摘要：电力变压器在电力系统运行的过程中发挥着十分重要的作用，其运行状态对电力系统的安全稳定性会产生十分重大的影响，油中溶解气体分析的方法能有效检测充油电力设备运行状态，该技术在电力系统当中也得到了非常广泛的应用，本文主要分析了基于油中溶解气体分析的电力变压器绝缘故障诊断方法，以供参考和借鉴。
关键词：油中溶解气体分析；电力变压器；绝缘故障
引言
为保证电力变压器的稳定运行，提高供电的可靠性，应尽早发现电力变压器的一些潜伏性故障。目前，在电力系统中油浸式变压器数量最多。因此，为开展油浸式变压器的故障诊断，应尽早发现油浸式变压器的潜在性故障和异常，这不但可以延长变压器的使用寿命，而且能够对变压器可能发生的一些突发故障进行预防，有很好的实际效益。
1 电力变压器常见故障
电力变压器由于自身结构、周围环境和实际的运行状况等多重因素的影响，使得变压器的故障形式多种多样。主要的常见故障有绕组故障、铁心故障、油和固体材料绝缘故障、分接开关故障等。绕组故障主要表现水汽进入到绕组中使得绕组受潮、绕组的绝缘部件发生老化以及绕组之间发生短路、接地等；铁心故障主要表现在铁心组件中铁片的松动，由压铁松动而引起的铁心振动、铁心之间绝缘部件的老化、铁心的不良接地以及铁心之间装叠不好造成的铁心温度升高等；油和固体材料绝缘故障表现在变压器油和绝缘纸中进入少量的水分和杂质以及固体绝缘的过热使绝缘部件发生老化；分接开关故障主要表现在转换开关的分接头引线与静触头之间的绝缘杆发生变形、触头之间的接触不好以及绝缘架上的金属栓发生接地现象等。
2电力变压器诊断技术
2.1电力变压器状态分析
电力变压器的故障是个慢性过程，一般不会在短时间内发生，而是随着时间的推移在就要发生故障点逐渐劣化至一定程度才能够用装置监测到，之后劣化程度加快，直到发生故障。因此，为了把握变压器的真实运行状态，避免变压器故障的发生，必须在劣化过程中通过有效的故障监测手段察觉故障，并及时处理，稳定电力变压器的运行状况。
2.2电力变压器在线监测诊断技术
20世纪50年代左右，电力工作者采用停电测量的方法对变压器进行诊断，主要通过测量泄漏电流和绝缘电阻以及其他试验数据测试。后来计算机和人工智能技术发展起来，故障在线监测诊断技术得到迅速发展，国内外学者对在线监测诊断进行了非常多的研究，其中油中溶解气体在线监测诊断是一种比较有效的方法。在不受外部干扰的情况下通过检测各溶解气体在变压器内部的含量，油中溶解气体不仅可以了解各溶解气体的产气速率，还有可能检测到突发性的故障。
3基于油中溶解气体方法的变压器故障诊断技术
变压器在实际运行时，油中的溶解气体包含了一些氧气和氮气，随着变压器在复杂环境下的长时间运行，变压器油和固体绝缘材料发生氧化，变压器里出现了CH4、C2H6等烃类气体。当变压器内部出现潜在性故障时，氧化程度加剧，不同种类和含量的特征气体对应着不同的故障，因此可以根据油中的溶解气体的组份与含量，判断变压器所将要发生的故障或已经发生的故障。
（1）三比值诊断技术。
期刊文章分类查询,尽在期刊图书馆基于油中溶解气体的变压器故障诊断的研究很多，比较常用的方法是IEC三比值法，三比值法选用5种特征气体C2H2、C2H4、C2H6、CH4、H2构成三对比值C2H2/C2H4、CH4/H2和C2H4/C2H6。按照检测到的油中溶解气体的含量，计算出三比值法的比值，并按照表1换算成相应的比值编码，然后查询资料得出变压器发生的故障类型以及可能产生故障的一些原因。
（2）人工神经网络诊断技术
人工神经网络（ANN）是一种模拟人脑神经元结构而建立的非线性动力学网络系统，具有大规模并行处理信息的能力和极强的容错性、自学习功能，能映射高度非线性、非确知系统的输入、输出关系，因此很适用于解决变压器故障诊断问题。其基本思想为：以变压器油中溶解特征气体类型为输入，以与之相对应的故障类型为理想输出，输入变量经过ANN后产生实际输出，通过理想输出和实际输出之间的偏差来动态调节ANN的连接权值，从而形成具有变压器故障决策分类功能的网络结构。由于网络的各输入变量之间的数量级不同，为减小其对网络收敛性能的影响，一般首先要对其进行归一化处理，如采用模糊技术对数据进行预处理。除了常见的BP网络结构外，还有其他类型的网络结构，如径向基函数网络结构、概率神经网络结构、小波神经网络结构等，这些网络结构在不同程度上提高了变压器故障诊断的精度。虽然ANN能够处理复杂的分类问题，并且已在基于DGA的变压器故障诊断中取得了较好的效果，但是ANN诊断技术存在诊断性能依赖于训练样本的完备性、利用和表达知识单一、识别效果易出现“振荡”现象等影响了其在高精度变压器故障诊断中的应用，因此将ANN诊断技术与其他智能方法相结合成为未来基于DGA的变压器故障诊断的发展方向。
（3）模糊理论诊断技术
模糊理论（FT）是一种通过在经典集合理论基础上引入语言变量和近似推理的模糊逻辑，将经典集合理论模糊化，形成具有完整模糊推理体系的一种智能技术。在基于DGA数据的变压器故障诊断中，故障现象、故障原因、故障机理以及故障分类之间存在较为严重的不确定性和模糊性，由于模糊理论能够较好地解决具有模糊性和不确定性的问题，故这种智能诊断技术能运用于基于DGA的变压器故障诊断中，其基本原理为：首先建立基于DGA的变压器故障数据库，作为基础数据库，用于模糊规则的建立;再以变压器DGA为输入，经过模糊化、模糊处理及去模糊化等过程确定模糊诊断的结果;当模糊诊断结果和实际结果差值超过预设阀值时，运用优化算法对模糊规则进行优化，依次循环，直至确定故障诊断的最优结果。现有的模糊诊断方法主要有以下2个研究方向:一是在单纯的模糊技术中引入自组织、自学习的功能，如针对传统三比值法、四比值法编码区间存在缺失的问题；二是将模糊诊断技术和其他智能技术结合，形成复合诊断技术，如模糊聚类算法、模糊C均值算法、概率模糊诊断算法、灰色关联模糊诊断算法等。虽然模糊诊断技术能够利用模糊隶属函数、模糊关系方程和模糊聚类分析等方法对基于DGA的变压器故障进行诊断，但由于变压器故障现象、故障原因、故障机理以及故障分类之间的联系尚不十分明确，故模糊诊断技术具有一定的局限性，如模糊规则表要求样本数据必须具备完备性、模糊隶属度函数难以准确确定等，从而间接影响了诊断结果的全面性。
4结束语
本文详细论述了智能算法在基于油中溶解气体的变压器故障诊断方法中的应用，为高精度变压器故障诊断提供了思路，油中溶解气体诊断方法虽能够对故障进行很好的诊断，提高诊断的准确性，但只能确定变压器内部有无故障，而不能对故障进行定位和确定故障发生的程度；常规的油中溶解气体诊断方法只有当油中溶解的气体含量超过标准值时才能够进行故障诊断，而在气体含量较小时很难进行诊断；三比值法的比值范围有限，在诊断时可能出现查询不到比值编码而对故障无法判断。随着计算机和人工智能技术发展起来，基于油中溶解气体的变压器故障诊断已经走向更高的阶段，因此，新型智能算法及复合智能算法将成为未来基于基于油中溶解气体的变压器故障诊断的发展方向。
参考文献：
[1]孙才新，陈伟根，李俭，等.电气设备油中气体在线监测与故障诊断技术[M].北京:科学出版社，2003．
[2]徐康健.变压器油色谱分析中用三比值法判断故障时应注意的问题[J].变压器，2010，47(1):75-76．
论文作者:冯立,王婷,陈政,王峰
论文发表刊物:《基层建设》2018年第11期
论文发表时间:2018/6/4
标签：变压器论文; 故障论文; 模糊论文; 气体论文; 比值论文; 故障诊断论文; 技术论文; 《基层建设》2018年第11期论文;