電自動化研究中心，長春 130012）

配電變壓器狀態評估技術綜述

趙傳奇1，王 暉2

（1.長春工程學院 電氣與信息工程學院，2.吉林省配電自動化研究中心，長春 130012）

為使更多配電網的研究人員對配電網變壓器狀態評估方法有更深的研究，基于目前配電變壓器狀態評估的研究現狀，介紹了傳統的狀態評估方法，詳細闡述了智能方法應用于變壓器狀態評估的基本原理，總結了智能方法的優缺點，并提出了物聯網技術應用于變壓器狀態評估的發展趨勢。

配電變壓器；狀態評估；智能方法

0 前言

變壓器屬于供電、配電部門的重要設備，它們的安全運行直接關系到電網的安全供電，變壓器狀態評估是電力設備修理和維護的基礎工作，由于變壓器本身是一個包含很多部件的復雜系統，因此，變壓器狀態評估的影響因素也很多，對其進行準確評估難度很大。目前針對變壓器狀態評估的方法已經逐步從單一的傳統方法轉變為與智能算法結合的方法，本文分別介紹了傳統狀態評估方法、神經網絡算法和模糊理論，為變壓器狀態評估提供技術支持。

1 傳統狀態評估方法

變壓器發生故障時，故障點釋放的能量，使周圍溶解在變壓器油中的氣體成分的相對數量和形成速度發生變化，這些故障氣體的組成和含量與故障類型及嚴重性密切相關，傳統方法是對變壓器進行油氣監測，其基本原理是根據油中氣體成分的不同及所占百分比不同，判斷故障的種類及嚴重程度，進而評估變壓器工作是否正常[1]。這種方法局限于閥值診斷，難以顯示故障的發展趨勢。

2 智能算法在變壓器狀態評估中的應用

2.1 基于神經網絡的方法

人工神經網絡是由神經元通過網絡權值相互連接而成的自適應非線性系統。人工神經網絡通過神經元之間隔連接關系實現信息的存儲，通過神經元之間的傳遞關系來實現信息的處理，通過神經元相互之間連接權值的動態變化過程實現網絡的學習。BP神經網絡模型將反向傳播學習算法應用于連接權值的動態變化，是目前應用最多且最重要的網絡。其學習過程分兩個階段[2]：

第一個階段初始化的權值和閾值。設輸入為M維，輸出L維，對某一輸入隱含層節點i的輸出為：

其中fθi為隱含層節點的激活函數；輸出層節點 的輸出為：

其中fai為輸出層節點的激活函數。

第二個階段是對權值和閾值進行更新，從最后一層向前計算各權值和閾值對偏差的影響，利用能量函數計算神經網絡對于該樣本的能量值，計算每個神經元節點所產生的誤差，反向傳遞該誤差，修正各個權值和閥值。偏差的一般選擇輸入輸出間的均方差：

以上兩個過程反復交替，直到達到收斂為止。

2.2 基于模糊理論的方法

使用模糊理論對變壓器進行設備狀態評估的步驟如下[3，4]：

（1）確定狀態因素集。狀態因素集是影響評估對象的各因素所組成的一個普通的集合。通常用U表示。對于一級模糊評判模型，，其中ui代表各影響因素，對于各個因素具有不同層次的情況，采用兩級或更高級的評判模型，此時ui代表第一層的第i個元素，它又由第二層的n個元素決定，即，其中uij即為第二層次的影響因素。如將變壓器狀態因素集定為兩級模型，即U={電氣試驗，油色譜分析，絕緣油特性，試驗新技術，歷史情況}，表明變壓器狀態受U中因素影響，而U中每一個因素又由第二層因素影響，如油色譜分析受{H2，CH4，C2H6，C2H4，C2H2，CO，總烴}因素集影響。

（2）確定權重集。各個因素對變壓器狀態的影響程度不同，因此建立因素權重集來反應各個因素對于變壓器狀態的影響程度，對因素ui賦予相應的權重ai，對第二層因素同理，則各權重組成的集合即為因素權重集。權重集應滿足歸一化條件：

權重可由模糊數學的方法確定，也可根據實際問題由專家打分確定。

（3）確定評判集。無論是一級還是多級迷糊評判，評判集只有一級，即變壓器的狀態組成的集合（如良好、一般、注意、較差）。通常用表示。模糊綜合評判的目的就是在綜合考慮所有影響因素的基礎上，從評判集中得出最佳的評估結果。

（4）確定隸屬度函數。隸屬函數是描述模糊性的關鍵。設評判集V={良好、一般、注意、較差}，隸屬度函數將各個因素值轉化為隸屬于不同狀態的隸屬度，不同因素的隸屬度組合成隸屬度矩陣R。常用的隸屬度函數是三角形函數 。

（5）模糊評判。一級模糊綜合評判是對一類因素中的的各個因素進行綜合評判，為了考慮不同層次因素的綜合影響，還必須在電氣試驗、油色譜分析、絕緣油特性、試驗新技術、歷史情況之間進行綜合評判，稱為二級綜合評判，二級模合評判解決了因素過多的問題，它按照某種標準將因素分到不同的類中。二級模合評判評估矩陣R應為一級模糊綜合評判所得的矩陣，從而可得二級綜合評判集為：

第一層因素集U反映變壓器綜合狀態能力的權重集。R是一級模糊評判得到的綜合評判矩陣。B表示變壓器綜合狀態隸屬于狀態V的隸屬度。最后按照隸屬度最大原則，選取 作為該變壓器的綜合狀態，并根據評估結果安排檢修策略。

3 總結與展望

智能技術與傳統方法的結合，提高了變壓器檢修效率，有效地降低了錯檢、漏檢等事件發生的概率，實現對配電網狀態的檢測、預警以及狀態的檢修，使配電網始終在最佳狀態運行，保障生產和生活用電，同時降低損耗，提高優質服務水平。

[1]吳立增.變壓器狀態評估方法的研究[D].華北電力大學，2005.

[2]張世宏，劉玓.神經網絡算法在電力設備狀態評估系統中的應用[J].福建電腦，2007（07）：98.

[3]王謙.基于模糊理論的電力變壓器運行狀態綜合評估方法研究[D].重慶大學，2005.

[4]王美剛.基于模糊理論的電力變壓器狀態評估[D].華北電力大學，2007.

項目支持：吉林省工信廳項目2013001，吉林省科技廳重點科技攻關項目20130206049GX，吉林省教育廳2013297.

趙傳奇（1990—）男，山東沾化人，在讀研究生，本科，主要研究：人工智能算法及應用。