基于多維度數據融合與分析的變壓器移動監測評估模型設計

鄭大鵬，關威，李崇宇，劉文杰，張桐瑜

（內蒙古電力（集團）有限責任公司鄂爾多斯供電分公司，內蒙古鄂爾多斯 017100）

作為電力系統中的關鍵設備，變壓器的安全、穩 定運行日益受到各界關注。其一旦出現緊急故障，會影響電網的安全生產與人民生活，嚴重時甚至會造成大范圍停電，從而帶來不可估量的經濟損失[1]。所以對變壓器進行全方位診斷，并實現檢測其局部放電信號，進而提前發現變壓器故障且及時采取措施，對電網的穩定運行極為重要。

由于變壓器運行環境復雜，現有監測裝置通常是專項監測，僅能對變壓器油中氣體、局部放電與振動等進行單項監測[2]。此外，傳統在線監測裝置資金投入量大、成本較高。根據廠家產品特性，其種類較多且每套設備需獨立安裝，故難以實現大規模推廣。

隨著變壓器的復雜性不斷提高，若僅依靠直接觀測及單一狀態量分析來對變壓器運行狀態進行估計與故障診斷是不夠充分的，且無法實現智能狀態研判[3-4]。例如，基于蟻群算法（Ant Colony Optimization，ACO）[5-7]的變壓器故障診斷方法存在搜索時間長、易陷入局部最優、收斂速度較慢等問題。而專家系統評價的方法，則難以進行客觀評價[8-9]。與此同時，人工神經網絡（Artificial Neural Networks，ANNs）[10-14]依賴于大量的樣本數據，隱式的評價模型也較難剖析因果關系。因此，為了準確地診斷變壓器的運行狀態，需要海量信息源進行融合及支持診斷。故該文首先選擇合適的變壓器監測狀態量，并確定數據融合方法；再利用模糊匹配關聯規則的統計方法獲取相應監測狀態的權重系數；然后采用變壓器健康指數法計算各變壓器的健康值，以此建立更全面的變壓器運行參數評價體系；最終通過實例驗證了該文設計模型的準確性。

1 變壓器多維度移動監測平臺

在傳統單一方式的變壓器在線監測設備基礎上，結合多種狀態量的分析，建立了基于六維度聯合分析法的變壓器移動式健康評估監測平臺。

1.1 監測狀態量

1）局部放電超聲信號。超聲傳感器采用高靈敏度差分振子，自感應無線同步，實時鎖定放電相位。超聲傳感器呈矩陣式分布，采用脈沖包絡時延技術確定缺陷點位置；

2）局部放電高頻信號。采用反饋式主動降噪高頻局放干擾信號過濾技術，從源端排除了高頻局放現場電磁干擾的問題，有效避免了干擾信號對高頻局放檢測所帶來的影響，從而提升了監測的準確度。高頻監測模塊采用百兆高速信號處理技術及局放脈沖緩存技術，真實呈現了局放脈沖；

3）局放特高頻信號。變壓器絕緣材料的絕緣強度與擊穿場強較高，小范圍發生局放時會激發GHz級別的電磁波。局放特高頻檢測（UHF）通過特高頻傳感器感知局放發生時的特高頻電磁波信號，且根據現場情況，可采用內置式或外置式傳感器來實現局放的帶電檢測及故障類型的定位與識別；

4）油中氣體含量。油色譜和微水監測單元的數據，可通過不同的分析方法來進行處理。大衛三角形通過對甲烷、乙烯、乙炔3 種氣體分析進行故障類型判斷；改良三比值法在5 種特征氣體中選取兩種溶解度與擴散系數相近的氣體組成3 對比值，并以不同的編碼區分各種故障類型?；诜欠稚⑿约t外線技術（Non-Dispersive Infra-Red，NDIR）的油氣監測設備能夠實現對9 種氣體及微水快速、準確的檢測，其可靠性高、免維護、無載氣且無標氣；

5）振動狀態量。變壓器繞組壓緊力變化，繞組變形或內緊固件松動情況可由振動測量信號反映。利用小波變換對振動信號進行多分辨率分析，并依據各頻段的能量分布繪出圖形，以獲得不同頻段的能量百分比作為數據特征，進而診斷變壓器部件松動缺陷；

6）鐵心接地電流。鐵心電流監測模塊具有趨勢分析、頻譜分析及波形分析的功能。趨勢分析能夠通過鐵心電流監測值的增量判斷變壓器故障，波形與頻譜分析則能獲得電流信號的波形及頻域特征，利用此類分析方法可有效判斷變壓器鐵心多點接地故障。此外，傳感器采用三重屏蔽處理技術，故具有極強的抗干擾能力。

1.2 監測設備參數

監測設備應具備自動、連續或周期性采集設備油中溶解氣體、鐵心和夾件接地電流、超聲波局放、高頻局放、振動等狀態監測信息的功能。此外，設備應能夠識別高頻、特高頻、超聲局部放電相位分布圖譜（Phase Resolved Partial Discharge，PRPD）、脈沖序列相位分布圖譜（Phase Resolved Pluse Sequence，PRPS）和局部放電類型，并可判斷變壓器中的典型局部放電類型，還能監測油中溶解氣體乙炔、氫氣、總烴監測量的幅值、絕對增量及相對增長速率等。表1 所示為變壓器移動監測平臺設備參數。對于鐵芯夾件接地電流監測傳感器與油色譜監測單元，市面上有眾多采集設備，故采用主流監測裝置即可。

表1 變壓器移動監測平臺設備參數

2 多維度數據融合與分析算法

變壓器本體和套管的健康變化情況，可用短路電流、漏油、末屏及介損等狀態量評估。鑒于表征形式，提煉出高頻局放、超聲波局放、特高頻局放、油氣、鐵心接地電流及振動6 個維度的數據，并融合六維度數據聯合分析變壓器的健康狀態。在變壓器運行狀態的模糊診斷模型中，多個單一的故障診斷結果能夠產生相互關聯、綜合的運行狀態結論[15-19]。

通常，變壓器運行狀態的診斷與估計基于一系列嚴格而明確的運行標準。一旦該標準中所要求的任一條件無法滿足，就會出現故障警告。然而，由于故障現象與故障機理間具有不確定性，故二者之間存在模糊關系，即在未知故障期間，較難甚至無法將故障現象映射到特定的已知類型。所以僅通過操縱一個診斷閾值或標準，幾乎不可能診斷出未知的故障并估計出其相應的狀態，因為某一故障可能導致不同的現象發生，反之亦然。因此，通過引入一種稱為故障關系矩陣的特殊矩陣，能夠更好地描述故障現象與類型之間的關系，其是一個由0 及1 組成的簡單關系矩陣。

從邏輯上講，一個數學命題完全可以用真或假來判斷，通?！?”表示真，“0”表示假。在實踐中，如變壓器過熱或輸電線路過壓，“過熱”與“過電壓”的命名均是模糊的，不能用數學來定義。因此，需要使用一個索引來顯示二者的相關性。該模型能夠通過xij遍歷開區間(0,1)來改進，以更準確地表示現象及故障間的可能性。故在模糊模型中，采用更準確的單個元素版本：

其中，xij值可以清楚地反映相關性的程度。

首先，用“現象矩陣”作為未知故障過程中所有可能現象的泛集。假設有多種不同現象，則該矩陣可表示為：

其中，

其次，將“故障矩陣”作為各種故障的通用集合。假設存在全部不同類型的故障，則該矩陣可表示為：

最終，若獲得的故障類型指標數為j，則通過式（5）計算，即由該模糊綜合評價模型確定故障數量。

顯然通過模糊綜合評價模型，能夠量化故障現象與故障類型間的相關性。且并未使用二進制值，而是使用從0 到1 的變量模糊來表示此種相關性。這樣由一個全面關系矩陣及多個指標呈現出故障的特征全貌，有利于變壓器的故障診斷及狀態評估。

3 變壓器移動監測評估模型

3.1 健康指數評估模型

通過上述多種數據監測傳感器信息感知與融合后，能夠得到不同傳感器的信息特征，此類信息從不同角度反映出了變壓器的運行狀態。通過模糊融合聚類將該類指標信息按變壓器健康狀態進行定量評估，確定主觀權重與客觀權重兼顧的組合權重，便可建立起基于多維度數據融合與分析的變壓器移動監測健康狀態評估模型。

變壓器狀態評價結果，可根據健康指數劃分為正常、注意、異常與嚴重4 種類型。根據省公司變電設備評價體系要求，嚴重和異常狀態分別由省公司及地市公司評價，而正常與注意狀態則由車間班組來進行評價。通過分析量變的積累效應，可實現變壓器注意狀態前的超前預警及異常狀態出現后的全過程監控。

健康指數通過高頻局放、超聲波局放、特高頻局放、油氣、鐵心接地電流與振動6 個方面的指標進行融合分析，且各指標的權重系數由經驗研究得出。該文的權重系數根據專家經驗及內蒙古地區變電站的運行數據得出，如表2 所示。

表2 變壓器各監測量權重系數

3.2 評估流程

根據采集的數據，將關聯規則與變權系數相結合，建立相應的變壓器狀態評價系統，主要步驟如圖1 所示。

圖1 電力變壓器狀態評估流程

評估流程如下：1）變壓器測試數據采集的目的是獲取與變壓器運行狀態相關的個體狀態信息；2）根據相關分析理論與變壓器故障運行的實際情況，建立電力變壓器的綜合狀態；3）收集足夠數量樣本的歷史測試數據；4）根據歷史數據信息的計算方法及關聯規則，確定每個綜合狀態量中每個個體狀態量的常權系數；5）根據程序由式（5）在綜合狀態下，計算分數中故障狀態的數量；6）根據規則計算出故障在綜合狀態下的得分；7）綜合狀態量的權重系數與監測得分，計算總體帶權重的變壓器狀態量分數值，公式如下：

式中，xi代表第i個綜合狀態的得分，其是綜合狀態量中包含的單個狀態數量；wij是xij的權重，rk是第i個狀態量對應于第j個結論狀態的比率；8）根據各綜合狀態量的得分，計算電力變壓器的最終得分v。并依據最終得分，確定電力變壓器的運行狀態并制定相應的維護策略。

4 案例分析

為了驗證該方法的有效性，以某220 kV 變電站主變為例進行了驗證。針對監控的六維變壓器狀態量，在732 組變壓器數據中采用數據融合的方法來計算變壓器綜合狀態量得分，并進一步算出變壓器的最終得分。根據實際變壓器的運維情況，得出變壓器狀態與該文方法評估得分的匹配關系如表3 所示。

表3 變壓器狀態與最終得分的關系

由此可對變壓器的狀態進行評定分類，且根據狀態評估模型，將100 組不同變壓器的試驗數據代入狀態評價系統。其中，40 組取自故障變壓器，60組取自正常變壓器，最終計算得分匯總如表4 所示。

表4 不同變壓器狀態得分

由表4 可以看出，40 份故障數據中有15 份被認為處于嚴重狀態，23 份為異常狀態，2 份為注意狀態，得分已接近60。60 份正常數據中的55 份被評估為正常狀態，其余5 份為注意狀態，得分接近80 分。評價結果與實際情況較為吻合，說明所述方法能準確地反映變壓器的運行狀態。

此外，對于運行狀態為異常的變壓器數據，選擇其中7 份不同故障類型的數據對其得分進行展示，具體如表5 所示。可以看出，不同嚴重程度的故障最終評分結果差異較大。而對于簡單漏油故障的變壓器，其狀態評估結果得分為78.76 的注意狀態。對于某臺發生鐵心故障變壓器數據，評估得分僅為6.32 分，屬于嚴重故障類型。這與實際的運維經驗相符合，再次驗證了該評估模型實際作用的有效性。

表5 各類變壓器綜合狀態評估得分

5 結束語

結合多種狀態量的分析，突破傳統變壓器在線監測的單一方式，并采用模糊綜合評價模型的油浸變壓器運行狀態評估算法，簡化了大量基于相關運行標準的繁瑣診斷工作。基于六維度聯合分析法的變壓器移動式健康評估裝置的應用，實現了變壓器健康狀態監測從分立式傳感器監測到集成式傳感器監測的轉變。此外，通過變壓器狀態的量化標識，實現了其健康情況超前預警及異常監護的全過程監測。同時，該模型快速響應的能力也是對其優點的補充。