基于貝葉斯網(wǎng)絡(luò)的變壓器健康狀況分析

楊 玥，康 琪，楊 軍，姜 濤

(內(nèi)蒙古電力(集團(tuán))有限責(zé)任公司 內(nèi)蒙古電力科學(xué)研究院分公司，內(nèi)蒙古 呼和浩特 010020)

隨著電力生產(chǎn)規(guī)模的不斷擴(kuò)大，電力企業(yè)投入大型電力變壓器的電壓等級和數(shù)量也呈現(xiàn)逐年上升的趨勢。實現(xiàn)對在運單臺變壓器健康狀況的準(zhǔn)確診斷，全面掌握群組變壓器的運維狀況并將設(shè)備運行經(jīng)濟(jì)性最大化已成為當(dāng)前實施主動運維管控的重點和難點。

首先，目前國內(nèi)電網(wǎng)企業(yè)對變壓器類設(shè)備主要實施以定期檢修為基礎(chǔ)，結(jié)合變壓器狀態(tài)半動態(tài)調(diào)整檢修日期并在必要時增加診斷性試驗項目的檢修模式，其本質(zhì)是一種融合了基于量、時間和狀態(tài)3類檢修經(jīng)驗，基于變壓器運行狀態(tài)評價參考結(jié)果的狀態(tài)檢修。該類檢修模式可提供變壓器基本參數(shù)和少數(shù)不良工況，缺乏對變壓器狀態(tài)全面動態(tài)故障風(fēng)險信息的掌握和對風(fēng)險或服役年限預(yù)測評估的有效管控手段[1-2]。

當(dāng)前用于監(jiān)測變壓器運行狀況的管理系統(tǒng)眾多，系統(tǒng)間的部分必要數(shù)據(jù)壁壘無法逾越[3]，加之能夠反映變壓器運行狀態(tài)的參數(shù)種類繁多，尚未完全實現(xiàn)所有變壓器可用狀態(tài)量數(shù)據(jù)參與評價，信息缺失會造成對變壓器薄弱環(huán)節(jié)或關(guān)鍵部位的識別與跟蹤困難，無法為設(shè)備檢修提供可靠依據(jù)。

目前，有大量學(xué)者基于人工神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、相關(guān)向量機(jī)、信息融合等技術(shù)構(gòu)建了變壓器智能診斷系統(tǒng)[4-7]。但上述系統(tǒng)除了對樣本數(shù)據(jù)數(shù)量的限制和數(shù)據(jù)質(zhì)量的要求高以外，診斷單元的故障概率也無法與總體故障概率建立客觀的數(shù)值和關(guān)聯(lián)關(guān)系，對結(jié)果的解釋性不強(qiáng)，并存在組合模式一旦錯誤則最終結(jié)果會發(fā)生不可逆偏差的弊端。

本文基于LabVIEW虛擬儀器技術(shù)，利用貝葉斯網(wǎng)絡(luò)可有效解決數(shù)據(jù)的不確定性和數(shù)據(jù)結(jié)構(gòu)不完整性的優(yōu)點，設(shè)計了一種貝葉斯網(wǎng)絡(luò)變壓器健康狀況分析系統(tǒng)，將數(shù)據(jù)的采集、處理、分析和存儲進(jìn)行無縫式銜接，實現(xiàn)對電力變壓器故障風(fēng)險等級的劃分和故障風(fēng)險概率的計算。系統(tǒng)通過引入熵，使貝葉斯網(wǎng)絡(luò)的單元劃分更為明確，有效提高了節(jié)點條件概率的準(zhǔn)確度，并對缺失數(shù)據(jù)的處理提出了完整的數(shù)據(jù)模型，同時在打分過程中擴(kuò)展了判定依據(jù)，使故障類別的傾向和設(shè)備分級更加明顯。

1 系統(tǒng)設(shè)計方案

變壓器評估所需的狀態(tài)量數(shù)據(jù)主要由調(diào)度SCADA系統(tǒng)、在線/離線傳感器的實時數(shù)據(jù)以及手動錄入的離線數(shù)據(jù)構(gòu)成。在變電站內(nèi)部署邊緣側(cè)網(wǎng)關(guān)，邊緣側(cè)網(wǎng)關(guān)可獲取兩部分?jǐn)?shù)據(jù)：一是來自SCADA系統(tǒng)的實時電流、電壓和負(fù)載數(shù)據(jù)；二是各類在線傳感器的數(shù)據(jù)，如局部放電量、介損(套管)、電容量(套管)、振動(有載分接開關(guān))、油色譜、紅外、紫外等。邊緣側(cè)網(wǎng)關(guān)具備數(shù)據(jù)分析與處理功能，可監(jiān)控數(shù)據(jù)質(zhì)量、對異常數(shù)據(jù)進(jìn)行過濾，并能夠?qū)@取到的數(shù)據(jù)通過電力信息內(nèi)網(wǎng)傳輸至數(shù)據(jù)中心進(jìn)行統(tǒng)一存儲。在生產(chǎn)管理信息系統(tǒng)中手動錄入的離線數(shù)據(jù)如試驗報告、巡檢記錄、缺陷記錄也會在變壓器健康狀況分析系統(tǒng)中實時同步。將上述數(shù)據(jù)與系統(tǒng)中內(nèi)置的設(shè)備信息庫和缺陷信息庫進(jìn)行比對，同時基于貝葉斯網(wǎng)絡(luò)理論的變壓器診斷模型自動預(yù)測設(shè)備運行風(fēng)險、計算變壓器的失效風(fēng)險概率、生成變壓器可能存在的問題和推薦可用的檢修措施，還能實現(xiàn)設(shè)備家族比對分析等功能。圖1為群組變壓器健康狀況分析系統(tǒng)的狀態(tài)量構(gòu)成及數(shù)據(jù)處理路徑。

圖1 群組變壓器健康狀況分析系統(tǒng)的組成

2 系統(tǒng)數(shù)據(jù)的采集與處理

2.1 系統(tǒng)分析數(shù)據(jù)流程

變壓器評價模型是由數(shù)據(jù)驅(qū)動的。多種變壓器參評參數(shù)基于消息類型通過REST API發(fā)送到相應(yīng)路由器隊列，并篩選有數(shù)據(jù)分析意義的參數(shù)消息發(fā)送至模型路由器，之后進(jìn)入服務(wù)檢查和參數(shù)服務(wù)流程。參數(shù)服務(wù)將確保上述消息或數(shù)據(jù)存儲為設(shè)備參數(shù)，用于可視化展示。服務(wù)檢查流程由模型路由器檢查資產(chǎn)配置，并將數(shù)據(jù)信息導(dǎo)入資產(chǎn)評估模型，保留最新的輸入數(shù)據(jù)集，其中，輸入數(shù)據(jù)是動態(tài)的，也可以直接使用以前的計算值。篩選過后的整套數(shù)據(jù)發(fā)送到模型計算處理器，處理器運行各評估單元計算模型并將輸出的消息或計算結(jié)果發(fā)送到模型輸出處理器。模型輸出處理器將輸出拆分為單獨消息(分?jǐn)?shù)、問題消息、日志消息、自定義輸出等)，消息結(jié)果將被傳送到相應(yīng)數(shù)據(jù)庫，供后續(xù)風(fēng)險結(jié)果確認(rèn)時進(jìn)行二次調(diào)用；分?jǐn)?shù)被傳送到健康評分服務(wù)和風(fēng)險服務(wù)，以確保分值和風(fēng)險得到儲存。此外，分值和風(fēng)險將與以前的結(jié)果進(jìn)行比較，并可能觸發(fā)發(fā)送到路由器隊列的更改事件消息。

2.2 系統(tǒng)分析數(shù)據(jù)類別

分析數(shù)據(jù)的算法分為在線和離線兩種，系統(tǒng)對數(shù)據(jù)分析的總體要求如下。

① 避免過多數(shù)量的告警信息或誤報信息；

② 定制工程性能模型自動解析離線數(shù)據(jù)和在線傳感器的數(shù)據(jù)；

③ 解決在線和離線數(shù)據(jù)之間的沖突。

系統(tǒng)可分析的典型數(shù)據(jù)種類包括油樣分析、套管信息分析、有載分接開關(guān)分析、其他信息分析等。

2.2.1 油樣分析

在線算法考慮傳感器的精度和采樣頻率，支持多種單項氣體傳感器或綜合氣體傳感器回傳數(shù)據(jù)分析和油中水分分析。將傳感器輸出的數(shù)據(jù)水平與當(dāng)前配置的標(biāo)準(zhǔn)或自定義標(biāo)準(zhǔn)進(jìn)行比較，并根據(jù)比較結(jié)果生成有參考價值的告警消息，根據(jù)歷史數(shù)據(jù)集預(yù)測氣體濃度的趨勢。

離線算法考慮實驗室操作儀器和操作人員存在的差異，其主要數(shù)據(jù)來源為實驗室的油色譜樣本。分析數(shù)據(jù)種類包括：油色譜實驗室分析結(jié)果、酸中和指數(shù)、介電強(qiáng)度擊穿電壓、阻垢劑含量、界面張力、濕度、油品功率因數(shù)(25 ℃和100 ℃)。將上述結(jié)果與廠家標(biāo)準(zhǔn)或自定義標(biāo)準(zhǔn)進(jìn)行比較，并基于比較結(jié)果生成必要消息。

2.2.2 套管信息分析

在線算法通過讀取套管傳感器監(jiān)測電流計算數(shù)據(jù)偏差。由相位角判斷問題套管的相別，而電流值的大小則決定是否需要生成告警消息。該算法也可根據(jù)歷史讀數(shù)預(yù)測當(dāng)前總電流的變化趨勢。在某些情況下，套管傳感器還能夠監(jiān)測局部放電強(qiáng)度。

離線算法需要提供當(dāng)前或更新后的監(jiān)測套管功率因數(shù)和電容測試值，同時考慮設(shè)計特性、環(huán)境等因素，可根據(jù)對數(shù)據(jù)的評估輸出相應(yīng)告警消息，并計算與套管相關(guān)的變壓器故障概率。

2.2.3 有載分接開關(guān)分析

有載分接開關(guān)分析不涉及傳感器，僅提供離線算法。離線算法監(jiān)測變壓器有載分接開關(guān)的操作計數(shù)和維護(hù)計劃，在必要時根據(jù)歷史數(shù)據(jù)輸出消息。

2.2.4 其他信息分析

① 冷卻系統(tǒng)：根據(jù)冷卻配置和條件計算冷卻對變壓器故障概率的影響分?jǐn)?shù)。

② 呋喃數(shù)據(jù)：估算變壓器紙絕緣的聚合程度。可預(yù)測熱呋喃的增加趨勢，并提供變壓器油中存在的CO2氣體和負(fù)載之間的相關(guān)性證據(jù)，該算法在必要時生成警告和警報消息，以指示分析過程中發(fā)現(xiàn)的問題。

③ 變壓器主油箱局部放電：傳感器記錄部分放電事件及其嚴(yán)重程度，根據(jù)需要發(fā)出警告和警報消息。

④ 過熱信息：該算法計算繞組熱點，判斷變壓器紙絕緣是否加速老化。同時可估算變壓器在不造成壽命負(fù)荷過早損失的情況下可以超載的負(fù)荷，并輸出最大允許操作溫度信息。

⑤ 變壓器油中固體顆粒數(shù)量和大小的離線測試結(jié)果：根據(jù)變壓器的運行經(jīng)驗，將粒子計數(shù)單位指定為每100 ml的計數(shù)，也可指定為其他標(biāo)準(zhǔn)類。

⑥ 變壓器的設(shè)計磁化率和地磁感應(yīng)電流能的大小：輸出與之相關(guān)的信息，在需要時，將建議計算變壓器的電壓、諧波和熱性能。

3 基礎(chǔ)模型算法

3.1 貝葉斯網(wǎng)絡(luò)建模

貝葉斯網(wǎng)絡(luò)(Bayesian Network)是當(dāng)前最有效的可利用概率表示不同類型數(shù)據(jù)之間關(guān)系并能較明確描述事件發(fā)展趨勢的推理模型[8-10]。利用其這一特征對造成變壓器故障的復(fù)雜原因進(jìn)行分析單元的劃分和因果關(guān)系構(gòu)建，根據(jù)對相互獨立的有限狀態(tài)量進(jìn)行權(quán)重設(shè)置最終獲得變壓器條件故障概率。同時，貝葉斯網(wǎng)絡(luò)可根據(jù)提供狀態(tài)量的數(shù)量豐富程度，提供不同精度的變壓器故障風(fēng)險概率預(yù)測，部分?jǐn)?shù)據(jù)的缺失對網(wǎng)絡(luò)結(jié)構(gòu)和概率的雙向推算的影響較小[11-13]。

定義影響變壓器運行狀態(tài)的狀態(tài)量有限集為U={X1,X2,…,Xn,C}，對限定狀態(tài)量的取值設(shè)為xi，同時由于本系統(tǒng)進(jìn)行了狀態(tài)量單元劃分，增加分類系數(shù)C修正風(fēng)險概率，其取值范圍為{c1,c2,…,cm}，分類系數(shù)C的先驗概率為P(cj)。例如某狀態(tài)量的歷史數(shù)據(jù)為Fi=(x1,x2,…,xn)屬于類別cj的變壓器故障風(fēng)險的貝葉斯概率表示如下：

(1)

貝葉斯網(wǎng)絡(luò)的各節(jié)點確定后，影響因子的劃分總是會出現(xiàn)模棱兩可的情況，而分類過程中的對與錯將決定節(jié)點條件概率的準(zhǔn)確性，為此，系統(tǒng)設(shè)計引入熵的概念,假設(shè)一個給定節(jié)點的信息熵剛好為每個變量找到最好的“分離”數(shù)據(jù)至少兩個集，則該信息熵可看作是最小化的混亂程度。但實際情況往往是一個節(jié)點同時可作為某兩個或兩個以上的診斷單元中的判別節(jié)點，系統(tǒng)利用“交叉熵”來規(guī)定數(shù)據(jù)的流向。

假設(shè){a1,a2,…,an}為屬性X的值且與假設(shè)H1和H2有關(guān)。

在H1條件下，X的概率可表示為

(2)

在H2條件下，X的概率可表示為

(3)

結(jié)合式(1)則有：

(4)

(5)

由式(4)和式(5)，結(jié)合熵的定義，則有：

當(dāng)ak取X時，傾向于H1的信息量為

(6)

傾向于H2的信息量為

(7)

此時，如果存在Xi和Xj兩組隨機(jī)變量，其取值分別為

Xi={xi1,xi2,…,xim}(m=1,2,…,M)

Xj={xj1,xj2,…,xjn}(n=1,2,…,N)

則在假設(shè)H1和H2條件下，Xi聯(lián)合概率分布為p1(Xim,Xjn),Xj聯(lián)合概率分布為p2(Xim,Xjn)，存在Xi和Xj的聯(lián)合鑒別信息：

(8)

在貝葉斯網(wǎng)絡(luò)中任意選取有弧但無序的節(jié)點Xi和Xj，而H1和H2分別對應(yīng)Xi→Xj和Xi←Xj兩種情況，箭頭即數(shù)據(jù)流向，根據(jù)式(8)，可將節(jié)點Xi和Xj的信息量轉(zhuǎn)化為

(9)

(10)

如I(p1,p2,Xi,Xj)>I(p2,p1,Xi,Xj),則信息流向方向為Xi→Xj，否則為Xi←Xj。

3.2 貝葉斯拓?fù)渚W(wǎng)絡(luò)

根據(jù)貝葉斯網(wǎng)絡(luò)的評估思想提出基于貝葉斯網(wǎng)絡(luò)的變壓器健康狀況分析系統(tǒng)的基礎(chǔ)算法設(shè)計思路：以現(xiàn)有可獲取的回傳變壓器信息與試驗數(shù)據(jù)為基礎(chǔ)，結(jié)合設(shè)備的設(shè)計參數(shù)和操作習(xí)慣等外界因素，按照影響的部件或運行模式建立節(jié)點和條件概率拓?fù)浣Y(jié)構(gòu)，分析各因素節(jié)點可能會導(dǎo)致的故障模式，并將故障模式劃分評估單元，形成最終的基于貝葉斯評判規(guī)則的大型評價系統(tǒng)故障樹，由于造成變壓器故障風(fēng)險的因素關(guān)系太過復(fù)雜，本文僅列舉部分節(jié)點和基本事件之間的運算方式，如圖2所示。圖2中每一個參數(shù)都具有自己的子、父級別，并被賦予相應(yīng)的權(quán)重系數(shù)[14]。

圖2 系統(tǒng)部分參數(shù)貝葉斯拓?fù)渚W(wǎng)絡(luò)示例

3.3 缺失數(shù)據(jù)及隨機(jī)誤差處理

為使評估結(jié)果更準(zhǔn)確，模型算法采用了趨勢分析以應(yīng)對數(shù)據(jù)缺失或存在隨機(jī)誤差的情況，算法要求數(shù)據(jù)保證至少95%的置信度，并計算全部數(shù)據(jù)集的平均值。趨勢分析函數(shù)的選型依據(jù)為上述訓(xùn)練樣本生成的變量直方圖和導(dǎo)出的概率密度函數(shù)。所有函數(shù)均以對數(shù)比例尺顯示，便于比較。

選取20個狀態(tài)量共1200個變壓器特征數(shù)據(jù)，利用計算機(jī)數(shù)據(jù)訓(xùn)練方法，將上述特征數(shù)據(jù)隨機(jī)劃分為包含960個訓(xùn)練樣本和240個盲測數(shù)據(jù)的兩個子集進(jìn)行訓(xùn)練。該訓(xùn)練需要用已知的函數(shù)關(guān)系進(jìn)行觸發(fā)，通過訓(xùn)練階段對輸入數(shù)據(jù)和輸出結(jié)果之間的統(tǒng)計映射，定義一個可以代替缺失數(shù)據(jù)的誤差函數(shù)，以便得到最佳精度。訓(xùn)練后，算法將對盲測數(shù)據(jù)集進(jìn)行測試以驗證替代函數(shù)是否合理。訓(xùn)練過程是基于10倍交叉驗證過程的監(jiān)督學(xué)習(xí)。把用于訓(xùn)練和測試的主要變量按照影響數(shù)據(jù)分布特征(集中趨勢、離散程度和分布形狀)進(jìn)行描述性統(tǒng)計，以期獲得完整的趨勢分析模型。如表1所示。

表1 主要變量特征描述性統(tǒng)計

最終獲得的趨勢分析函數(shù)分布模型[15-16]主要包含正態(tài)分布、威布爾分布、指數(shù)分布、對數(shù)分布、伽馬分布等。為使數(shù)據(jù)分布的細(xì)微變化更加明顯，采用對數(shù)比例尺對分布模型進(jìn)行優(yōu)化，縱坐標(biāo)為概率密度(如圖3所示)。

圖3 趨勢分析模型

3.4 聚合器

通過聚合器，收集每個非聚合器算法的標(biāo)志性信息，以指示它們檢測到的問題，執(zhí)行對整個問題范圍的分析，包括低層次算法之間的可能相關(guān)性，以確定需要由管理者處理的高層次問題。它發(fā)出包含問題診斷的消息三元組，通常包括：可能的原因、關(guān)于如何處理診斷的一個或多個建議和執(zhí)行建議的緊迫性指示。輸入數(shù)據(jù)的完整性決定聚合器的最后診斷結(jié)果的準(zhǔn)確度。結(jié)合貝葉斯網(wǎng)絡(luò)，聚合器的工作路徑如圖4所示。聚合器將根據(jù)貝葉斯網(wǎng)絡(luò)的概率計算結(jié)果給出不同層級的節(jié)點(影響因素和風(fēng)險)的分值，最終匯總得到設(shè)備整體的故障風(fēng)險概率。

圖4 基于貝葉斯網(wǎng)絡(luò)的聚合器工作路徑

4 分析流程

基于貝葉斯網(wǎng)絡(luò)的變壓器健康狀況分析系統(tǒng)對變壓器故障的分析流程如下。

① 收集變壓器故障實例并歸類，形成故障樹。

② 對故障樹分支的故障單元建立適合的分析模型，并確定模型的結(jié)構(gòu)參數(shù)和概率參數(shù)，模型內(nèi)使用的參數(shù)和依據(jù)可根據(jù)現(xiàn)有國內(nèi)外規(guī)程確定，或者參考產(chǎn)品出廠規(guī)定或?qū)＜医?jīng)驗，也可通過樣本集訓(xùn)練。

③ 以傳感器或離線試驗獲得的數(shù)據(jù)為基礎(chǔ)，通過貝葉斯網(wǎng)絡(luò)分類器進(jìn)行故障診斷分析，得到變壓器評估單元或設(shè)備整體的故障風(fēng)險的分值，根據(jù)分值對設(shè)備狀態(tài)進(jìn)行等級劃分，并輸出相應(yīng)的告警信息。

4.1 故障類型判別

由于變壓器結(jié)構(gòu)復(fù)雜，故障類型較多，故障診斷方法多種多樣。本文以油色譜為觸發(fā)信息，給出一個變壓器評估的簡化流程示例，如圖5所示。圖5中LTC為有載分接開關(guān)(Load Tap Changer)。

圖5 油色譜信息觸發(fā)的某變壓器評估簡化流程

流程中，以變壓器油色譜數(shù)據(jù)作為觸發(fā)信息，變壓器役齡作為篩選的條件，初步診斷僅需要CO和CO2的氣體含量和增長趨勢。如出現(xiàn)異常則進(jìn)入大衛(wèi)三角形電氣故障與熱故障分析模型，該模型利用H2，CH4，C2H2，C2H4，C2H6五種特征氣體的比值實現(xiàn)故障可視化判斷。大衛(wèi)三角形內(nèi)按故障類型劃分區(qū)域，比值點落在的區(qū)域即為所對應(yīng)的故障類型，本系統(tǒng)的大衛(wèi)三角形有3個類型，如圖6所示。首先應(yīng)排除有載分接開關(guān)內(nèi)油的影響，如確定為變壓器本體油色譜數(shù)據(jù)異常，則先分析是否存在過熱故障，并檢查過熱是否與負(fù)載有關(guān)，或進(jìn)一步確認(rèn)是否由于其他附件或外部因素導(dǎo)致發(fā)生過熱告警。如未發(fā)生過熱故障則通過考慮是否存在局部放電故障，并通過氣體含量比值獲得故障溫度的預(yù)測值，進(jìn)一步確定故障類型。油色譜中氣體的等級劃分參考IEEE C57.104.2008[17]，如表2所示。添加特殊氣體判別規(guī)則，例如：CO2與CO之比應(yīng)在3～10之間；密封裝置中O2與N2之比應(yīng)小于0.3，自由呼吸裝置中O2與N2之比應(yīng)小于0.3等。

圖6 大衛(wèi)三角形不同特征氣體對應(yīng)的不同故障類型

表2 關(guān)鍵氣體油色譜限制(IEEE C57.104.2008) 單位：μL/L

4.2 告警信息等級劃分

系統(tǒng)將告警信息等級分為4級，為提高信息準(zhǔn)確度，引入趨勢精度，制定趨勢區(qū)間，滿足等級4，3或2時有告警消息輸出，以油色譜氣體分析為例，其分級流程如圖7所示。并利用不同時間段的斜率，對選定氣體發(fā)展趨勢做出預(yù)測，系統(tǒng)設(shè)置的告警消息輸出趨勢預(yù)測時間段分別為1個月、1個季度和半年。

圖7 告警等級劃分流程示例

4.3 群組變壓器分級管理

為使系統(tǒng)對設(shè)備管理更具有指導(dǎo)意義，引入變壓器的設(shè)備重要度變量，并結(jié)合聚合器計算得到的故障風(fēng)險概率(%/年)分值繪制群組變壓器系統(tǒng)失效風(fēng)險圖，如圖8所示。圖8中黑點表示參評單臺變壓器，黑點位于不同區(qū)域代表參評變壓器的不同風(fēng)險等級(灰色：正常狀態(tài)，白色：注意狀態(tài)，深灰：嚴(yán)重狀態(tài))。系統(tǒng)可將管轄范圍內(nèi)的所有變壓器進(jìn)行可視化分級，優(yōu)先開展高風(fēng)險變壓器的檢修和評價工作。

5 案例說明

選取一臺變壓器進(jìn)行設(shè)備狀態(tài)評級，獲取的相關(guān)信息如表3第1列所示，根據(jù)聚合器的評分規(guī)則計算每個有效評分因素，可得到相應(yīng)故障單元風(fēng)險分值。其中油保護(hù)方式交叉為短路故障風(fēng)險和過熱故障風(fēng)險提供了影響因素分值貢獻(xiàn)，該變壓器的故障單元風(fēng)險僅涉及求和運算。將求和得到的設(shè)備故障風(fēng)險分值與該變壓器的設(shè)備重要度在圖8中繪制交點，交點落入黃色區(qū)域，則該變壓器的狀態(tài)評級為注意狀態(tài)。

表3 變壓器設(shè)備狀態(tài)評級打分表

圖8 群組變壓器分級管理

6 結(jié)束語

基于貝葉斯網(wǎng)絡(luò)的群組變壓器健康狀況分析系統(tǒng)可改變長久以來設(shè)備狀態(tài)評估僅局限于規(guī)程規(guī)定的設(shè)備狀態(tài)量限值的局面，達(dá)到了提前發(fā)現(xiàn)設(shè)備潛伏性、苗頭性缺陷征兆的效果，為及時檢修爭取寶貴時間，深化當(dāng)前輸變電設(shè)備狀態(tài)檢修工作，從而實現(xiàn)電網(wǎng)安全生產(chǎn)從事后處理到事前防范的重大轉(zhuǎn)變。