（国网山西省电力公司晋中供电公司 山西晋中 030900）
摘要：综述了电力设备诊断技术研究的现状，包括在线监测系统的数据采集，数字信号的远程传送，频谱分析、相关性和小波分析等数据处理方法，应用模糊理论选取有效的故障信号特征量，应用多传感融合技术、特征空间矢量、最大隶属度原则等分析方法诊断故障。指出故障诊断存在信号收集受传感器可靠性、电磁场干扰、设备灵敏度等因素制约，自适应能力不足，统一理论基础缺乏等问题。最后展望了电力设备状态监测与故障诊断智能化、数字化的发展方向。
关键词：状态监测；故障诊断；设备诊断技术；模糊理论
电力系统设备的状态监测与故障诊断是近10 年来发展较快的新技术，具有良好的发展和应用前景。在国内，状态监测与故障诊断技术已经发展了十几年，一些厂家已经能生产各种检测装置。但是，目前状态监测与故障诊断的应用还不普遍，还存在种种问题，包括一些认识上的误区。本文将从电力系统设备状态监测与故障诊断内容和任务的讨论开始，对目前存在的问题和未来的发展提出看法。
1.在线状态监测系统
1.1 状态监测的概念
在实际应用中，有故障预报、故障诊断和状态监测等几个在内容上相近但存在差别的概念。
故障预报———根据故障征兆，对可能发生故障的时间、位置和程度进行预测。
故障诊断———根据故障特征，对已发生的故障进行定位和对故障发展程度进行判断。
状态监测———对设备的运行状态进行记录、分类和评估，为设备维护、维修提供决策。
1.2状态监测的关键技术
1.2.1信号采集
电力设备在线监测系统是指在设备使用期内连续不断检查和判断设备状态，预测设备状态发展趋势的系统。通常通过设备运行状态量反映设备运行情况，首先获取诊断对象的状态信息，采集电力设备的电压、电流、频率、局部放电量以及磁力线密度等信号（包括正常信号和异常信号）。针对不同的电力设备和任务要求其状态监测方法也不同。变压器故障主要由内部绝缘老化造成，因而根据变压器各种机械和电气特性，采用局部放电、油中气体分析、振动分析、极化波谱、恢复电压法等方法监测其运行状态。交流旋转电机发生故障的类型不同，故趋向于结合神经网络、小波分析等监测电机的状态。断路器状态的好坏的监测主要采用跳闸轮廓法和振动监测法获得断路器的状态信息。
1.2.2数据传送
信号处理系统通常距监测设备较远，因此，数据在传输过程中易受干扰、易损失及相移（受环境因素影响较大），需先对数据进行模数转换、预处理和压缩打包，再经通信路径传输到处理控制中心。通信设备现已广泛应用于电力领域，光纤传输数字信号可较好地抑制干扰，保证信号质量。
1.2.3数据处理
工控数据处理中心收到通信线路传输来的状态量数据包后，利用各种不同数学方法对数据解包处理。例如，频谱分析将时域连续时间信号转变为频域不同频率信号进行分析；在时域中由2 个信号之间相关性采用相关分析搜索另一个信号的处理数据；小波分析；神经网络；人工智能。数字信息技术和智能技术应用到电力设备监测系统的数据处理使电力设备在线监测更加实时准确。
2故障诊断
2.1故障信号特征量的选取
信号处理技术的任务是在错综复杂的信号中提取有用的信息量，精化设备运行特征信息，以提高设备诊断的灵敏度。因一种故障常由若干故障特征量反映，而一个故障特征量又可能源于多种故障状态，故障特征量的选取及提取是故障诊断中难点问题之一。在识别运行中的电力设备的故障状态和正常状态时，常因特征量选取不恰当而出现误诊或漏诊，误判的主要原因是正常状态和故障状态的特征参量存在交叠区域，即故障特征量存在着模糊性。所以需选取有代表性、有效的故障特征参量。
期刊文章分类查询,尽在期刊图书馆
2.2故障诊断
针对电力设备故障的多样性以及一个故障多种征兆，介绍几种诊断方法:
1）利用多传感技术和信息融合处理技术诊断某种故障不同的故障表象。多传感技术利用多个传感器从多侧面、多角度观测同一对象，即针对同一故障的多种故障表征，多层次多领域（时域、空间域、频域）采集不同的特征量，选择故障反映灵敏度高的状态信息量，从而较全面的分析诊断故障。信息融合技术是将来自多传感器的数据按照一定的准则加以分析和综合的数据处理过程。因同一设备故障在不同特征空间的不同反映之间存在着内在的关联关系，利用融合技术“求同去异”可提高电力设备状态检测和故障诊断的准确性。但信息融合基本理论尚不完善，该诊断方法还有待研究。
2）基于特征空间矢量的故障诊断方法，可通过对故障误差的学习实时修正故障特征量。这种诊断方法具有一定的自适应能力，适合于具有不确定性和慢时变性的复杂对象的故障诊断。其实质是将每次的故障征兆矢量作为原先验征兆矢量集中的一个新的先验征兆矢量，并根据自适应算法修正故障特征矢量。故障先验征兆矢量不确定时，则需要人工判断第一次故障。
3）针对电力设备的固有特性以及在线监测状态信息量不足导致的不确定性，可考虑采用模糊理论中的最大隶属度原则诊断故障原因，判断故障类型，将状态信号与模糊数学方法结合起来分析故障的随机性和模糊性问题。除了上述方法外，还可以结合人工智能、专家系统、神经网络等方法诊断故障。
2.3故障诊断分析技术与信息技术
故障诊断分析是分析导致电力设备发生故障的物理过程、化学过程和故障的因果关系。其步骤为:先对大量错综复杂的设备状态特征量归纳整理、降维等简化，再采用识别技术（如模糊识别、神经网络、数理方法、专家系统等）识别出故障特征参数，最后判定故障的性质、类别、程度、部位和原因。电力设备故障诊断技术趋于数字化和网络化，通过局域网传输设备诊断信息，甚至远程诊断，实现设备状态检测和故障诊断信息的异地传输，诊断精度也有所提高。在技术装备上也出现了虚拟诊断仪器。有的诊断系统还在客户端安装报警系统。设备通过网络及时上传数据可保证信号的实时性。
3结语
状态在线监测目前还未达到完善、可靠的程度，尚存在以下问题:
1）信号收集上受传感器可靠性和现场电磁干扰和设备灵敏度等因素影响；
2）在并发诊断能力、自学习和自适应能力、大量数据的处理、管理能力方面不够完善；
3）理论上缺乏系统的知识体系、概念体系。
电力设备在线监测与诊断技术发展趋势:
1）电力系统监测与前沿性技术成果紧密结合，将计算机技术、通信技术、人工智能技术、电力电子技术与设备诊断技术结合，使诊断技术不断提高。
2）由以单台设备为目标的在线监测向整体监测延伸。设备的状态由多种参数综合决定，故障维修不再局限某一设备，而是同时考虑整个电网设备的运行以及电力供求关系的调整。从设备附近采集和处理数据的分布式多参数在线监测系统，与集中式监测系统相比，可以节省信号电缆，降低监测量，提高了监测的可靠性，同时还可以做到资源共享。
3）设备状态的远程监测和网络化的跟踪。分布式系统的发展以及通信技术在电力系统的广泛应用，使设备诊断技术与计算机网络技术结合，采集设备的状态参数后可远程传送数据，远程协作诊断。
4）状态监测系统与其他系统联网和集成。如在分布式的监控系统中将状态监测系统与继电保护有机结合。
随着传感器技术和信息技术的日益成熟，在智能化理论（如神经网络和专家系统）的基础上结合信号采集、数据分析为主的计算机辅助监测和诊断技术，电力设备状态监测与故障诊断将进入智能化的新时代。
参考文献：
[1] 李常喜.电力设备诊断技术概论[ M].北京:水利电力出版社，1994.
[2] 陈维荣，宋永华，孙锦鑫.电力系统设备状态监测的概念及现状[ J].电网技术.200，24（11）:12-17.
[3] 周龙，文远芳，詹琼华.电气设备故障特征参量有效性的模糊判据研究[ J].电网技术，1998，22（2）:51-54.
[4] 张春霞.电力设备状态监测与故障诊断[ J].武汉工业学院学报，2004，23（1）:6-10.
论文作者:李敏
论文发表刊物:《电力设备》2018年第30期
论文发表时间:2019/3/29
标签：故障论文; 状态论文; 设备论文; 故障诊断论文; 在线论文; 特征论文; 电力设备论文; 《电力设备》2018年第30期论文;