摘要：变压器作为电力系统中的关键设备，它的安全、稳定、可靠运行将直接决定电网系统的安全稳定。因此对已发生的故障或未发生的故障隐患进行诊断分析显得尤为重要，首先对变压器故障诊断的传统方法进行介绍，然后重点介绍基于人工智能的故障诊断技术。
关键词：变压器；故障诊断；技术研究
随着国民经济的快速发展，各行各业对电力的需求不断增加，促使我国电力系统向大容量、超高压和自动化的方向发展。变压器作为电力系统中的关键设备，担负着电压的转换、电能的分配及传输，因此它的运行影响着电力系统的可靠、稳定。电力变压器发生故障的原因和类型很复杂，再加上电力变压器绝缘老化的渐进性给变压器的故障诊断带来很大的挑战。因此有必须对变压器进行故障诊断研究，准确而及时地检测出变压器的早期潜伏性故障，然后制定出合理的检测维修计划，从而提高变压器的可靠性。
1变压器常见的故障类型
1.1短路故障
变压器短路故障是指相间短路、绕组对地短路、出口短路等，这种出口短路故障对于变压器的运行影响最为严重，这种故障发生频率较高，一旦变压器发生出口短路故障，其内部绕组会流过非常大的短路电流，导致变压器绕组快速发热，严重的甚至导致绕组变形或者击穿，发生火灾，危害工作人员生命安全。
1.2放电故障
根据放电能量密度，变压器放电故障包括高能量放电、火花放电和局部放电，当变压器运行过程中，绝缘层中的油膜和气隙发生放电，变压器的绕组匝间层绝缘层被击穿很容易发生高能量放电，若变压器油质较差易发生火花放电。
1.3绝缘故障
绝缘材料使用寿命在很大程度上决定了整个变压器的使用寿命，大多数的变压器故障主要是由于绝缘层发生损坏。绝缘油老化、绝缘材料损坏、变压器受潮放电、铁芯叠片绝缘性较差等[1]，很容易造成变压器绝缘油老化，绝缘材料损坏，而过电压、湿度、温度等因素都会影响变压器的绝缘性能。
1.4铁芯故障
变压器运行过程中，铁芯必须有一点稳定接地，一旦两点以上发生接地现象，会造成变压器局部位置过热，甚至将变压器烧毁，在实际应用中变压器的铁心故障发生率较高。
1.5分接开关故障
分接开关对于变压器的运行状态有着重要影响，分接开关故障主要包括无载分接开关故障和有载分接开关故障，其中变压器的有载分接开关故障比较常见，如固定绝缘杆发生扭曲变形、有载开关油箱渗油、触头松动、脱落、烧毁等。
2变压器故障诊断的传统方法
根据变压器故障诊断技术的发展历程，变压器故障诊断的方法又分为传统方法和智能方法。
期刊文章分类查询,尽在期刊图书馆传统方法主要有:特征气体判别法、变压器预防性电气试验，现分别介绍：
2.1特征气体判别法。特征气体法现在已经成为判断变压器故障类型的重要方法，当变压器产生故障时会产生和某种故障相关的气体，例如CH4、CZH6、COZ、CO、CZH4等，这些气体会部分或全部溶解在油中，然后可根据变压器油中气体的类型和含量来判断故障的类型。该方法具有直观、方便和针对性强的特点，主要用于发现变压器的早期潜伏性故障；
2.2变压器预防性电气试验。预防性试验可以发现运行中设备的隐患，预防事故的发生或设备的损坏，该方法是保证电力系统安全运行的有效手段之一，是电力设备运行和维护工作中的一个重要环节。预防性试验主要包括对设备进行检查、取气样或油样，实验项目主要包括油中溶解气体的色谱分析、绕组绝缘电阻及吸收比、绕组直流电阻检测、绝缘油检测、铁芯绝缘电阻检测和交流耐压检测等。
3人工神经网络诊断技术
人工神经网络是一种模拟人脑活动的网络结构，其可以快速并行处理大量信息，具有较高的自学习能力和较强的鲁棒性、容错性，可以映射出未知系统的输出、输入关系以及高度非线性，BP神经网络是一种人工神经网络的前馈网络，其主要由输出层、隐含层、输入层这三个节点层组成，每层都包含很多节点，将每个节点看作一个神经元，同一个节点层上的各个节点之间是相对独立的，每个层次上的节点形成全互连连接状态，从输入层到各个层之间通过节点单向传播信息，最后到达神经网络输出层节点[3]。根据相关研究表明，BP神经网络的表达能力、精度和隐蔽层层数之间没有直接的关系，通常情况下，可以选用一个隐蔽层。BP神经网络算法是一种经过训练的非循环多级网络算法，由反向传播和正向传播构成整个学习过程，经过隐蔽单元和非线性变换逐层对输入值进行处理，最后传递到输出层。每层神经元状态会受到上一层神经元状态的影响，若输出层无法达到期望输出，可以转换到反向传播，修改和校正各个神经元权值，最大程度地缩小误差信号；其二，工作期，固定各个连接权值，计算神经网络单元状态，诊断时，结合不同变压器的状态测试数据，计算神经网络实际输出，将期望值和这些计算数据进行比较。
4遗传算法故障诊断技术
遗传算法故障诊断技术是一种受到生物进化的启发发展出来的智能分析法，其包含变异、交叉、选择等阶段，遗传算法和人工神经网络相比，可以实现全局搜索。同时，采用动态变异和基因多点交叉方式，选取最优种群，从而构建遗传算法在线诊断系统，当前很多遗传算法和人工神经网络算法有效结合起来，通过遗传算法确定人工神经网络初值，有效克服了人工神经网络收敛速度慢和局部收敛的问题[4]。另外，粗糙集理论和遗传算法的约简算法，通过全局并行寻优，极大地提高了遗传算法的执行效率。
5专家系统故障诊断技术
专家系统主要是根据知识库中的相关知识或者专家经验，通过推力判断，帮助用户进行决策。在变压器故障诊断中应用专家系统，在知识库中修改、删除或者增加相关专家知识，使知识库保持有效性和实时性。并且由于变压器类型比较多，常见故障也是多样化，相关专家知识较少，若专家知识库相关数据不正确，必然会影响用户决策，因此应实时进行更新，这种故障诊断技术效率较高。
6结束语
近年来，电力系统的规模和容量不断增大，对于变压器可靠供电和安全运行要求较高，变压器电力系统配电和输电的重要设备，一旦变压器发生运行故障，会对电力系统运行状态产生严重影响。通过采用科学合理的故障诊断方法和先进技术，快速诊断变压器故障位置和元器件，及时检修和维护，减少停电损失，推动我国电力系统的可持续发展。
参考文献
[1]郑含博.电力变压器状态评估及故障诊断方法研究[D].重庆大学，2012.
[2]付强.电力机车主变压器故障诊断技术研究[D].中南大学，2013.
[3]许永建.变压器故障诊断技术研究[D].南京理工大学，2010.
[4]徐安定.大型变压器状态监测与故障诊断技术[D].浙江大学，2012.
论文作者:田栋年,李伟汉
论文发表刊物:《建筑学研究前沿》2018年第27期
论文发表时间:2018/12/27
标签：变压器论文; 故障论文; 神经网络论文; 故障诊断论文; 算法论文; 绕组论文; 发生论文; 《建筑学研究前沿》2018年第27期论文;