基于統(tǒng)計數(shù)據(jù)分析的動車組牽引變壓器狀態(tài)檢修

劉永樂， 曲 昕， 趙 慧

（大連交通大學(xué) 電氣信息學(xué)院，遼寧 大連 116028）

0 引言

動車組牽引變壓器運行的可靠性直接關(guān)系著動車組的安全運行。合理完善的檢修方法是變壓器可靠運行的有力保障。過去變壓器的傳統(tǒng)檢修方法是計劃式檢修［1］，在實際工作中既可能由于維修不及時，影響行車安全，又可能存在過度維修，而造成檢修費用的浪費。因此如何對動車組變壓器進行預(yù)防式故障檢測成為我國在動車組發(fā)展中急需解決的重要問題。國內(nèi)外研究者在變壓器的故障檢測分析研究中做出了不懈努力。廣泛應(yīng)用的如利用人工神經(jīng)網(wǎng)絡(luò)在變壓器數(shù)據(jù)樣本和多個故障狀態(tài)之間建立聯(lián)系［2］；改進標準的BP算法，建立變壓器故障檢測BP網(wǎng)絡(luò)模型［3］；運用模糊推理算法建立預(yù)備模糊診斷系統(tǒng)用于變壓器故障檢測［4］；提出灰色聚類模型分析方法［5］和模型診斷及專家系統(tǒng)方法［6］用于變壓器絕緣故障診斷等都取得不錯的效果。

目前我國普遍應(yīng)用變壓器油色譜分析法［7］，分析其氣體含量，然后將其與臨界值比較判斷是否存在故障。在實際工作中此做法存在缺點：①由于變壓器的設(shè)計、制造等條件不同，故使用同一臨界值判斷不符合實際；②沒有理論依據(jù)的取樣分析法容易造成較大的誤差。設(shè)備的工作狀態(tài)受到各種因素影響，常常難以建立與影響因素聯(lián)系的關(guān)系解析式。通過對數(shù)據(jù)的統(tǒng)計發(fā)現(xiàn)這類關(guān)系式的建立，需要利用數(shù)理統(tǒng)計方法。數(shù)理統(tǒng)計方法在各個領(lǐng)域都有應(yīng)用。在農(nóng)業(yè)應(yīng)用中，運用回歸和方差分量分析方法計算遺傳力；在工業(yè)應(yīng)用中，運用抽樣檢驗改良工藝流程；在醫(yī)藥學(xué)應(yīng)用中，確定一種藥物對治療某種疾病是否有效；在社會、經(jīng)濟應(yīng)用領(lǐng)域中，運用抽樣調(diào)查對社會現(xiàn)象的定量化發(fā)展趨勢進行研究等［8］。

根據(jù)動車組牽引變壓器的實際情況建立動態(tài)診斷方法，一方面提高檢測結(jié)論的可靠性，另一方面避免無理論依據(jù)的取樣方法造成的誤差［9］。所以提出用u檢驗方法用于動車組牽引變壓器故障診斷。計算變壓器在正常工作下，內(nèi)部一種氣體的均值，把其它狀態(tài)下的該氣體均值μ1 與μ0 進行比較。如果二者近似相等說明處于正常狀態(tài)，反之故障狀態(tài)。

1 變壓器故障檢測

動車組牽引變壓器故障檢測常用儀表：

（1）兆歐表或絕緣測定器。用于絕緣電阻檢測，診斷變壓器由于機械、電場、溫度、化學(xué)等作用及潮濕污穢等影響程度，是變壓器能否投運的主要參考判據(jù)之一。

（2）油氣色譜分析儀。用于檢測變壓器油中各種氣體含量以發(fā)現(xiàn)變壓器內(nèi)部的某些潛伏性故障［10］。通過采用選擇性滲透膜、半導(dǎo)體微傳感器等為基本元件，利用計算機技術(shù)構(gòu)建專家系統(tǒng)，對變壓器油中氣體成分進行識別判斷。

2 狀態(tài)檢修

隨著檢測技術(shù)和信息技術(shù)的不斷提高，動車組在檢修形式上逐漸開展?fàn)顟B(tài)檢修。根據(jù)提供的設(shè)備狀態(tài)信息，判斷設(shè)備是否異常，在故障發(fā)生前進行檢修。狀態(tài)檢修可以減少不必要的檢修工作，節(jié)約工作時間和費用［11］。狀態(tài)檢修依據(jù)設(shè)備狀態(tài)進行監(jiān)測，然后按照設(shè)備的運行狀態(tài)來安排檢修的一種決策方法（或策略）。因為狀態(tài)檢修是以設(shè)備當(dāng)前的實際工作情況為依據(jù)，通過先進的狀態(tài)檢測和診斷方法、可靠性評估手段以及壽命預(yù)測手段，判斷設(shè)備的狀態(tài)，識別故障的早期征兆，對故障位置及嚴重程度、發(fā)展趨勢做出判斷，并根據(jù)分析診斷結(jié)果，在設(shè)備性能下降到一定程度或故障將要發(fā)生前主動實施檢修。所以，狀態(tài)檢修的針對性強、經(jīng)濟合理。

通過油氣色譜分析的原理［12］，檢測變壓器油中各種氣體含量，并根據(jù)氣體含量的變化，通過提出的u檢測方法，來判斷變壓器的工作狀態(tài)。

基于狀態(tài)檢修的變壓器故障檢測流程如圖1。

圖1 基于u檢驗方法的狀態(tài)檢修流程圖

3 u檢測方法

當(dāng)變壓器處于正常狀態(tài)時，其中氣體含量x 是一個隨機變量，通過大量數(shù)據(jù)可以證明，x 近似的服從正態(tài)分布，即x ～N（μ，σ2）。通過一段時間的運行檢測，可以得到動車組變壓器正常運行時某一氣體的一系列數(shù)據(jù)x1，x2，x3，…，xn作為樣本，可以計算出該樣本均值ˉx 和標準差S1。然后又檢測得到另一組數(shù)據(jù)y1，y2，y3，…，yn作為另一樣本，計算均值ˉy 和標準差S2。樣本之間相互獨立，基于u檢驗法判斷在檢測被測樣本數(shù)據(jù)時變壓器是否處于正常。在計算前給出兩種假設(shè)，假設(shè)H0：μ0 ＝μ1，備擇假設(shè)H1：μ0 ≠μ1。在給定顯著水平α下，查看正態(tài)分布表得μα 。

若

第一樣本的均值（作為標準樣本）

第二樣本的均值（被檢驗樣本）

第一樣本標準差（標準樣本）

第二樣本標準差（被檢驗樣本）

這種方法是具有實際意義的，u檢驗適宜樣本數(shù)量大的計算，而且比臨界值法準確率高。正常動車組運行時兩組樣本均值相差不會太大，變壓器一旦有異常情況出現(xiàn)，氣體的含量就會增加或減少，均值出現(xiàn)較大的差值，通過u檢驗可以判斷出來。作為標準樣本的第一組數(shù)據(jù)也不是一直不變的，隨著時間的推移，這組數(shù)據(jù)需要重新測取，以便反映實際的運行情況。作為被檢測樣本，第二組數(shù)據(jù)是最近時間的數(shù)據(jù)，因為結(jié)果是要檢測第二組數(shù)據(jù)測取時變壓器所處的狀態(tài)。兩組樣本測取數(shù)據(jù)的時間間隔最好要相同。

4 試驗舉例

某動車組牽引變壓器在正常工作時，u檢驗可以對樣本的多個數(shù)據(jù)進行檢測，但是在此方便計算只測取少量的數(shù)據(jù)。變壓器正常工作時的H2氣體含量數(shù)據(jù)：12．0，8．0，10．1，10．2，9．8，10．0，9．7，10．3，9．9，10．1，9．8，9．9，10．1，10．2，10．0，9．6，9．7，10．1，10．2，9．8，9．6，9．5，9．7，9．9，10．1，10．2，9．8，9．9，10．0，10．1（單位：10－6），變壓器工作時最新測量的H2氣體含量數(shù)據(jù)（被測樣本）：10．2，9．8，9．6，11．1，8．5，9．7，9．6，9．8，10．1，10．2，10．0，9．8，9．9，10．1，9．8，10．2，10．5，9．8，9．9，10．3，10．2，10．1，10．1，9．9，9．8，9．7，10．1，10．2，10．3，9．6（單位：10－6）。如選用顯著水平α＝0．05，根據(jù)以上公式可計算出u值，同時查u分布表可得μα ＝1．96，進行比較。

通過計算得：ˉx ＝9．943；ˉy ＝9．963；S1＝0．555；S2＝0．417；μα ＝1．96；μ＝1．25。μ＜μα ＝1．96，接收假設(shè)H0，所以此時的變壓器處于正常工作狀態(tài)。

此變壓器經(jīng)過一段時間的使用后，變壓器工作時最新測量的H2氣體含量數(shù)據(jù)（被測樣本）：14．0，9．5，12．1，13．2，14．8，13．0，12．2，12．8，12．6，12．7，13．5，13．7，10．0，14．6，9．5，13．6，14．2，8．5，13．4，14．0，13．5，12．8，12．9，13．2，14．5，14．6，14．8，14．7，13．6，14．0（單位：10－6）。

通過計算得：ˉx＝9．943；ˉz＝13．017；S1＝0．555；S3＝1．619；μα ＝1．96；μ＝9．852。μ＞μα ＝1．96，拒絕假設(shè)H0，接受備選假設(shè)H1，此時的變壓器處于工作異常狀態(tài)。

5 結(jié)語

首先對動車組變壓器的故障檢修進行分析研究，發(fā)現(xiàn)臨界值法在實際工作中存在很多不足。結(jié)合變壓器的特性，運用數(shù)理統(tǒng)計方法中的u檢驗法對變壓器進行狀態(tài)故障檢修。u檢驗法有成熟的理論基礎(chǔ)，方法簡單、可靠、實用，且易于理解，比臨界值法準確率高，可用于狀態(tài)檢修。此方法比臨界值法計算麻煩，但是可用計算分析判斷，為動車組的檢修提供便利。

［1］王忠凱．動車組運用檢修計劃優(yōu)化方法的研究［D］．北京：中國鐵道科學(xué)研究院，2012．

［2］Wang Z，Liu Y，Griffin P J．An artificial neural network approach to transformer faults diagnosis［J］．IEEE Trans．On Power Delivery，1998，13（10）：1224－1229．

［3］徐建軍，閻麗梅，高丙坤．基于神經(jīng)網(wǎng)絡(luò)的變壓器早期故障診斷安全技術(shù)［J］．上海海運學(xué)院學(xué)報，2001，22（3）：291－293．

［4］Islam S M，Wu T，Ledwich G．Novel fuzzy logic approach to transformer fault diagnosis［J］．IEEE Transformer on Dielectrics and Electrical Insulation，2000，7（2）：177－186．

［5］李儉，孫才新，陳偉根，等．基于灰色聚類分析的充油電力變壓器絕緣故障診斷的研究［J］．電工技術(shù)學(xué)報，2002，17（4）：24－29．

［6］高松，劉志剛，徐建芳，等．基于模型診斷和專家系統(tǒng)的牽引變壓器故障診斷研究［J］．鐵道學(xué)報，2013，35（15）：42－49．

［7］胡海寧．基于主因子分析的變壓器油色譜分析法［D］．長沙：長沙理工大學(xué)，2012．

［8］羅霞，呂明．基于統(tǒng)計分析的城際鐵路建設(shè)條件研究［J］．石家莊鐵道大學(xué)學(xué)報：自然科學(xué)版，2012，25（2）：73－80．

［9］高駿．電力變壓器故障診斷與狀態(tài)綜合評價研究［D］．武漢：華中科技大學(xué)，2011．

［10］Khmais Bacha，Seifeddine Souahlia．Power transformer fault diagnosis based on dissolved gas analysis by support vector machine［J］．Electric Power Systems Research，2011，83（1）：73－79．

［11］張曙光．高速鐵路系統(tǒng)生命周期安全評估體系的研究［J］．鐵道學(xué)報，2007（4）：20－26．

［12］王士博．油色譜分析在變壓器狀態(tài)評估中的應(yīng)用與探討［J］．山東電力技術(shù)，2008（1）：67－71．