摘要：因变压器故障导致的电力系统不能正常运行不仅会对工农业生产和人民日常生活造成重大影响还会给供、用电部门造成巨大的经济损失，所以对变压器的状态进行监测，及时发现变压器故障前兆，预防变压器不必要故障的发生一直很重要。基于此，本文主要对电力变压器试验和运行中故障诊断的专家系统进行了简要的分析，希望可以为相关工作人员提供一定的参考。
关键词：电力变压器；试验和运行；故障诊断；专家系统
引言
电力变压器故障诊断专家系统是一种状态检修系统，通过这种方式不仅可以在不停止变压器运行的情况下进行检查还能够通过诊断系统迅速对变压器的故障进行判断减少检修时间。
1变压器常见故障与状态监测
1.1分接头故障
根据变压器的实际运行情况而言，分接头故障是一种比较容易出现的故障。因为分接头一直以来都是依靠压力接触，所以会产生弹簧压力不足的现象，这样便会导致分接头连接位置的实际接触面积不断缩减，镀银层受到磨损慢慢脱落，进而导致分接头开关在运行过程中逐渐产生发热损坏。只要分接头接触没有处于稳定状态，那么便不能承受短路电流的冲击，否则必将导致分接头烧坏而引发故障。因此针对此种故障，相关人员应当定期在停电以后把分接开关转动几周，从而使之接触可以始终处于良好状态。
1.2绕组故障
绕组为配电变压器的磁路与电路转换部分，其故障关键包含：匝间短路与相间短路等。在电力变压器的运行状态下，应当把绕组温度当作其连续监测参数，在绕组温度逐渐升高的过程中，应当及时将冷却系统运行工况进行适当调整，或者降低变压器负荷直至绕组温度处于稳定状态。当变压器温度快速升高，进而因为绕组内部故障致使出现横差保护、纵差保护或者瓦斯保护等相关动作，面对这种情况则应当对变压器进行解体做出全面检查，并测量三相绕组直阻。
1.3多点接地故障
变压器铁心发生多点接地也是多方面引起的。安装技术不过硬，使铁芯或者套管引线碰到外壳；穿心螺栓钢座套过长，与硅钢片短接；铁芯绝缘部分受潮或者遇到损伤、潜油泵轴承磨损以及铁锈与焊渣，使铁芯或者箱底多点接地；接地片质量不好造成短路等。铁芯多点接地将会造成铁心的局部过热，气体继电器频繁动作，严重时会造成铁心的局部烧损，酿成事故。因此，能否及时检测到此类故障，并采取相应的措施排除故障显得尤为重要。
1.4其他故障
变压器故障的分类方法很多，又互有交叉。常见的变压器故障还有绕组故障、铁芯故障、接线故障、二次侧故障等其他故障，但是每种故障的出现原因并不是单一的，且各种故障之间相互影响，互为原因。故不在此一一赘述。相关资料[6]也表明：短路故障是故障率最高，对变压器影响最严重的故障，同时还伴随着油渗漏故障、油流带电故障或者保护误动故障等多种故障；事故影响最大的是绝缘类故障，而且其故障率是随时间变化的。
2电力变压器试验和运行中故障诊断的专家系统
2.1人工神经网络
人工神经网络是一种模拟大脑行为和活动过程的非线性动力学网络系统的智能分析方法。它具有大规模并行处理信息的能力，还具有极强的容错性及自学习功能，能映射高度非线性，可有效处理不完全和不精确的信息。目前，该技术在各类大型发输配电气设备上广泛应用。BP神经网络作为一种人工神经网络的前馈网络，能够建立任意的非线性模型，对输入和输出之间实现非线性映射，可实时全工况地对电气参数进行动态计算，其有明显，但单一的神经网络方法仍然有缺陷，其极易陷于局部收敛和收敛速度慢的弊端。
2.2遗传算法
遗传算法故障诊断技术是受生物进化的启发而提出的一种智能分析法，它可分为变异、交叉、选择等几个阶段，与人工神经网络相比，其具有可实现全局搜索的优势；而且能够通过动态变异和基因多点交叉方式，选出最优种群，据此优势可构建遗传算法在线诊断系统。任何方法都是有缺陷的，遗传算法就有执行效率低的缺点。
2.3专家系统
专家系统将人工智能技术与专家的知识相结合的计算机程序。其工作方式是以知识库中的相关知识和专家经验为前提，进行推力判断，从而实现帮助用户决策。变压器的故障类型多样，相关专家知识较少，在变压器故障诊断中使用专家系统时，应不断的修改、删除或者增加知识库中相关专家知识，以保持知识库有效性和实时性；因为现实中变压器的类型较多，出现的故障更是多种多样，如若专家知识库相关数据不正确或不完善，必然会影响到准确的决策。该方法虽然效率较高但也存在知识获取的“瓶颈”问题，并且无法自我完善。
3基于DGA的变压器状态监测与故障诊断系统
变压器状态监测与故障诊断系统应具有特征气体浓度采样、反映各种状态信息、信号传送、状态信息处理和故障诊断并能给出信息提示等功能。构成基于DGA的变压器状态监测与故障诊断系统一般主要有以下四部分组成：传感器；数据采集器；数据分析、状态监测与故障诊断计算机；网络远程分析发布系统。基于DGA的变压器状态监测与故障诊断系统在工作时，首先通过数据采集器采集变压器油中的气体成分及比例信息，然后将采集到的气体信息输送到在线监测与诊断部件进行故障诊断与分析，分析完后将分析结果上传至服务器，服务器将上传的分析信息存储在实时数据库并通过网络提供给用户。这样用户就可以通过浏览器实时查看变压器的运行状态，及时发现故障前兆并采取措施避免不必要故障的发生。其系统结构组成如图1所示：
图1 基于DGA的变压器状态监测与故障诊断系统组成
变压器的故障种类多种多样，故障监测诊断 方法也多种多样，以上采用的是基于DGA的变压 器状态监测与故障诊断技术，由于该方法不受外 界电场和磁场的影响、结果能够快速反映潜在故 障、易于在线实现等优点在国内电力部门得到了 广泛使用。因变压器故障的种类非常多，所以对这 样的系统必须采用多信息融合综合分析的方法。在以后工作中可以在以下几个方面继续展开深入 研究。 a． DGA机理的进一步研究。DGA技术在辨别变压器的故障上非常有效，但很少有判据在定位 故障时能给出确切的依据，需要再进一步的研究。 b． DGA技术在线数据采集能力有待进一步 提高。目前由于传感器采集样本信息的性能还不 够令人满意，因此直接从变压器油中获得特征气 体的信息还不精确，其性能还有待进一步提高。 c． 可以让数据采集器具有一定的故障诊断 能力。如果让数据采集系统拥有部分诊断功能，可 以大大减少数据的传输量。这样计算机诊断服务 器就可以将更多的计算资源用于变压器状态的监 测和故障的诊断上，能够提高对变压器故障的快 速监测处理的能力。
结束语
综上所述，科技的不断发展电力变压器的专家诊断系统越来越受到 电力企业的关注，许多电力企业早已开始应用这一专家诊断 系统，电力变压器故障诊断专家系统将为电力事业发展带来 更多的便利。
参考文献:
[1]袁海满.基于多维特征量的电力变压器故障诊断技术研究[D].西南交通大学,2017.
[2]张永俊.智能变电站变压器在线监测与故障诊断系统设计[D].西南交通大学,2017.
[3]施竹君.变压器故障诊断与定位研究[D].南京理工大学,2017.
[4]鲁非,金雷,阮羚,刘思维,刘毅.电力变压器轴向位移故障诊断方法[J].高电压技术,2016,42(09):2916-2921.
[5]张宇航,兰生.基于广义神经网络与模糊聚类的变压器故障诊断[J].高压电器,2016,52(05):116-120+125.
论文作者:刘楠,赵航,张建,马铮,姜苏珈
论文发表刊物:《电力设备》2018年第18期
论文发表时间:2018/10/18
标签：故障论文; 变压器论文; 故障诊断论文; 状态论文; 专家系统论文; 绕组论文; 系统论文; 《电力设备》2018年第18期论文;