油浸式電力變壓器故障診斷的研究分析

劉良

摘 要：電力變壓器在電力系統中是重要的組成部分，它的健康程度關系到電力系統安全、可靠。定期對油浸式電力變壓器進行檢查，能夠及時發現故障所在，進而進行改進。文章分析油浸式電力變壓器故障診斷，分析故障，提出應對措施。

關鍵字：油浸式電力變壓器；故障；研究分析

1 前言

我國電力行業改革以來，電力信息化得到廣泛關注，審視當前電力企業信息化現狀，存在的問題比較突出。舉個例子：信息系統交融故障，企業無法實現資源共享。電力行業作為一個特殊行業，電力信息集成受到諸多方面的影響，這導致我國電力企業發展緩慢。有了信息系統的支撐，電力企業能夠及時且全面的掌握電力信息，而能及時采取有效措施，對電力資源進行配置，實現資源高效利用，也提高了變壓器運行效率。

2 電力變壓器狀態評估

（1）變壓器狀態發展和故障發生根據一定的規律進行，一般情況下，變壓器整體性能是持續變化的。當進行一定參數設置之后，就能確定出變壓器所處的狀態，對變壓器未來發展有正確的預測。在變壓器使用壽命內，運動狀態處于變量狀態。雖然參數有新的變動，但是參數變化不會影響整體功能的發揮和實現。在漸變過程中，雖然各個參數會有新的變化，變壓器會出現功能性障礙，從而導致突變發生。在漸變進程中，從防范層面上看，根據檢測運行數據，對變壓器狀態執行評估和監測。劃分出不同狀態的變壓器等級，可以劃分為合格、良好、嚴重等等，不同等級故障。根據每個故障類型，在選擇對應的措施，這對電力系統安全運行有重要影響。在突變過程中，一般會意味這變壓器有故障發生，這時狀態評估較為準確。

（2）變壓器故障分析最為關鍵的環節是預防實驗非破壞性量，然后在根據一定的指標進行評價。劃分出變壓器實質運行狀態。舉個例子：模糊學習矢量網絡模型，這個方法DGA數據將被模糊分類器劃分成不同子類。每一個類別需同模糊學習矢量化網絡進行培訓。該方式能解決大量的屬性決策問題。根據工程實踐發現，該評估方法包含油固體含量、油水分含量以及局部放電級，它的準確判定構建成BP神經網絡和模糊診斷。借助模糊數學綜合評判，各種分析理論，對變壓器運行狀態開展綜合分析，分析出其狀態是否健康。盡管在國外狀態評估技術已經得到快速發展，常見的研究有灰靶理論、模糊數學都進行了量化指標研究。隨著研究力度加深，定性的指標不宜量化，這個量化的標準，需人為進行制定，才進行標準統一分析。當前的評價方法比較多，最常用的方法是定性評價。研究方法的創新和研究力度加深，為研究出準確、可靠且量化的評估系統奠定基礎。

（3）狀態監測、故障診斷技術雖然有其不可替代的優勢，但在目前情況下，尚存在很多不足和問題需要解決。已經安裝投運狀態監測系統的單位，決不可高枕無憂，不再有安全憂患。由于變壓器有復雜的結構系統，運行參數間并非全部有嚴格的邏輯和定量關系。它出現的故障現象，故障原理之間存在的不確定因素比較多，一個故障能夠表現出多種征兆。當監測到幾個故障起因之后，隱藏的故障也會被察覺到。故障和征兆之間有模糊的復雜關系。需建立起精確的數學模型加以診斷，這是相對比較困難的。這種復雜的系統屬于模糊系統，在模糊系統邊界、迷糊系統構造，逐漸外延比較模糊，內涵所屬灰色。簡而言之，在該系統中，一些信息都是確知的，而另一些信息是未知的。因此，需采用更加精準的模糊模式進行數學分析，探究模糊現象。隨著研究深度加深，人工神經系統被注入，變壓器的故障診斷變得越來越復雜，需找出合適的描述方式進行描述。另外，還需模糊技術專家，對故障開展經驗花分析，實現遠程通信傳輸，

3 電力變壓器故障診斷

（1）變壓器因其制造工藝的復雜性及運行環境的不穩定性造成了變壓器故障機理的復雜性，其表現為同一種故障模式有多種故障特征發生。同一個故障又有幾種故障模式，故障和故障之間又有密切關系。信息融合技術對不同來源的信息進行處理，借助變壓器各種故障特征劃分多種故障量，從多個方面對變壓器進行綜合處理。提升變壓器可靠、準確在線診斷。對于信息融合而言，一般的融合方式如下：第一，數據融合。如果想要數據層融合效果更加明顯，在傳感器里執行數據層相互融合。在匹配的基礎上，保障雙方數據層面實現關聯。最終使得相同目標的數據融合水平更高。可以引入加權平均法、算數平均法以及曲面曲面擬合法進行應對。

（2）特征層數據融合。該層數據融合屬于中間層融合，當信息源從原始信息中提及之后，對特征信息進行充分分析處理。從信息源的原始信息中提取出特征信息，對特征信息進行綜合分析和處理，提取而出的特征信息一般都是原始信息，對信息做好統計之后，再根據提取的特征信息歸類。相似信息實現聚集和綜合分析。使用的融合方式依舊是模式識別相應技術，當在融合之前，進行傳感器信息交換之后，能夠對特征信息進行統一表達。這表達優勢是，能實現多傳感信息壓縮，有利于實時處理，尤其所提取的特征信息和決策分析相似，需融入最大限度特征信息。

（3）決策層數據融合。該層在系統中屬于最高級別層，它同其他三層差別大，是數據融合最終結果。每一個傳感器，它的檢測目標確定，都需進行最初級的預處理，特征提取以及初步的判斷。才能獲取相應的處理依據，實現最終判斷，這種最終的判斷能在決策控制中發揮重要作用。

4 結束語

總而言之，電力變壓器運行狀態是否穩定，這對電力輸送和發展有重要影響，需引起人們高度重視，在文章中提及，電力變壓器狀態監測同故障診斷，需加快研究，在實際使用中，能有明顯的效果。從而更好的保障診斷結果準確、及時。

參考文獻：

[1]王俊芳.基于模糊神經網絡的信息融合在配電網故障診斷中的應用[J].重慶大學.

[2]吳俊，程詠梅，曲圣杰.基于三級信息融合結構的多平臺多雷達目標識別算法[J].《西北工業大學學報》，ISTICEIPKU-2012（03）.

[3]陳新崗，田曉霄，趙陽陽，張超峰.信息融合在變壓器油紙絕緣局部放電識別中的應用[J].《高電壓技術》，ISTICEIPKU-2012（03）.

[4]劉毅，高振興.創新一種考慮多層信息融合的電網故障診斷輔助決策方法[J].《電力系統保護與控制》，ISTICEIPKU-2010（24）.

[5]蔡猛，張大發，張宇聲.基于信息融合技術的核動力裝置智能故障診斷系統研究[J].《核動力工程》，ISTICEIPKU-2011（04）.endprint