基于DGA技术的变压器故障智能诊断系统研究

电力变压器是电力系统中最重要的电气设备之一，也是导致电力系统事故最多的电气设备之一，其运行状态直接影响系统的安全性水平。及早发现变压器的潜伏性故障，保证变压器的安全运行，从而提高供电的可靠性，是电力部门关注的一个重要问题。因此，研究变压器故障诊断技术，提高变压器的运行维护水平，具有重要的现实意义。 变压器油中溶解气体分析(DGA)是变压器内部故障诊断的重要手段，它为间接了解变压器内部的一般隐患提供了重要依据。实践证明变压器油中溶解气体分析技术对发现变压器内部的潜伏性故障及其发展趋势非常有效。因此，无论在国内还是在国际，DGA技术都被列为电力设备预防性试验的重要位置。 变压器故障是变压器本身及其应用环境综合作用和长期积累的结果，因而变压器故障的征兆多种多样，故障征兆与故障机理间的联系也错综复杂，这就给建立通用的变压器故障诊断方法造成了很大的困难。变压器的故障诊断就是根据变压器故障的征兆，确定故障的性质或部位。由于变压器故障的复杂性，其诊断过程不可能只采用单一方法，而要采用多种方法。因此，必须从各种学科中广泛探求有利于故障诊断的原理、方法和手段，这就使得故障诊断技术呈现多学科交叉这一特点。 随着计算机技术和人工智能理论的快速发展，专家系统、人工神经网络等智能技术为知识工程师诊断故障开辟了新的途径。专家系统是实现人工智能的主要形式，是人工智能应用研究最活跃和最广泛的应用领域之一。鉴于变压器故障诊断的专业性、经验性和复杂性，采用专家系统诊断方法具有独特的优势。因此，本文以油中溶解气体组分含量为特征量，运用各种人工智能技术，开展变压器绝缘故障诊断系统的研究。论文主要包括四方面的内容： 首先，进行变压器故障性质初步判断的研究。为了使DGA技术在变压器的故障诊断上发挥出更大的作用，提高IEC三比值法的准确度，将可视化技术和模糊诊断技术相结合，建立了基于IEC三比值的变压器绝缘故障可视化模糊诊断系统。①通过引进可视化技术，建立了基于数据库的变压器三维／二维可视化故障诊断模型。根据变压器DGA试验数据，系统可以直接显示出变压器当前运行状态在故障空间中的位置，并显示出变压器的故障类型，大大降低了传统检测方法所需要的计算负 载。②通过引进模糊诊断技术，将IEC三比值法进行模糊化处理，能够更准确地描 绘充油变压器DGA试验数据的编码特征。③采用集成的方法将可视化技术和模糊 诊断技术相结合，有效地减少了采用单一变压器故障诊断方法进行诊断时所带来的 不可避免的诊断出错或诊断结果不全面等误判问题。在一定程度上，增加了诊断的 准确性。 接着，进行变压器故障性质确定的研究。包括基于神经网络的变压器潜伏性故 障的诊断方法研究和基于线性分类器的变压器潜伏性故障的诊断方法研究两方面。 (1)根据充油变压器故障诊断的特点，分析几种常用的故障诊断标准和方法， 研究适合于变压器潜伏性故障诊断的神经网络模型。以DGA试验数据为特征参数， 借助于BP算法，建立了以SKG法和FGR法为依据的三层BP网络充油变压器的潜 伏性故障诊断方法。①所运用的诊断标准或方法不同，神经网络收敛速度的快慢也 不同。以SKG法和FGR法为依据的神经网络模型，不仅收敛速度快，而且总体误 差也较小。②BP网络对DGA特征参数不仅具有一定的自组织、自学习能力，而且 还具有很好的模式识别能力。所考虑的诊断标准不同，神经网络诊断电力变压器故 障的效率也不相同，其值在88.3%一96.7%范围内。以SKG法和FGR法为依据的神 经网络模型对未知数据的识别率最高，可达96.7%。③所运用的诊断标准或方法不 同，隐层神经元数对神经网络实现效果的影响也不同。④以SKG法或FGR法为依 据的神经网络模型适合于电力变压器潜伏性故障诊断，可以作为分析DGA试验数 据的工具。 (2)在深入研究变压器故障特征气体的基础上，采用线性分类器的模式识别 方法，进行变压器故障类型的分类判决研究。以DGA试验数据为特征参数，借助 于感知器训练算法，建立了基于线性分类器的充油变压器潜伏性故障诊断方法。① 线性分类器能够很好地利用DGA试验数据进行变压器故障类型的模式识别;其诊 断结果的准确与否，与学习样本的典型性有一定的关系。②特征参数维数的选取对 线性分类器的识别能力也有一定的影响。相比较而言，增加特征参数的维数(即特 征气体的个数)，线性分类器的识别能力增强。因此，可以选用HZ、CH4、CZHZ、 CZH4、CZH6、CO、CO:等七种特征气体作为特征参数。③线性分类器故障诊断法满 足充油变压器绝缘故障诊断的基本要求，可尝试运用于7种溶解气体在线装置的诊 断。④线性分类器模式识别法在变压器绝缘故障诊断中属于首次应用，准确率达90% 以上，高于现有的常用方法BP神经网络法以及IEC三比值法。 然后，进行变压器绝缘故障定位系统的研究。以油中溶解气体组分含量为特征 量，依据RogerS比值法，建立了故障部位初步确定的模糊综合评判法。结合电气试 验，将模糊诊断与神经网络相结合构造了确定故障部位的模糊神经网络法。将两种 方法相结合