基于多頻超聲的變壓器油擊穿電壓檢測技術(shù)研究

李亞權(quán)，劉明輝，李勝朋，張際明，李秀明

(1.云南電網(wǎng)有限責任公司保山供電局,云南保山，678008；2.云南電網(wǎng)有限責任公司電力科學研究院，云南昆明，650214）

0 引言

電網(wǎng)的安全穩(wěn)定運行與電力變壓器、電抗器等設(shè)備有密切關(guān)系，其中電力變壓器作為能源的轉(zhuǎn)換和傳輸設(shè)備，是電網(wǎng)中不可替代的電氣設(shè)備之一[1-2]。據(jù)統(tǒng)計，截至2020年底，我國在網(wǎng)運行的變壓器總量約1700萬臺，總?cè)萘窟_110億千伏安，因此電力變壓器的安全穩(wěn)定運行，對于整個電網(wǎng)極其重要[3]。

油浸式電力變壓器是我國電網(wǎng)目前所運用的最多的變壓器，其主要作用有絕緣、消弧以及散熱等。相比于空氣，變壓器油具備更佳的絕緣性能，浸于變壓器油中的絕緣設(shè)備能夠更好的發(fā)揮其絕緣作用；變壓器油同時具備較好的導熱性能，且油液的部分氣體在電弧的高溫作用下被分解，其分解產(chǎn)生的壓力可以提高介質(zhì)的滅弧能力，從而達到很好的滅弧效果；油浸式變壓器在運行時，變壓器油會在鐵芯和繞阻周圍流動、膨脹，從而將鐵芯和繞阻的溫度傳遞給變壓器油，而變壓器油可以則通過其他散熱設(shè)備將熱量傳出，從而間接地降低了鐵芯和繞阻的溫度，保障電力變壓器的運行[4-5]。

變壓器油在從生產(chǎn)、運輸，再到裝配、運行和檢修的過程中不可避免地會遭到雜質(zhì)的污染，例如顆粒物雜質(zhì)、氣體、水分等，使其各項性能下降[6]，此外在電力變壓器長期運行中，變壓器油發(fā)生氧化產(chǎn)生的油泥阻礙散熱、加速老化等等，變壓器油的介電性能不可避免的下降。擊穿電壓作為變壓器油最重要的性能參數(shù)指標之一，其通常指變壓器油在額定頻率（50Hz）的標準電壓作用下的擊穿值，能反應變壓器油的極限耐壓標準。在各種污染雜質(zhì)的影響下，變壓器油的擊穿電壓會受到很大影響。目前，國內(nèi)已有很多用于變壓器油品質(zhì)檢測的方法，包括實驗測定法、紅外光譜法、色譜分析法、多頻超聲波法等，其中實驗測定法能直接測量出變壓器油擊穿電壓等其他參數(shù)，而其他測量方法則能通過測量變壓器油的各種聲學、光學參量，間接反映變壓器油的參數(shù)，多頻超聲法則是較為先進的一種變壓器油參數(shù)測量法，相比于其他幾種檢測方法有著很大優(yōu)勢。多頻超聲檢測是在分子層面上通過檢測分析被測介質(zhì)的聲學參數(shù)與被測介質(zhì)的關(guān)系，從而獲得被測介質(zhì)的物理化學性質(zhì)，具備檢測速度快、介質(zhì)無損害、能夠?qū)崟r測量等多重優(yōu)勢，在液體組分檢測以及特性分析等領(lǐng)域受到了廣泛研究[7-8]。

本文設(shè)計了多頻超聲檢測硬件系統(tǒng)，通過多頻超聲波實驗和傳統(tǒng)實驗獲得了29組變壓器油的超聲波參數(shù)（聲速、頻率、衰減系數(shù)等）和擊穿電壓數(shù)據(jù)并建立之間的聯(lián)系，利用MATLAB編程軟件建立了BP升降網(wǎng)絡(luò)模型，并通過實驗測得的數(shù)據(jù)進行仿真預測，驗證了模型的可靠性。證明變壓器油擊穿電壓可通過多頻超聲參數(shù)和數(shù)據(jù)分析系統(tǒng)得到。

1 變壓器油擊穿電壓的多頻超聲檢測

1.1 多頻超聲檢測系統(tǒng)

實驗搭建了如圖1所示的多頻超聲檢測系統(tǒng)結(jié)構(gòu)圖，系統(tǒng)包括數(shù)據(jù)分析、超聲波檢測與控制模塊。數(shù)據(jù)分析模塊用于變壓器油超神數(shù)據(jù)的分析，主要為超聲波測量分析軟件。超聲波檢測與控制模塊則用于接收和發(fā)射超聲波，可以根據(jù)需要對超聲波的幅值頻率進行控制。

圖1 多頻超聲檢測系統(tǒng)結(jié)構(gòu)圖

該檢測系統(tǒng)在進行變壓器油檢測時，控制單元所發(fā)出的高頻超聲波信號為正弦信號，通過放大電路后作用于傳感器，最后產(chǎn)生的超聲波頻率為595.5～942.7kHz。經(jīng)過變壓器油后的超聲波信號由傳感器內(nèi)的T1、T2接收器接受，最后經(jīng)過聲波信號和電信號的轉(zhuǎn)換之后傳回數(shù)據(jù)分析單元，經(jīng)過分析軟件分析后便得到變壓器油的超聲波數(shù)據(jù)。

本實驗搭建的變壓器油多頻超聲系統(tǒng)所采用的超聲波傳感器結(jié)構(gòu)如圖2所示。超聲波傳感器主要用于超聲波數(shù)據(jù)接收，位于超聲波檢測模塊。該超聲波信號為LO50P15-SK，在進行變壓器油超聲檢測之前，應先讓傳感器中溫度傳感器及以下部分在不產(chǎn)生氣泡的情況下浸入待測油樣中，以確保傳感器能正確的感應變壓器油信息。超聲波信號經(jīng)由超聲波發(fā)生器發(fā)出后，先后經(jīng)過接收器T1、T2，最后沒完全被接受的信號再次傳回T1，分別定義這三類數(shù)據(jù)信號為L1、L3、L2。

圖2 多頻超聲波接收傳感器結(jié)構(gòu)原理圖

若假定所測得的超聲波信號為：

其中A，ω，φ分別為幅值、角頻率（ω=2πf）、相位。

若：

則超聲波測試的幅值和相位可分別表示為：

多頻超聲波監(jiān)測系統(tǒng)檢測礦物絕緣變壓器油樣的絕緣狀態(tài)特性參量得到的是240維超聲信號，其中L1相、L2相、L3相各80維。表1為基于研制的變壓器油多頻超聲波檢測系統(tǒng)測試某油樣得到的L1相多頻超聲波信號維數(shù)分布。

表1 L1相多頻超聲波信號維數(shù)分布

L2相、L3相超聲波信號的維數(shù)分布于L1相同，因此對變壓器油樣品測試得到的多頻超聲波主頻率和偏移頻率信號共240維。

1.2 多頻超聲檢測結(jié)果

多頻超聲常規(guī)參數(shù)檢測結(jié)果如圖3和圖4所示。

圖3 多頻超聲幅值響應

圖4 多頻超聲相位響應

通過29組變壓器油超聲波測試數(shù)據(jù)可知，L1，L2，L3三相的幅值隨著頻率的增大都基本上呈上升趨勢，其中L1相在頻率為854.7kHz時幅值達到最大，之后便趨于平穩(wěn)；L2相在頻率為854.7kHz達到最大之后幅值隨著頻率的增大有略微下降；而L3相幅值在頻率707.9kHz～741.8kHz和854.7kHz～943.7kHz之間基本不增加甚至有下降趨勢，在其他頻率段幅值都隨著頻率的增大而增大，同時在頻率為854.7kHz時幅值達到最大。L1相相位在595.5kHz開始之后隨著頻率的增大而增大，在651.5kHz～707.9kHz之間不同頻率出分別達到最大值，隨之便分別出現(xiàn)斷崖式下降，相位達到最小值之后再隨著頻率的增大而增大，并在832.1kHz處達到另一峰值，接著變小，并在843.4kHz出達到最小，隨后便逐步增大；同時L2，L3兩相的相位圖隨頻率的變化并沒有明顯的規(guī)律，在此不做過多分析。

圖5為多頻超聲信號幅值差隨擊穿電壓的變化曲線，變壓器油擊穿電壓測試均處于正常范圍內(nèi)，均值最大為63.5kV，最小為54.3kV。且由圖可知，L1、L3相幅值變化范圍基本上不隨擊穿電壓的不同而有較大改變，二者幅值變化范圍分別在0.1V～0.12V和0.04V～0.06V之間，而L2相幅值差則會因為擊穿電壓的高低有較大幅度的改變，幅值差分別在0.06V～0.13V之間變動。

圖5 L1，L2，L3相幅值差與擊穿電壓對比

2 基于BP神經(jīng)網(wǎng)絡(luò)對變壓器油擊穿電壓的仿真預測

2.1 BP神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)最初由 McClelland和Rumelhart于1986年提出的，是一種前饋神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)結(jié)構(gòu)主要由輸入層、隱含層和輸出層組成[9]，其結(jié)構(gòu)如圖6所示。BP神經(jīng)網(wǎng)絡(luò)通過反向傳播迭代更新神經(jīng)元的權(quán)值和閥值，以降低訓練樣本與輸出的誤差。

圖6 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

BP 神經(jīng)網(wǎng)絡(luò)采用最小均方根誤差作為目標函數(shù)。假如訓練樣本為N，輸入和輸出變量分別為X和Y，輸入層、隱含層和輸出層神經(jīng)元個數(shù)為n1、l1和m1，在這之中，可以設(shè)置多個隱含層，則再隱含層第j個節(jié)點的輸出可表示為：

式中，wij為連接輸入層和隱含層之間的權(quán)值，aj為隱含層的閾值。由隱含層的激勵函數(shù)可以得到隱含層第j個節(jié)點的輸出為：

同理，輸出層的第 k 個節(jié)點的輸入為：

式中，wij為連接隱含層和輸出層之間的權(quán)值，bk為輸出層的閾值，輸出層輸出為：

通過訓練BP神經(jīng)網(wǎng)絡(luò)可以建立超聲波聲學參量與變壓器油參數(shù)的關(guān)聯(lián)，從而通過超聲波檢測數(shù)據(jù)獲取變壓器油擊穿電壓的信息。系統(tǒng)選用三層BP神經(jīng)網(wǎng)絡(luò)對樣本進行訓練。首先需要確定各層節(jié)點數(shù)。輸入層包括20個頻率所對應的每組數(shù)據(jù)，所以輸入層節(jié)點數(shù)為20。輸出數(shù)據(jù)為變壓器油的平均擊穿電壓，所以輸出層節(jié)點數(shù)為1。隱含層節(jié)點數(shù)通常根據(jù)公式（其中，n1和m1分別是輸入層和輸出層節(jié)點數(shù)，b為1～10之間的常數(shù)）確定大致范圍。所以網(wǎng)絡(luò)中的隱含層節(jié)點數(shù)為，即隱含層節(jié)點數(shù)在5～14之間。經(jīng)過多次實驗，確定隱含層節(jié)點數(shù)為8時效果最好。

2.2 MATLAB BP神經(jīng)網(wǎng)絡(luò)仿真

本模型選用Matlab進行搭建，Matlab相較于其他語言軟件，有簡單易用，語言、圖像處理能力強等優(yōu)點，模型建立流程如圖7所示。

圖7 模型建立流程圖

具體流程如下：

（1）導入數(shù)據(jù)。利用“導入數(shù)據(jù)”功能導入存于Excel表格的29組變壓器油超聲波測試實驗數(shù)據(jù)，即輸入xi。注意xi為行矩陣，即同一組數(shù)據(jù)按行排列。

（2）產(chǎn)生訓練集和測試集?！皉andperm”函數(shù)打亂29組樣本排序，將打亂后的樣本第1-24組劃分為訓練集，25-29組劃分為測試集，同時將每一組的擊穿定壓平均值作為驗證集。訓練集用于參與BP神經(jīng)網(wǎng)絡(luò)訓練，是模型擬合的數(shù)據(jù)樣本，在訓練過程中對訓練誤差進行梯度下降，是可進行學習，訓練的權(quán)重參數(shù)；驗證集是整個模擬訓練過程中單獨留出的樣本集，它可用于調(diào)整模型的超參數(shù)和用于對模型的能力進行初步評估；測試集用來評估最終模型的模擬效果能力是否符合標準，但是不能作為調(diào)參、選擇特征等算法相關(guān)的選擇的依據(jù)。

（3）數(shù)據(jù)歸一化。用“mapminmax”函數(shù)對訓練集數(shù)據(jù)進行歸一化，將數(shù)據(jù)映射到0-1之間。歸一化的作用是為了防止數(shù)據(jù)輸入不一致，數(shù)據(jù)范圍差距太大，導致網(wǎng)絡(luò)收斂過慢，訓練時間過長，且數(shù)據(jù)范圍的大小不一會導致整個網(wǎng)絡(luò)擬合效果不一。同時，因為網(wǎng)絡(luò)的激活函數(shù)通常是S型或雙極S型函數(shù)（還有線性函數(shù)、斜坡函數(shù)、閥值函數(shù)等），其范圍分別為0～1和-1～1，數(shù)據(jù)歸一化能加快網(wǎng)絡(luò)梯度下降求最優(yōu)解的求解速度以及提高精度。

（4）創(chuàng)建BP神經(jīng)網(wǎng)絡(luò)。用“newff”函數(shù)創(chuàng)建一個神經(jīng)網(wǎng)絡(luò)，神經(jīng)元個數(shù)初步設(shè)置為10，訓練迭代次數(shù)、mse均方根誤差、學習率分別設(shè)置為1000、0.0001、0.01。然后用“train”函數(shù)對整個網(wǎng)絡(luò)進行訓練，當訓練誤差小于設(shè)定誤差值或達到迭代次數(shù)時便結(jié)束訓練。

（5）數(shù)據(jù)反歸一化。對訓練得到的數(shù)據(jù)進行反歸一化，以方便和測試集數(shù)據(jù)進行對比。

（6）性能評價。通過訓練得到的最終數(shù)據(jù)和測試集數(shù)據(jù)的對比，得到兩組數(shù)據(jù)的相對誤差和絕對誤差，以及決定系數(shù)R^2，其中相對誤差和絕對誤差越接近0代表訓練測試結(jié)果越好，決定系數(shù)R^2越接近1，代表訓練測試結(jié)果越好，該BP神經(jīng)網(wǎng)絡(luò)的性能越好。最后對整個數(shù)據(jù)進行繪圖對比。

（7）重復進行步驟4～6，期間改變神經(jīng)元個數(shù)，尋找網(wǎng)絡(luò)最佳神經(jīng)元個數(shù)。

通過反復測試，最終得到神經(jīng)網(wǎng)絡(luò)的訓練執(zhí)行過程圖、回歸線圖以及訓練結(jié)果和測試集對比圖。圖8、9、10為某一次訓練的訓練執(zhí)行過程圖、回歸線圖以及訓練結(jié)果和測試集對比圖（神經(jīng)元個數(shù)為8）。

圖8 訓練執(zhí)行過程

圖9 回歸線

圖10 預測結(jié)果誤差對比

BP算法預測結(jié)果見表3，通過大量數(shù)據(jù)測試得到，當神經(jīng)元個數(shù)設(shè)置為8的時候，整個模型的預測效果最好。由表3數(shù)據(jù)可知網(wǎng)絡(luò)訓練結(jié)果數(shù)據(jù)與測試集數(shù)據(jù)大致一致，相對誤差均在4%以內(nèi)，證明本神經(jīng)網(wǎng)絡(luò)的預測精度較高，能較好的通過超聲波測試數(shù)據(jù)反應變壓器油擊穿電壓，可用于實際檢測。

表2 BP神經(jīng)網(wǎng)絡(luò)預測結(jié)果

3 結(jié)論

變壓器油作為變壓器最重要的組成部分之一，油液的狀態(tài)與電力變壓器的穩(wěn)定運行有著及其密切的關(guān)系，尤其是變壓器油的擊穿電壓，當油品過差時會引起擊穿事故。本文通過對各種變壓器油擊穿電壓檢測方法的研究和現(xiàn)狀分析，和對多頻超聲檢測技術(shù)的研究，建立超聲波參數(shù)與變壓器油擊穿電壓之間的關(guān)系。建立了MATLAB-BP神經(jīng)網(wǎng)絡(luò)模型。通過對MATLAB的熟練運用和對BP神經(jīng)網(wǎng)絡(luò)的深入了解，用MATLAB編輯器搭建了BP神經(jīng)網(wǎng)絡(luò)，運用實驗所得的29組實驗數(shù)據(jù)進行了模型的仿真預測，最終得到了實驗誤差小于4%的預測結(jié)果，證明了用多頻超聲檢測來反映變壓器油擊穿電壓的可靠性。