油中溶解氣體分析的變壓器故障診斷方法探討

唐建偉，武建衛(wèi)，林生紅，王金川

(1.南京機(jī)電職業(yè)技術(shù)學(xué)院，江蘇 南京 211300；2.北京城建設(shè)計(jì)發(fā)展集團(tuán)股份有限公司，北京 100032)

0 引言

電力變壓器是電力系統(tǒng)主要設(shè)備之一，承擔(dān)變換電壓、傳輸電能的重要作用，因此電力變壓器的運(yùn)行狀態(tài)及絕緣老化程度是電網(wǎng)企業(yè)運(yùn)維人員最為關(guān)切的問(wèn)題之一。利用各種技術(shù)手段對(duì)變壓器的故障類(lèi)型做出判斷，根據(jù)不同特征量評(píng)估變壓器故障嚴(yán)重程度是實(shí)現(xiàn)變壓器全壽命周期管理的基礎(chǔ)和前提。油浸式變壓器內(nèi)部的絕緣介質(zhì)主要是油紙復(fù)合絕緣，其中絕緣油的主要作用是絕緣、散熱和滅弧。早在1973年Halstead就提出油中溶解氣體成分以及含量與變壓器故障類(lèi)型有著密切關(guān)系，并由此發(fā)展起來(lái)基于油中溶解氣體分析的變壓器故障診斷方法。基于油中溶解氣體的分析方法經(jīng)過(guò)近半個(gè)世紀(jì)的發(fā)展，越加得到了業(yè)內(nèi)重視[1-2]。

本文立足于基于DGA的變壓器故障診斷方法概述，綜述了國(guó)內(nèi)外變壓器故障診斷的研究成果，歸納分析了各類(lèi)方法的特點(diǎn)，為我國(guó)變壓器狀態(tài)監(jiān)測(cè)技術(shù)的發(fā)展提供借鑒與參考。

1 變壓器常見(jiàn)故障類(lèi)型

工程運(yùn)行經(jīng)驗(yàn)表明放電故障、過(guò)熱故障、絕緣油故障以及受潮故障是掛網(wǎng)運(yùn)行變壓器的常見(jiàn)故障[3-4]。

1.1 放電故障

變壓器內(nèi)部油紙復(fù)合絕緣性能的好壞直接關(guān)系到變壓器運(yùn)行的穩(wěn)定性，當(dāng)變壓器發(fā)生局部放電之后會(huì)對(duì)絕緣介質(zhì)產(chǎn)生破壞。一般而言，放電程度越嚴(yán)重對(duì)絕緣的破壞性也就越大，最終影響變壓器壽命[3]。放電對(duì)絕緣的破壞主要有以下幾點(diǎn)：第一，局部放電產(chǎn)生的粒子會(huì)對(duì)絕緣材料產(chǎn)生沖擊導(dǎo)致絕緣材料的結(jié)構(gòu)被破壞，同時(shí)局部放電過(guò)程中會(huì)產(chǎn)生大量高能粒子，這些粒子之間相互碰撞使絕緣材料溫度升高，最終也會(huì)降低絕緣材料的性能。第二，局部放電產(chǎn)生的氣體經(jīng)過(guò)復(fù)雜的化學(xué)反應(yīng)之后會(huì)生成腐蝕性物質(zhì)，絕緣材料長(zhǎng)期處于腐蝕性環(huán)境中會(huì)導(dǎo)致材料進(jìn)一步裂解。第三，局部放電會(huì)促使絕緣油加速分解產(chǎn)生油泥，這些油泥會(huì)附著于絕緣材料表面影響絕緣材料的散熱性能，進(jìn)而導(dǎo)致絕緣材料發(fā)熱與散熱不平衡，形成惡性循環(huán)，最終產(chǎn)生熱老化。

放電故障的嚴(yán)重后果是導(dǎo)致絕緣材料發(fā)生貫穿性擊穿，最終影響變壓器使用年限，降低電力系統(tǒng)穩(wěn)定性。因此，針對(duì)變壓器局部放電的檢測(cè)一直是電氣設(shè)備狀態(tài)檢修的關(guān)鍵內(nèi)容之一[2]。

1.2 過(guò)熱故障

該類(lèi)故障是電氣設(shè)備多發(fā)性故障，常常會(huì)帶來(lái)嚴(yán)重的危害，尤其是對(duì)變壓器來(lái)說(shuō)過(guò)熱故障檢修起來(lái)比較困難，因此該類(lèi)故障是變壓器維護(hù)過(guò)程中需重點(diǎn)關(guān)注的故障之一。研究和實(shí)踐表明變壓器內(nèi)部出現(xiàn)故障點(diǎn)之后變壓器運(yùn)行溫度會(huì)升高，正常運(yùn)行情況下絕緣油的運(yùn)行溫度在75～85 ℃，由于過(guò)載、故障等原因，實(shí)際運(yùn)行中變壓器的溫度很有可能超出上述范圍，導(dǎo)致有機(jī)纖維材料發(fā)生裂解。研究表明C—O鍵的熱穩(wěn)定性比C—H鍵要低，當(dāng)運(yùn)行油溫超過(guò)105 ℃時(shí)纖維素聚合物將會(huì)產(chǎn)生裂解，運(yùn)行溫度高于300 ℃時(shí)纖維素完全裂解并碳化。變壓器過(guò)熱性故障的維修過(guò)程比較復(fù)雜需要停電檢修并吊罩檢查，因此將會(huì)帶來(lái)巨大的經(jīng)濟(jì)損失[3]。

1.3 絕緣油故障

目前，工程實(shí)際中使用的變壓器油主要有礦物油、植物油、硅油等，其中礦物油是石油蒸餾的主要產(chǎn)物，其介電性能較好，價(jià)格便宜，因此在變壓器油中礦物油占比最高[5]。礦物絕緣油的主要成分是環(huán)烷烴、烷烴以及芳香烴等物質(zhì)。變壓器運(yùn)行工況惡劣，尤其是戶(hù)外變壓器長(zhǎng)期處于日曬雨淋的環(huán)境中，當(dāng)絕緣油中混入氣體、水分以及雜質(zhì)時(shí)會(huì)對(duì)絕緣油的絕緣性能產(chǎn)生不利影響，因此絕緣油故障也是變壓器常見(jiàn)故障之一[6]。實(shí)際運(yùn)行中，工作人員也會(huì)對(duì)變壓器油進(jìn)行清潔甚至換油但這無(wú)法徹底清除變壓器內(nèi)部的雜質(zhì)且上述工作周期較長(zhǎng)。

1.4 受潮故障

由于絕大部分變壓器在運(yùn)行過(guò)程中長(zhǎng)期暴露在戶(hù)外，因此會(huì)有水分進(jìn)入變壓器內(nèi)部，水分與金屬鐵發(fā)生化學(xué)反應(yīng)產(chǎn)生氫氣，同時(shí)設(shè)備絕緣受潮后在局部放電的作用下也會(huì)產(chǎn)生氫氣[4]。最終影響絕緣壽命，同時(shí)水分在變壓器內(nèi)部多存在于絕緣紙中，因此對(duì)絕緣紙的性能影響顯著。

2 傳統(tǒng)的變壓器故障診斷方法

目前，傳統(tǒng)的變壓器故障診斷的方法主要分為：特征氣體判別法、特征氣體成分的比值法即三比值法[3-4]。

2.1 特征氣體法

變壓器故障時(shí)內(nèi)部會(huì)產(chǎn)生復(fù)雜化學(xué)反應(yīng)生成烴類(lèi)等氣體物質(zhì)，因此可以根據(jù)油中氣體的類(lèi)型和含量對(duì)故障進(jìn)行診斷。根據(jù)《變壓器油中溶解氣體分析和判斷導(dǎo)則》(以下簡(jiǎn)稱(chēng)《導(dǎo)則》)，不同類(lèi)型故障與特征氣體的關(guān)系，如表1所示。

表1 特征氣體和對(duì)應(yīng)的故障類(lèi)型

2.2 三比值法

三比值法是在實(shí)踐基礎(chǔ)上結(jié)合熱、動(dòng)力學(xué)得出的。主要使用C2H2/C2H4，CH4/H2，C2H4/C2H6三組比值形成編碼來(lái)診斷故障類(lèi)型。雖然目前三比值法是判斷變壓器故障的主要方法，但實(shí)際使用中依舊存在編碼不全面、誤判、故障分類(lèi)結(jié)果模糊等不足[7]。產(chǎn)生上述不足的原因：第一，變壓器內(nèi)部是一個(gè)復(fù)雜的系統(tǒng)，氣體在變壓器油中的溶解與析出是一個(gè)動(dòng)態(tài)過(guò)程。第二，變壓器種類(lèi)多樣內(nèi)部絕緣結(jié)構(gòu)不同，《導(dǎo)則》中的判斷標(biāo)準(zhǔn)并不適合所有變壓器。第三，油色譜分析過(guò)程操作復(fù)雜運(yùn)送距離遠(yuǎn)等都會(huì)對(duì)最終檢測(cè)結(jié)果產(chǎn)生影響。

3 基于人工智能的變壓器故障診斷方法

隨著人工智能不斷發(fā)展，越來(lái)越多的算法被用在變壓器故障診斷中。例如，專(zhuān)家系統(tǒng)，神經(jīng)網(wǎng)絡(luò)，支持向量機(jī)，以及模糊證據(jù)理論等，這使得變壓器故障診斷模型的結(jié)果更具準(zhǔn)確性。近年來(lái)，不同算法之間的交叉結(jié)合、新型優(yōu)化算法的投用也顯著提高了智能診斷方法的準(zhǔn)確率[8-9]。

3.1 基于專(zhuān)家系統(tǒng)的變壓器故障診斷

專(zhuān)家系統(tǒng)(Expert System，ES)是將電氣工程領(lǐng)域內(nèi)專(zhuān)家的經(jīng)驗(yàn)作為知識(shí)庫(kù)的知識(shí)元，最終建立為一個(gè)故障數(shù)據(jù)庫(kù)，把需要判斷的特征輸入數(shù)據(jù)庫(kù)之后，專(zhuān)家系統(tǒng)會(huì)模擬專(zhuān)家在故障診斷時(shí)的思維模式，根據(jù)數(shù)據(jù)庫(kù)的識(shí)別規(guī)則進(jìn)行故障診斷[8]。專(zhuān)家系統(tǒng)的故障診斷的必備條件是建立完備的專(zhuān)家知識(shí)庫(kù)，工程實(shí)際中變壓器故障數(shù)據(jù)量較小且設(shè)備繁多，種類(lèi)多樣，因此在一定程度上限制了專(zhuān)家系統(tǒng)的應(yīng)用。

3.2 基于人工神經(jīng)網(wǎng)絡(luò)的變壓器故障診斷

人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks，ANN)是較早被引入變壓器故障診斷領(lǐng)域的人工智能算法。該算法的基本原理是通過(guò)對(duì)輸入值與輸出值之間的差來(lái)調(diào)節(jié)算法的閾值和權(quán)值，使算法向縮小差值的方向進(jìn)行，最終實(shí)現(xiàn)問(wèn)題的求解。典型的BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，如圖1所示。

圖1 典型BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

在變壓器油色譜分析數(shù)據(jù)、當(dāng)?shù)貧庀髷?shù)據(jù)以及能源管理系統(tǒng)的相關(guān)數(shù)據(jù)基礎(chǔ)上利用神經(jīng)網(wǎng)絡(luò)算法成功預(yù)測(cè)了故障狀態(tài)和非故障狀態(tài)下的特征氣體組分含量[10]。提出采用BP神經(jīng)網(wǎng)絡(luò)對(duì)油中溶解氣體數(shù)據(jù)進(jìn)行分析，最終完成對(duì)變壓器故障的診斷與分類(lèi)，并取得了一定的成果[11]。

3.3 基于支持向量機(jī)的變壓器故障診斷

支持向量機(jī)(Support Vector Machine，SVM)是利用統(tǒng)計(jì)學(xué)方法在數(shù)據(jù)信息挖掘的基礎(chǔ)上發(fā)展起來(lái)的。該種方法在模式識(shí)別領(lǐng)域和時(shí)間序列分析等問(wèn)題上具有獨(dú)特優(yōu)勢(shì)[12]。支持向量機(jī)對(duì)原始數(shù)據(jù)樣本的規(guī)模要求不高，即使在樣本有限的情況下依舊能夠達(dá)到很高的識(shí)別準(zhǔn)確率。用粒子群算法對(duì)SVM的核函數(shù)參數(shù)的尋優(yōu)過(guò)程進(jìn)行優(yōu)化并取得了很好的效果，但該算法運(yùn)算時(shí)間較長(zhǎng)[12]。建立多核SVM分類(lèi)器，在此基礎(chǔ)上進(jìn)行多個(gè)目標(biāo)函數(shù)的尋優(yōu)最后獲得多個(gè)超平面最優(yōu)參數(shù)，提高了計(jì)算的效率，但該種方法忽略了實(shí)際問(wèn)題中各類(lèi)故障之間存在的邊界效應(yīng)[13]。建立了有向無(wú)環(huán)圖SVM模型，并將其應(yīng)用在變壓器故障診斷當(dāng)中，取得了很好的效果[14]。

3.4 基于模糊理論的變壓器故障診斷

模糊理論(Fuzzy Theory)在基于DGA的變壓器故障診斷中得到廣泛應(yīng)用，建立基于徑向基神經(jīng)網(wǎng)絡(luò)與模糊聚類(lèi)的變壓器故障診斷方法，并取得了很好的效果[15]。將最大信息系數(shù)以及受試者特征作為變壓器故障診斷的特征量建立變壓器模糊診斷系統(tǒng)，最終實(shí)現(xiàn)變壓器故障診斷[16]。

人工智能是一個(gè)非?；钴S的研究領(lǐng)域，新的人工智能算法層出不窮且性能不斷提高，后續(xù)應(yīng)結(jié)合不同算法的特點(diǎn)將算法與實(shí)際模型深度融合，進(jìn)一步提高算法的實(shí)用性和診斷的準(zhǔn)確性。

4 基于光譜技術(shù)的變壓器故障診斷方法

隨著檢測(cè)技術(shù)和計(jì)算機(jī)技術(shù)的迅猛發(fā)展，多種新型的檢測(cè)技術(shù)已經(jīng)運(yùn)用在變壓器故障診斷和狀態(tài)評(píng)估領(lǐng)域，相關(guān)學(xué)者也在這些方面做了很多嘗試力求為變壓器在線診斷提供了新的手段和技術(shù)支持，其中主要包括光譜聲譜技術(shù)[17]、紅外光譜[18]、激光拉曼光譜[19]以及太赫茲時(shí)域光譜等[20]。上述方法均是基于不同分子或者基團(tuán)在不同頻率段內(nèi)的吸收特性不同，因此可以通過(guò)光譜分析對(duì)變壓器內(nèi)部不同組分含量氣體進(jìn)行定性或定量分析，需要指出的是基于光譜檢測(cè)的方法還不成熟有待進(jìn)一步挖掘不同成分或者基團(tuán)在不同頻率段的特征吸收譜。

5 結(jié)語(yǔ)

本文概述了基于DGA的變壓器故障診斷方法的發(fā)展，從傳統(tǒng)的DGA分析到結(jié)合目前較為熱點(diǎn)的人工智能算法、光譜技術(shù)論述了變壓器故障診斷的研究，探討了現(xiàn)有方法的特點(diǎn)，并在此基礎(chǔ)上指出了上述方法存在的一些問(wèn)題以及未來(lái)的研究方向，這對(duì)推動(dòng)電力物聯(lián)網(wǎng)建設(shè)具有重要的實(shí)際價(jià)值。