變壓器故障的灰色預測方法研究

劉玲

【摘要】 本文采用數理統計方法估算故障隸屬度，通過時間序列灰色預測法估計某時間內各故障隸屬度及其發展趨勢，對閥值原則進行改進，根據改進后的閥值原則推斷可能發生故障的種類及其發展趨勢。實例分析說明該模型能有效地預報變壓器故障的發展情況。

【關鍵詞】 變壓器 故障預測 供電系統

油浸式變壓器由于具有較高的絕緣強度、較長的使用壽命，廣泛用于高壓、超高壓輸電系統以及電氣化鐵路牽引供電系統中。變壓器的使用壽命主要由絕緣材料的絕緣強度決定。及時、準確地發現變壓器內部絕緣故障并預測故障的發展趨勢能夠有效減少供電系統停電事故，為運營單位加強負荷管理、制定變壓器維修策略提供理論依據。

目前，國內外針對充油電氣設備的故障診斷做了大量的研究，并已取得了一定的成果，人工智能方法，神經網絡、模糊聚類分析[1]、灰關聯分析[2]、支持向量機等，廣泛應用于變壓器故障診斷中，取得較好的診斷效果，但對可能發生的故障種類、故障的發展程度以及如何預防等缺少研究。

本文基于分析加權隸屬度時間序列，判斷可能發生的變壓器故障種類，并用實例驗證了該預測方法的有效性。

一、建模基礎

1.1識別方法

定義1 設A為論域U上的向量模糊子集 = （A1 ， A2 ， …，An），設n維普通向量 =（x1，x2，…，xn），Ai（xi）（i=1，2，…，n）為xi對Ai的隸屬度函數， （）為對模糊向量集合族的隸屬度。

其中（）。

閥值原則：設論域U上有m個模糊子集A1 ， A2 ， …， Am，構成標準模型庫，對任何x0∈U，決定水平a∈[0，1]。若存在i1，i2，…，ik，使，則判決x0相對地隸屬于。

二、故障預測模型

收集故障變壓器的歷史數據，建立加權隸屬度時間序列，通過灰色理論計算待預測的故障隸屬度。最后進行歸一化處理，采用改進的閥值原則預測將要發生的故障及其種類。

2.1 故障隸屬度時間序列

（1）故障現象集和故障集確定

所謂故障現象集就是油中溶解氣體組分之間關系。目前采用了IEC三比值法等編碼，故障錯判、誤判現象較常見，雖然加入了模糊原理，仍然沒有徹底解決缺碼、數據本身不穩定所帶來的問題，本文選擇了氣體之間的比值作為故障現象，研究表明CH4在油中溶解度受到溫度等的影響最小，其他烴類氣體次之，氫氣受到外界因素的影響最大，H2/（C1+C2+H2）值比H2/CH4所外界影響小，統計表明 H2/（C1+C2+H2）、CH4/（C1+C2）、C2H6/（C1+C2）、C2H4/ （C1+C2）、C2H2/（C1+C2）能很好的反應變壓器內部故障的狀況。

（2）加權系數確定

根據故障現象對故障判別的重要性確定加權系數。統計用單故障現象判斷故障時的正判率，然后歸一化處理，即確定了加權系數矩陣。采用改進閥值方式判斷，一級閥值取15%，二級閥值取10%。

定義n時刻第i種故障的隸屬度為（），則{（），（），…， （）}便是變壓器故障隸屬度時間序列。

2.2 變壓器故障預測

根據故障隸屬度時間序列，預測一定時間后的各個故障隸屬度，并且基于隸屬度及其趨勢預測故障的發展狀況。把{（）}代入式中的，根據式（1）-（8），預測（）。采用改進的閥值原則判斷n+1時刻的故障情況。

三、效果分析

筆者統計并選取了52例經典故障案例，15個正常實例，預測結果與實際比較，結果如表1所示。如果不計入正常的15臺變壓器，預測正確率達90.4%，中溫故障、局部放電的實例較少，其預測的正確率可用更多的實例加以分析，根據表1分析，模型對各個單個故障情況的預測較準確。

四、結束語

及時、準確地發現變壓器內部故障并預測故障的發展趨勢，能夠有效減少供電系統停電事故，為運營單位加強負荷管理、制定變壓器維修策略提供理論依據。文章結合模糊識別和時間序列的灰色預測方法，建立故障預測模型，采用數理統計和模糊識別結合的方法，預測一定時間后的故障隸屬度，根據改進的閥值原則，預測變壓器運行狀態以及故障的發展程度。實例表明該方法具有較好的效果。

參 考 文 獻

[1] 符楊，田振寧，江玉蓉，等. 加權模糊核聚類法在電力變壓器故障診斷中的應用[J].高電壓技術，2010，36（2）：371-374.

[2] 宋斌，于萍，羅運柏，等. 基于灰關聯熵的充油變壓器故障診斷方法[J]. 電力系統自動化， 2005，29（18）：76-79.