摘要:以弥补传统单一的缺陷诊断应用于变压器故障诊断、模糊综合分析和故障树的基础上提出了各自优势紧凑融合模糊集和变压器故障树的故障诊断方法,针对模糊集的优点的有机融合和故障树,提高变压器故障诊断的准确性和效率。
关键词：变压器；模糊集；故障树：紧致融合；容错能力；故障诊断
引言
变压器的运行状态直接关系到电网的安全与稳定,必须最大限度地防止和减少变压器故障和事故的数量。近年来,各种智能技术用于变压器故障诊断,并取得了一定成果,为变压器故障诊断提供了基础。但主要是在变压器故障诊断与智能故障诊断技术,维修策略的最终判决结果缺乏指导意义。在实际操作的过程中,变压器故障往往表现的复杂性,不确定性和故障并发性、等,使用单一智能故障诊断技术和精度不高,和可怜的推理问题是很难获得令人满意的诊断的结果,尤其是故障树分析和模糊数学理论。变压器故障诊断基于模糊集和故障树,旨在利用模糊集和故障树的适当组合,相互补充,优势互补,克服或故障树模糊集的各自的缺点,变压器故障诊断的准确性和效率。
一、变压器故障树的构建
1.变压器故障树的构建
基于故障树的故障诊断原理研究取得了很多研究成果,在工业领域有更多的成功案例,但经过多年的应用研究也逐渐暴露出以下缺陷或缺陷:1)没有意识到故障的准确位置;2)故障树节点缺乏故障检测所需的相关信息;3)很难精确的定量描述故障树节点的可能性。
2.具有变量的故障树节点
为了克服缺点现有的故障树在变压器故障诊断中的应用,基于综合参考传统的故障树理论的基础上,结合变压器故障诊断的实际情况,提出了故障树与变量节点。1)变量,即为故障诊断所需的信息,这个系统的性能特征的“变量”,即每一个失败总是伴随着一些表象,引入变量信息的流动以达到系统串联,变压器的原始状态当系统可用数据(检查、在线监测和测试数据,等等),首先,通过一系列的数据处理(不包括算法和回归算法和趋势分析,等等)将原始数据转化为状态信息,然后加工成状态信息变量的故障树为整个诊断服务的故障树;其次介绍了变量的另一个好处是:当有故障树诊断结论的不确定性,可以根据变量的诊断故障树节点跟踪相应数量的状态,并根据状态变量的检验相应的建议进一步分析,变量是关键实现故障树模糊输入,在下面的文章中进行了讨论。设备,即故障树节点与变压器组件或子小部件。
二、紧致融合模糊集和故障树的故障诊断
紧密集成的模糊集和故障树的故障诊断技术是融合了模糊集和故障树的各自的优点:1)模糊处理能力;2)良好的容错能力和描述:3)知识组织结构清晰,容易获得和积累。传统的性能混合智能技术等常用的松散组合合并多个智能技术,每个智能技术完成系统功能的一部分,数据传输和转换。这种方式,虽然智能诊断技术比一个更准确,但毕竟是模糊集和故障树的简单组合,还没有完全改善各种诊断技术的缺点。
1.建立状态集
国家的评估指标,可分为四个等级,可能处理语言的“健康”,“注意”,“极”和“失败”。代表国家设置,比如¨代表“健康”。
期刊文章分类查询,尽在期刊图书馆为了便于工程计算和分析,国家设置固定值,即“健康”,“注意”、“异常”和“失败”对应的数值。
2.隶属度的确定
隶属函数模糊集的基本应用程序,是否正确构造隶属函数的关键之一是使用模糊集。变压器故障树节点变量大多数作为定量变量的测量值,即大致分为三种:更小更健康、更健康和更健康。将变量的实际值隶属度函数,可以在变量对应于每个状态的隶属度。
3.故障树节点的模糊状态矩阵
得到故障树节点的状态矩阵M,不仅需要单因素的变量状态矩阵,还需要知道变量在故障树节点上的重量。通过模糊计算矩阵的状态变量及其权重集,可以解决模糊故障树节点的状态矩阵。
4.用层次分析法确定变量的权重
相对于故障树节点的重量一般步骤如下:1)请专家将变量相对于比较故障树节点的重要性。给出的判断规则,将比较的结果判断矩阵,表示变量袋而没有结果,说相对于节点,显然很重要。3)判断矩阵的一致性检验,层次分析法(ahp)的信息专家在每一层中每个元素之间的相对重要性的判断。定量判断矩阵的信息在适当的规模。矩阵的一致性是指任何元素来满足它。如果矩阵的一致性,通过计算最大特征根的重量可以获得特征;如果不同意,先处理判断矩阵,满足其一致性,解决的具体方法。
5.故障树节点状态评判
获得的每个变量的单因素矩阵,确定各指标的权向量,然后利用模糊数学方法来获取故障树节点集的状态。判断故障树节点级别模糊矩阵;变量故障树节点的相对隶属度,并是一个变量模糊状态矩阵。将得到的模糊判断矩阵肘部归一化处理,得到的矩阵。
6.断推理策略
紧密融合模糊集和故障树的变压器故障诊断的具体过程和策略如下:1)结合实际,建立变压器故障树,为每个变量构建隶属度函数,再对故障树节点的重量关系变量。2)状态变量模糊状态矩阵,输入数据的状态量,量的隶属函数的状态,状态的模糊状态矩阵。3)判断故障树节点状态、状态量相对于故障树节点的重量,故障树节点状态得分,即故障树节点状态。4)故障定位、故障树诊断,如果分支可以充分定位问题的根源,它返回相应的根源。但是这种复杂系统的变压器,通常通过一个诊断模型实现故障精确定位,需要辅以其他测试和实验方法,没有定位分支的根源,回到下一层没有识别故障树节点的状态变量,这些变量需要辅以其他方法来测试它的值,然后将这些变量的值和初始状态值在步骤,重复步骤,直到所有的分支位置的根本原因。
三、诊断实例及结果分析
一个实用的诊断例子如下所示。状态信息的变压器油色谱分析过热故障,空载损失太大,油温偏高。找出故障的根本原因。具体步骤如下:1)注意故障树节点下一个级别的“热点”节点变量,辅以其他方法测试出它的价值。铁芯地球当前状态矩阵的计算过程如下所示,输入铁芯接地电流尽可能小。(2)计算节点“核心多点接地”越低,“磁饱和”,“核心部分短路”和“坏散热”)的评价分数。分数计算铁芯多点接地,例如,地球目前的核心,油色谱分析、空载损失,顶部油温、总烃状态矩阵。
参考文献
【1】付强，陈特放等，采用自组织RBF网络网络算法的变压器故障诊断【J】。高电压技术，2012,38（6）：1368-1375.
【2】杨廷方，李景禄等，基于多方法组合诊断模型的大型变压器故障诊断【J】.电力系统自动化，2009,33（20）；92-95.
论文作者:沈向斌,张茂胜
论文发表刊物:《电力设备》2017年第8期
论文发表时间:2017/7/19
标签：故障论文; 变量论文; 节点论文; 变压器论文; 状态论文; 矩阵论文; 模糊论文; 《电力设备》2017年第8期论文;