變壓器關鍵參量融合的組合診斷方法研究

張少鋒，馬德英，吳西博，王 棟，劉 陽

(國網河南省電力公司 電力科學研究院， 鄭州 450052)

狀態評價是當代電力系統能量管理系統的重要組成部分，尤其在電力市場環境中發揮重要作用。提高狀態評價的準確性可以有效地改善狀態維修策略制定的質量，同時能更加及時地發現設備運行時所存在的問題，提高設備運行可靠性[1]。

傳統的評價方法多根據《Q/GDW169-2008油浸式變壓器(電抗器)狀態評價導則》(下文簡稱《狀態評價導則》)[2]進行閾值評價。然而該方法過分依賴巡檢人員的主觀判斷，降低了評價結果的客觀性和準確性。針對該問題，大量學者對狀態評價提出了多種可行的方法，如模糊數學理論[3-4]、神經網絡[5-6]、可拓分析法[7]、模糊隸屬函數法[8]、專家系統評價法[9-10]、支持向量機[11-12]、信息融合[13]等。然而，這些評價方法大多僅針對某些參量進行計算，未對變壓器狀態建立綜合評價體系，且缺少能夠反映當地實際運行所存缺陷的特征參量。因此，亟待提出一種完整、準確的綜合評價體系。

本文中基于多參量、多方法建立了一種完整的、具有現實意義的變壓器狀態評價體系。首先，根據例行實驗、在線監測等數據參量確定設備狀態分值；其次，基于家族缺陷、滲漏油等巡檢特征參量對設備狀態再次打分；最后，通過對兩次分值進行融合得到設備最終分值及設備狀態。所得出的狀態評價結果更加精細化，并且由于加入了基于實地設備情況的特征參量，有效解決了傳統的《狀態評價導則》閾值評價方法存在的巡檢人員主觀判斷和測量儀器誤差影響，狀態評價結果顆粒度粗糙，現行評價體系特征參量不全面等問題，對變壓器檢修策略的制定具有參考意義。

1 綜合評價體系

首先，對變壓器進行特征參量的選取并將其分為檢測試驗類特征參量(基于例行試驗數據發現異常的參量)和巡檢概況類特征參量(基于巡檢發現異常的參量)兩類。一類為通過對變壓器進行失效模式與效應分析(failure mode and effect analysis，FMEA)選取基于例行試驗數據進行判斷的特征參量，并將特征參量按照故障模式進行分類；另一類為傳統狀態評價導則中已有的基于巡檢概況進行判斷的特征參量和近幾年當地運行經驗，以及各運維單位反饋的傳統狀態評價導則中未考慮的特征參量，如設備的運行年限，疑似家族性缺陷，制造廠家，部件型號等。其次，需確定設備基于檢測試驗類特征參量評價的狀態分值。通過統計近幾年故障設備案例庫中的故障原因分析，采用關聯規則挖掘各故障模式對設備的影響程度，進而得出故障模式權重；根據所需檢測試驗類特征參量數據，收集變壓器全量歷史數據，采用熵權法對不同故障模式中的特征參量進行權重計算。然后，通過構造狀態隸屬函數計算各特征參量的異常狀態隸屬度，將最高的特征參量隸屬度作為對應故障模式的異常狀態隸屬度。最后，對所有故障模式隸屬度進行加權求和得到設備的異常狀態隸屬度，即可確定基于檢測試驗類特征參量評價的設備狀態分值。

上述設備狀態的評價結果主要以歷次試驗測試數據作為依據，對設備的試驗、監測參量值進行狀態判斷，狀態評價結果并不能完全反映設備運行狀態。因此，對設備基于巡檢概況類特征參量評價的狀態分值進行計算。通過統計近幾年故障案例中的故障原因，采用灰色關聯分析法對巡檢概況類特征參量的權重進行計算，即可確定設備基于巡檢概況類特征參量評價的狀態分值。

最后，對檢測試驗類特征參量和巡檢概況類特征參量進行影響程度比較，得出兩類特征參量的權重，將兩次狀態分值進行加權平均即可得出設備當前所處的實際狀態分值。進行狀態評價時，本文的評價分值采用滿分制，具體標準及運維措施如表1所示。

表1 變壓器狀態及運維措施

具體流程如圖1所示。

圖1 綜合評價流程框圖

2 關鍵參量選取

通過《狀態評價導則》及FMEA分析進行檢測試驗類特征參量的選取[14-15]，故障模式對應的特征參量選取結果如表2所示。

表2 變壓器故障模式及對應檢測試驗類特征參量

通過《狀態評價導則》和FMEA分析，并結合近幾年當地運行經驗，各運維單位反饋的可能造成運行風險的因素，進行特征參量的選取，結果如表3所示。

表3 變壓器巡檢概況類特征參量

3 基于檢測試驗類特征參量評價

3.1 故障模式權重計算

關聯規則是尋找同一個事件中出現的不同項之間的相關性。通過關聯規則即可確定各故障模式與故障程度之間的關系，再與故障程度權重系數結合即可確定故障模式對整個變壓器的影響程度。

根據實際運行經驗，并結合變壓器典型故障案例，將故障的嚴重程度劃分為4大類故障性質[16]，見表4。

表4 變壓器故障程度及權重系數

根據支持度的定義，在變壓器故障程度與故障模式的關聯性分析中：

1) 事務數據庫記為D；

2) 項集Ai, j={第i個故障模式中的第j個故障程度}；

3) 項集Bi={第i個故障模式發生}。

可以得到Ai, j→Bi的支持度為：

Sup(Ai, j→Bi)=P(Ai, j∪Bi)=

(1)

某綜合特征參量關聯規則Ai, j→Bi的置信度為：

(2)

根據實際運行經驗，結合變壓器典型故障類型，劃分出10大類故障模式：絕緣受潮、鐵芯故障、電流回路過熱、繞組故障、局部放電、油流放電、電弧放電、絕緣老化、絕緣油劣化、懸浮放電。

根據式(2)分別計算與各個故障程度的置信度，再對同一故障模式中的各故障程度的置信度進行比較，根據置信度的大小來確定故障程度在該故障模式中的權重。權重計算式為：

(3)

式中：ωi, j為第i個故障模式中的第j個故障程度的權重；Ci, j為第i個故障模式中的第j個故障程度的置信度；n為第i個故障模式中包含的故障程度量個數。

根據故障程度在該故障模式中的權重及其權重系數進行加權平均，如式(4)所示，可計算故障模式對整個變壓器的影響程度。

(4)

式中：ωi為第i個故障模式的權重；W為故障程度的權重系數。

3.2 特征參量權重計算

熵權法是根據特征參量信息熵大小來確定客觀權重。若某參量的信息熵越小，表明其變異程度越大，在狀態評價中所能起到的作用也越大，應賦予較多的權重[17-19]。

假設給定m個特征參量在線監測數據分別為X1，X2，…，Xm。其中每種參量Xi={x1，x2，…，xn}有n個量測值。對各指標數據進行標準化后的值為Y1，Y2，…，Ym，計算方法為：

(5)

(6)

式中，第j個特征參量的重要性熵值ej如式(7)所示。

(7)

第j個特征參量的信息效用程度dj=1-e(dj)。信息效用值越大，表明指標越重要，對評價的重要性就越大。第j個特征參量的權重如式(8)所示。

(8)

3.3 特征參量狀態計算

隸屬函數是在模糊集合中使用的函數，可描述元素對一個模糊集合的隸屬關系，采用[0，1]范圍的數值來表示元素隸屬于模糊集合的真實程度。通過隸屬函數可對狀態量的異常程度進行定量描述[20]。

對各故障特征參量的特點進行分析，可將其分為兩大類：正劣化的特征參量和負劣化的特征參量。根據這兩類特征參量的特點，文獻[1]通過對常見的隸屬函數進行比較分析，構造了2種隸屬函數。

1) 正劣化的特征參量隸屬函數，表示特征參量檢測值x越大時，發生故障的傾向性就越大。因此，構造式(9)所示的隸屬函數，如圖2所示。

(9)

圖2 隸屬函數μa(x)曲線

計算檢測值x的隸屬度μa(x)作為該特征參量所對應故障模式的發生概率p。

2) 負劣化的特征參量隸屬函數，表示特征參量檢測值x越小時，發生故障的傾向性就越大，情形和式(9)正好相反。因此，構造式(10)所示的隸屬函數。由式(10)可知此函數是周期函數，為使函數值有意義，規定當變量x>2b時，μ(x)=0，如圖3所示。

(10)

圖3 隸屬函數μb(x)曲線

通過上述2種隸屬函數和特征參量數據即可計算特征參量的狀態隸屬度。隸屬度越趨近于1，說明該參量的劣化程度越嚴重。

3.4 設備狀態分值計算

計算各特征參量所屬狀態的隸屬度，對各故障模式中的所有特征參量隸屬度進行加權比較。取加權后隸屬度最大的特征參量隸屬度作為該故障模式的隸屬度值。

對故障模式隸屬度進行加權求和即可得出當前變壓器的狀態隸屬度。隸屬度可反映變壓器當前狀態評價扣分值和基于檢測試驗類特征參量的變壓器狀態評價分值，其狀態分值計算式為：

T1=100(1-μ)

(11)

式中，μ為設備狀態隸屬度。

4 基于巡檢概況類特征參量評價

4.1 特征參量權重計算

灰色關聯分析法是表征2個參量之間變化曲線幾何形狀一致性大小的方法。若趨勢越具有一致性，兩者關聯程度越高，關聯度越大[21-22]。

該方法通常用來分析特征參量對于結果的影響程度，因此適用于評價各特征參量對變壓器設備狀態的影響程度，可以較好地計算各參量的權重。

設參考數列為Y=Y(k)k=1，2，…，n；比較數列為Xi=Xi(k)k=1，2，…，n，i=1，…，m。由于各因素數據的量綱可能不同，因此在進行灰色關聯法分析時，需要對數據進行量綱歸一化處理：

(12)

比較數列與參考數列在各點的關聯系數：

(13)

式中：ρ∈(0，∞)，稱為分辨系數。ρ越大，分辨力越小；ρ越小，分辨力越大。通常取ρ=0.5。

對各點的關聯系數求取均值，即為關聯程度值，其計算式為：

(14)

因此，統計各年份變壓器總的故障量及各特征參量的故障量，可通過灰色關聯分析法確定特征參量的權重。

4.2 設備狀態分值計算

巡檢概況類特征參量異于檢測試驗類特征參量，該類特征參量僅通過是非制判斷即可，其隸屬函數值僅取0和1兩個隸屬度。因此，當特征參量異常時，其狀態分值計算式為：

(15)

式中，ωi為部位中各參量權重。

5 實例分析

5.1 特征參量權重計算

對某省近幾年故障變壓器的故障原因進行統計分析，整理出243條故障模式案例信息。采用關聯規則法，根據式(1)～(4)計算各故障模式的權重，計算結果如表5所示。

表5 故障模式權重計算結果

收集某省電網公司例行試驗的全量歷史數據，采用熵權法計算檢測試驗類特征參量權重，計算結果如表6所示。

表6 檢測試驗類特征參量權重計算結果

續表(表6)

收集該電網公司近幾年的變電站變壓器故障設備的統計數據，采用灰色關聯分析法對數據統計的巡檢概況類特征參量進行關聯度的計算，關聯曲線如圖4所示。部分巡檢概況類特征參量與變壓器故障量關聯關系如圖5所示。

圖4 故障關聯曲線

圖5 巡檢概況類特征參量與故障量關聯度的關系直方圖

在采用灰色關聯分析法計算特征參量與故障設備關聯度的基礎上，加入故障嚴重程度系數及符合狀態量的主次程度系數；對部分巡檢概況類特征參量進行權重計算，加強計算特征參量對變壓器影響程度的準確性，其權重計算結果如表7所示。

表7 巡檢概況類特征參量權重計算結果

5.2 變壓器狀態評價實例

以某500 kV變電站2018年投入運行的某主變壓器為例，運行中試驗記錄：H2為55.9 μL/L，CH4為2.326 μL/L，C2H6為0.704 μL/L，C2H4為0.512 μL/L，C2H2為μL/L，CO為95.46 μL/L，CO2為498.436 μL/L，總烴為3.578 μL/L，絕緣電阻吸收比為1.35，絕緣電阻極化指數為1.53，繞組絕緣介損為0.213%，絕緣油含氣量為3.5%，絕緣油含水量為5.8 mg/L，油擊穿電壓為57.9 kV，絕緣油體積電阻率為3.65×1012，絕緣油介損為0.3%，鐵芯接地電流為28.1 mA，鐵心絕緣電阻為5 860 MΩ，繞組直流電阻為0.81%。

通過傳統的導則評價方法進行評價，發現該變壓器油中含氣量超過了閾值。按照《狀態評價導則》對應扣分標準，該指標應扣8分。根據導則規定，當單項指標小于12分時，變壓器仍為正常狀態。因此，采用傳統的狀態評價導則進行評價時，該變壓器運行狀態為正常。但油中含氣量已超標且該變壓器投運年限不足5年，對于該變壓器應引起注意。傳統狀態評價方法的狀態顆粒度較粗，不能較好地反映變壓器具體運行狀態及狀態變化的可能性。

針對上述傳統導則評價方法存在的問題，根據近幾年運行經驗及各運維單位的反饋，加入導則中未反映但可能造成運行風險的特征參量，并將評價狀態進行顆粒度細化，使其能夠通過評價分值直觀地判斷狀態變化的可能性。

本文方法的具體評價過程：分別計算各故障模式特征參量的故障隸屬度，經過加權比較后可得故障模式隸屬度，如表8所示。

表8 故障模式隸屬度

將所有故障模式隸屬度進行加權求和，可得該變壓器的隸屬度為0.215 7。因此基于檢測試驗類特征參量打分時，變壓器評分為78.43。

由該變壓器的巡檢情況及基礎信息可知，變壓器運行年限為5年內，應對該變壓器扣16分。因此基于巡檢概況類特征參量打分時，該變壓器評分為84。

最后，對2次打分進行融合得到該變壓器的狀態評價分值，結果如表9所示。

表9 變壓器評價結果

由評價結果可知，變壓器整體屬于正常狀態。但部分參量超過了閾值，且運行年限為5年內，分值雖在正常范圍，但與注意狀態相差甚少，應引起注意。所提出評價體系比傳統評價方法或單一采用某類參量進行評價的方法更加準確。

6 結論

1) 通過加權的方法將評價方法進行顆粒度細化，提高評價的準確性；

2) 采用隸屬函數解決邊界模糊性問題；基于FMEA對單一特征參量進行綜合分類，通過綜合參量即故障模式對整個設備進行評價；

3) 根據近幾年運行經驗及各運維單位的反饋，加入了導則中未反映但可能造成運行風險的特征參量，對設備進行再次調檔，提高了評價的準確性與實際性；

4) 采用關聯規則、熵權法、灰色關聯分析法等由數據驅動的權重計算方法，提高評價的合理性與客觀性。

在所提出的變壓器狀態精細化評價方法中，建立了一種完整的綜合評價體系，有效解決了傳統評價方法存在的邊界模糊性等問題，提高了評價的準確性，對變壓器主要缺陷故障模式的確定及檢修策略的制定具有參考意義。