（1.国网山西省电力公司电力科学研究院 太原 030000；2.国网山西省电力公司太原供电公司 太原 030000）
摘要：针对目前变压器油色谱在线监测现状存在的问题，提出基于变压器油色谱在线监测数据初值模型的优化策略及措施，对措施验证后，进行推广应用，达到了预期目的，对原有状态评价体系的有效补充。
关键词：变压器；油色谱；在线检测；初值模型
1 引言
在线油色谱监测数据的设备动态评价过程中，往往会受传感器测量精度、油气分离效率、监测设备测量重复性、测量环境的变化，以及设备日常维护校准等诸多方面的影响，在使用过程中的可靠性和准确性还存在一些问题，用大数据分析方法对变压器油色谱监测多元数据进行分析，确定影响在线监测准确性的主要因素，建立动态数据初值模型，提升在线监测装置的数据价值，建立基于动态初值的变压器状态评价方法。
2 油色谱在线监测现状
根据国内外目前的研究和应用现状，目前油色谱在线监测技术尚存在以下需要进一步提升的主要问题：
（1）单组分在线监测装置中普遍使用的高分子膜，其平衡时间较长，使测量结果失去了及时性，且由于不同组分的平衡时间相差较大，难以给出油中气体体积分数的真实值，使测量结果失去了准确性。
（2）多组分在线监测油中气体使用的气敏传感器或者热导池，其综合监测指标与实验室气相色谱还有一定的差距。
（3）油色谱在线监测装置大多需要载气和色谱柱，当对监测实时性要求很高的情况下（如2小时/次），载气的消耗量很大。而且色谱柱经过长时间使用后如果不进行及时清洗和校准，监测的灵敏度和精度都会大大下降。这就导致目前运行油色谱在线监测设备普遍具有运行寿命短，维护工作量大的缺点。亟须新的免维护产品进行替代。
（4）在故障诊断方面的基本依据的变压器油中溶解气体在线监测技术导则[1]。由于油中溶解气体与故障之间并没有确定的对应关系，因此，透过油中溶解气体了解设备的实际状况的问题实际上是一个原因和结果都不确定的问题。
此外，现场抗干扰能力差和缺乏必要的校准维护也是导致油色谱在线监测误报率高的一个重要因素。在线色谱监测装置一般安装在室外变压器附近，工作环境温度变化大，电磁场干扰严重复杂，虽然制造厂商对此采取了很多的措施，但是对于测量毫伏级的色谱信号，要完全消除一些随机出现的干扰是不可能的。
总体来说，油色谱在线监测目前还处于发展阶段[2]，在使用过程中的可靠性和准确性还存在一些问题，监测数据的准确性和可靠性还不够高，不能直接作为评价变压器状态的依据，需进行优化数据优化处理后，才能达到变压器状态评价的要求。
3 优化措施
针对油色谱在线监测数据不准确和不可靠的问题，目前的普遍做法是对监测设备的准确性定期进行核查，以期及时发现设备的变化情况[3]。这样，为了保证监测的可靠性，需要尽可能缩短定期校准的周期，大大增加了在线监测装置的维护成本，限制了油色谱在线监测的应用推广。因此，有必要以现有监测设备的数据积累为基础，研究动态的设备校核方法。
同时通过深入探索影响在线监测准确性的主要因素，建立动态数据初值模型，提升在线监测装置的数据价值，建立基于动态初值的变压器状态评价方法，是优化在线监测数据有效途径。
期刊文章分类查询,尽在期刊图书馆
3.1数据采集
采用现场调研和访问省电力公司信息中心（数据中心）、生产管理系统等数据库的方式，从某省电力公司现有的110kV及以上电压等级变压器油色谱在线监测装置获取变压器油色谱在线监测数据、系统台账信息、在线监测数据信息、离线检测数据，以及和在线监测设备相关的各种静态数据。
3.2数据处理
选择2-3家有代表性的油色谱在线监测装置，了解其采用的油色谱在线监测的基本原理（包括采用的取样方式、油气分析技术、色谱传感器、数据分析方法等），并通过对历史监测数据和典型诊断案例的分析，采用数理统计的方法分析监测数据的分散性和不确定性，给出置信区间。根据分析结果确定影响监测数据准确性的主要因素，同时形成动态数据初值模型的样本数据库。
引入大数据分析方法，对前期统计分析得到的变压器油色谱监测相关多元数据进行相关性分析，形成数据间关联模型算法，建立被监测量和输入量的函数关系：y=f（X1，X2，X3，…）。同时注意影响函数或校正因子对测量结果的影响。
3.3建立动态初值模型
不是所有影响因素都对合成不确定度有同样的贡献，根据实验室常用经验，最大的分量的1/3的分量都不用评估。因此，量化的第一步就是测量或者估算每个影响因素对合成不确定度的贡献大小，用权重系数来表示，排除贡献小于最大分量1/10的分量，以便简化不确定度分量列表。
为了便于分析，根据计算途径将测量不确定度评定分为A 类和B 类。用对观测列进行统计分析的方法来评定标准不确定度，称为不确定度的A 类评定。根据重复测量的分散性实验估计得到不确定度分量，单次测量结果的标准不确定度以实验标准偏差表征，对于经过平均的结果，平均值的标准不确定度采用平均值的标准偏差。
用不同于对观测列进行统计分析的方法来评定标准不确定度，称为不确定度的B 类评定。这些分量用基于经验或其它信息假定概率分布估算，所用信息来源于技术说明书、校准证书、检定证书、测试报告、手册等相关参考资料。
在A类和B类定量标准分析的基础上，确定各不确定度分量对总不确定度的定量贡献，这些贡献不管属于单独的不确定度来源，还是多个不确定度的联合效应，都应转化为标准偏差并按合成规则，计算出合成标准不确定度。将合成标准不确定度乘以包含因子（在给出概率的条件下），得到扩展不确定度。以此作为油色谱动态初值的确定依据。
4 优化措施推广应用
在现有状态评价系统上扩展基于动态数据初值模型的分析软件模块。扩展后的状态评价系统除了包含传统的基于三比值法、平衡判据法和大卫三角形法等状态分析模型外，还包含了针对大数据环境下的多元异构数据进行高效融合处理的算法，进而基于监测数据动态初值对设备运行状态进行评估和潜在故障进行预测的快速算法。
系统包括综合数据库、知识库、推理机、知识获取和数据融合算法、咨询解释等部分。综合数据库存放经过数据挖掘后的原始数据、推理过程中的中间数据以及最终评价诊断识别结果。通过数据融合算法对综合数据库的数据进行分析和整理，采用主成分分析对输入参量进行降维处理，使其满足诊断分析模型的基本输入要求。知识库用以存取和管理求解模型所需要的专门知识（如设备基本老化规律、监测参量动态初值规律、监测参量和设备运行状态的关系、以及从实践中得到的运行经验等）。通过对多元数据的持续分析，将事实性文本知识、经验性知识等转化为计算机所能利用的形式，从而完成对知识库的更新和扩充，使其更加符合设备的实际运行情况。推理机根据所获取的状态信息，综合利用知识库中的专家知识、采用拟合、线性回归、相关、聚类等数学方法分析状态信息之间的关联性，完成对设备可靠性、经济性、环境影响等指标的多角度、多指标评价，以及通过系统提供的预测模型对设备可能存在的故障进行诊断和预测。最后通过咨询解释规则向用户说明推理过程，解释推理结果，为用户提供决策支持，实现对设备的维护和管理。
参考文献：
[1] Q/GDW169—2008，油浸式变压器（电抗器）状态评价导则[S].
[2] 赵文清，朱永利.电力变压器状态评佑综述[J].变压器，2007，44（11）：9-12.
[3] 林天明.变压设备在线监测技术及状态检修的研究.华北电力大学硕士毕业论文，2015.
论文作者:王天正1,原辉1,王璇1,王志鹏1,晋涛1,高荣贵
论文发表刊物:《电力设备》2016年第18期
论文发表时间:2016/12/5
标签：在线论文; 色谱论文; 数据论文; 不确定论文; 初值论文; 变压器论文; 设备论文; 《电力设备》2016年第18期论文;