基于油中溶解气体分析的电力变压器故障诊断研究.docx
《基于油中溶解气体分析的电力变压器故障诊断研究.docx》由会员分享，可在线阅读，更多相关《基于油中溶解气体分析的电力变压器故障诊断研究.docx（42页珍藏版）》请在冰点文库上搜索。
基于油中溶解气体分析的电力变压器故障诊断研究
摘要I
AbstractII
1前言1
1.1电力变压器故障诊断的重要意义1
1.2电力变压器故障诊断背景2
1.3变压器故障诊断技术的发展2
1.3.1专家系统2
1.3.2人工神经网络3
1.3.3变压器DGA技术3
2变压器的故障类型及诊断方法4
2.1电力变压器的类型与结构4
2.2电力变压器的绝缘结构5
2.3变压器故障的原因与种类6
2.3.1变压器故障的原因6
2.3.2变压器故障的种类6
2.4电力变压器油中溶解气体分析7
2.4.1电力变压器内气体析出的原因7
2.4.2变压器内部故障类型与油中溶解气体含量的关系8
2.4.3三比值法8
2.5意义10
3人工神经网络11
3.1人工神经网络概述11
3.1.1人工神经网络理论11
3.1.2人工神经网络的特点11
3.1.3人工神经网络基础11
3.2神经网络的分类12
3.3BP人工神经网络的学习过程13
3.3.1BP人工神经网络的拓扑结构13
3.3.2BP网络的训练过程概述14
4变压器故障诊断中的BP网络设计17
4.1引言17
4.2基于BP网络的诊断方法的设计17
4.2.1输入层设计17
4.2.2输出层设计17
4.3样本的收集18
4.4隐含层层数和节点数的确定20
4.5BP网络结构中参数的确定21
4.6结果分析21
5今后待研究的问题21
参考文献22
致谢23
Contents
ChineseAbstractI
EnglishAbstractII
1Introduction1
1.1Theimportanceofpowertransformerfaultdiagnosis1
1.2Faultdiagnosisofpowertransformersbackground2
1.3Developmentofthefaultdiagnosistechnologyoftransformer2
1.3.1ExpertSystem2
1.3.2Anartificialneuralnetwork3
1.3.3DissolvedGasAnalysis3
2Transformerfaulttypeanditsdiagnosismethod4
2.1Typesandstructuresofpowertransformer4
2.2Powertransformerinsulationsystems5
2.3Faultcausesandtypes6
2.3.1Causetransformerfailure6
2.3.2Transformerfaulttype6
2.4Analysisofdissolvedgasesintransformeroil7
2.4.1Powertransformersinthegassingbecause7
2.4.2Transformerfaultswithdissolvedgascontentoftherelationship8
2.4.33-ratiomethod8
2.5significance10
3Artificialneuralnetwork11
3.1Overviewofartificialneuralnetwork11
3.1.1Theoryofartificialneuralnetwork11
3.1.2Characteristicsoftheartificialneuralnetwork11
3.1.3Thebasisofartificialneuralnetwork11
3.2Classificationofneuralnetworks12
3.3BPartificialneuralnetworksforlearning13
3.3.1ThetopologyofBPartificialneuralnetwork13
3.3.2BPnetworktrainingcourseoverview14
4DesignofBPnetworkintransformerfaultdiagnosis17
4.1Introduction17
4.2DesignofdiagnosismethodbasedonBPnetwork17
4.2.1 The input layer design17
4.2.2 Output layer design17
4.3 Sample collection18
4.4 Determination of layers andthe number of nodes inthehidden layer20
4.5 The structure parameters ofBP networks to determine21
4.6 Analysis of results21
5 Issues to be studied inthefuture21
References22
Acknowledgment23
基于油中溶解气体分析的电力变压器故障诊断研究
摘要：
电力变压器是电力系统中核心设备之一，它的安全稳定运行将直接影响供电可靠性和系统正常运行。
电力变压器承担着电压变换、电能分配的重要作用。
电力变压器正常运行保证电力系统安全、可靠、优质、经济的运行，必须最大限度避免和减少电力变压器故障和事故的发生。
对电力设备进行在线监测与故障诊断，是实现设备预知性维修的前提，也是保证设备安全运行的关键。
变压器油中溶解的气体含量和成分可以有效体现运行中变压器内部的绝缘故障情况。
关键词：
电力变压器溶解气体分析故障诊断神经网络
BasedontheAnalysisofGasesDissolvedinTransformerOilPowerTransformerFaultDiagnosisResearch
AbstractPowertransformerisoneofthecoreequipmentinthepowersystem,itwilldirectlyaffectthesafeandstableoperationofpowersupplyreliabilityandthenormaloperationofsystem.Bearthevoltagetransformpowertransformer,powerdistribution.Normaloperationofpowertransformercanensurepowersystemsafe,reliable,highquality,economicoperation,toavoidandreducethemaximumpowertransformerfaultsandaccidents.Foron-linemonitoringandfaultdiagnosisofpowerequipment,andisthepremisetorealizeequipmentunexpectedmaintenance,alsoisthekeytoensurethesafeoperationoftheequipment.Theconcentrationofdissolvedgasintransformeroilandingredientscaneffectivelyreflecttheinsulationofthetransformerinternalfaultintheoperationofthesituation.Thispaperintroducesindetailthetransformerinternalfaultconditions,thecharacteristicandthecontentofdissolvedgasintransformeroil,severityfault,faulttyperelationshipwithcharacteristicsofgascontent．
Keywords:
powertransformer;dissolvedgasanalysis;faultdiagnosis;neuralnetwork
1前言
1.1电力变压器故障诊断的重要意义
随着国民经济的持续快速发展，各行各业对供电需求的不断增加，我国的电网建设已经从城市孤立电网发展成为大区电网、西电东送、南北互供、全国联网的格局，电力系统正在向超高压、大电网、大容量和自动化的方向发展[1]。
近些年，由于电网容量的与日俱增以及大部分用电用户对供电可靠性要求的提高，电力设施维修费用也在逐年增加。
如何采取合理的维修策略，制定科学的维修计划，以保证在较高可靠性的前提下降低维修费用，已经变成我国电力行业面临的主要研究课题。
状态维修是以设备的实际工况为依据，通过状态监测、可靠性评价及寿命预测等先进技术手段来判断设备的当前状态，对故障的部位、危害水平以及发展趋势做出判断，识别故障的早期征兆，并依据分析和诊断结果，在设备性能条件下降到一定程度或故障将要发生之前进行维修。
通过对电力变压器进行定期预防性维护，实时监测高压设备的实际运行情况，检测与诊断其潜伏性故障或缺陷，提高诊断水平，努力做到具有针对性的检修及维护，以期达到早期识别并预报故障，避免恶性事故发生的目的。
电力变压器是电力系统最重要也最昂贵的设备，其安全运行直接关系到电网的供电可靠性。
变压器故障诊断技术研究是电力变压器状态维修的首要工作。
鉴于电力变压器老化和故障机理繁杂难懂，电力变压器故障诊断技术的研究是一项必要而且相当繁重的任务。
电力变压器不同运行工况或不同历史运行记录，即便是同类电力变压器，其状态也有可能不同；相同运行工况下，不同类型的变压器，其状态也有可能不同。
研究电力变压器的状态与运行工况、历史运行记录的关系，把握其规律，对变压器状态做出准确评估，这对变压器实施状态维修、降低变压器维修费用和提高变压器可靠性具有重要的理论意义和实际应用价值[2]。
运行中的变压器发生的故障不同，产生的现象或信息也就不同。
变压器的故障诊断就是根据变压器故障的征兆，对变压器故障的类型、部位及危害做出判断。
变压器绝缘状态监测与故障诊断的作用：
（1）判断运行设备当前处于正常状态还是异常状态；
（2）若有故障，则判断故障的性质、种类和原因，例如是绝缘故障还是过热故障或机械故障，若是绝缘故障，则需分辨是绝缘老化、受潮；若是放电性故障，则需要判断是哪种类型的放电等等；
（3）根据故障信息或根据其处理结果，预测故障的可能发展，即对故障的严重程度，发展趋势做出诊断；
（4）提出控制故障的措施、防止和消除故障的方法；
（5）提出设备维修的合理方法和相应的反事故措施；
（6）对设备的设计、制造、装配等提出改进意见，为设备的现代化管理提供科学依据和建议[3]。
国内外许多的资料表明，开展故障诊断的经济效益是明显的，据日本统计，在采用诊断技术后，事故率减少75%，维修费降低25%-50%，英国对2000个国营工程的调查表明，采用诊断技术后每年节省维修费3亿英镑，用于诊断技术的费用仅为0.5亿英镑，净获利2.5亿英镑。
如果在在我国将故障诊断技术推广，每年可减少事故50%-70%，节约维修费用10%-30%，效益相当可观。
1.2电力变压器故障诊断背景
最近几年，我国电力行业积极应用在线监测技术开展状态检修，加强设备的常规测试，及时消除了部分设备的安全隐患，避免了一些重大事故的发生。
根据国家电力监管委员会发布的电力可靠性指标，全国电网2004年供电可靠率为99.82%，2005年供电可靠率为99.766%，2006年供电可靠率为99.849%，这与发达国家的供电可靠率99.99%相比仍有非常大的差距。
长期以来，我国电力系统的电力设备检修策略主要采用以时间为标准的定期维修。
虽然定期维修一般可在维修时发现设备存在的缺陷，对保证设备的安全和经济运行发挥重大作用，但是，定期维修存在“过剩”和“不足”的缺陷，导致了维修费用的浪费和设备可靠性的下降，因此，国内对从定期维修制到状态维修制的转变表现出了普遍的关注[4]。
从以停电进行预防性试验为基础的预防性维修逐步过渡到以在线监测为基础的状态维修，是电力系统发展的必然趋势，而能否对电力变压器的运行状态进行在线监测及故障诊断则是实现状态维修的关键。
虽然在设计大型电力变压器时，要求它具有相当高的耐热等级、足够的电气强度、优良的机械性能及良好的工艺性，但制造过程中的偶然因素加上运行过程中的电磁力、热应力、湿热环境、环境污染等会造成其性能逐渐劣化，而且这种劣化过程具有不可逆和不断加速的特性。
大量资料表明，变压器绝缘性能的劣化是导致事故发生的主要原因。
据1984年至1986年间我国110kV及以上的电力变压器事故分析表明，由于绝缘劣化引起事故的台数占事故总台数的68%，事故容量为总事故容量的74%，而1990年的统计分别是76%和65%[5]。
1.3变压器故障诊断技术的发展
1.3.1专家系统
专家系统（ExpertSystem）是一个智能计算机程序系统，是人工智能中最活跃的一个应用领域。
它是一个具有大量的专门知识与经验的程序系统，它根据某领域多个专家提供的专业知识进行推理和判断，模拟人的决策过程去解决通常需要专家才能解决的复杂问题。
Riese在1986年公布的TOGA系统是最早用于电力变压器故障诊断的专家系统，不久就有许许多多相似的系统被应用到各种实际工程中[6]。
开发专家系统需要有丰富经验的专家共同参与，合作完成。
考虑到变压器故障诊断的专业性、经验性以及复杂性，尽管人们在电力变压器绝缘故障诊断专家系统的开发中取得了一些研究成果，但同时也存在一定的问题，主要表现在如图1-1所示[7]:
图1-1专家系统的缺陷
1.3.2人工神经网络
人工神经网络（ArtificialNeuralNetwork，简称ANN）是20世纪80年代以来人工智能领域兴起的研究热点。
它是在现代神经科学研究成果的基础上提出的，试图通过模拟大脑神经网络处理、记忆信息的方式进行信息处理。
最近十年，人工神经网络的研究工作不断深入，它以非线性并行处理成为主流，人工神经理论的发展，为故障诊断提供了新的途径。
国内外学者和专家利用概率神经网络、结合遗传算法的多层前馈网络、基于竞争学习理论的自组织网络等建立了相应的故障诊断神经网络模型，对变压器故障诊断进行了新的探索[8]。
1.3.3变压器DGA技术
变压器油中溶解气体分析（DissolvedGasAnalysis，简称DGA）是变压器内部故障诊断的重要手段，它为间接了解变压器内部隐患提供了技术支持。
DGA技术对发现变压器内部潜伏性故障及其发展趋势非常有效，因此在电力设备预防性试验中占据重要位置。
目前，110kV及以上等级的大型电力变压器主要是采用油-纸绝缘结构，在其老化过程中和故障初期，油中溶解了由于油纸绝缘劣化所产成的气态化合物（低分子烃、氢气以及碳的氧化物等），利用色谱技术进行定量分析各气体的成分含量和产气快慢推断故障类型及故障危害程度，进一步判断设备内部情况，这就是变压器溶解气体分析技术[9]。
我国电网中有一半以上的故障变压器都是通过变压器DGA技术检查出来的。
DGA的数据采样不需要停电，不受外界电磁因素的影响，廉价，而且技术先进，数据精度高。
DGA技术作为系统中对充油电力设备常规使用的监测手段，因其可以及时发现变压器内部存在的潜伏性故障而得到普遍应用。
2变压器的故障类型及诊断方法
2.1电力变压器的类型与结构
电力变压器的主要作用是在电力系统中调节电压，它是各类型变压器中被广泛应用的一种变压器，它包含许多其它不同的类型，如图2-1所示：
图2-1电力变压器分类
从电力变压器的各类型可以看出，大型电力变压器基本都是油浸式的，油浸式电力变压器的主要结构如图2-2所示。
图2-2油浸式电力变压器的结构
本文以下内容所指电力变压器均为油浸式电力变压器。
2.2电力变压器的绝缘结构
国内外生产的电力变压器的主绝缘大多采用油-纸绝缘结构。
绝缘油是天然石油经过蒸馏、精炼而获得的一种矿物油，它是由各种碳氢化合物所组成的混合物，其中C、H两元素占全部重量的95%以上，其余还有S、N、O及少量的金属元素等。
电力变压器的绝缘结构系统如图2-3所示。
图2-3变压器绝缘结构
2.3变压器故障的原因与种类
2.3.1变压器故障的原因
变压器是由一次绕组、二次绕组和铁芯等三个基本部件组成的。
造成变压器故障的原因很多，概括而言有以下几个方面：
（1）设计制造工艺方面
选用规格不当（包括变压器绝缘等级选择错误；所选电压等级、电压分接头不当等）；制造不良，纸板质量差，变压器密封结构不合理（空气和水分进入变压器；绕组变形等）。
（2）运输安装方面
运输不当产生的问题；装卸和包装过程不当；现场安装质量不过关等。
（3）运行维护方面
安装不良和保护设备选用不当；检修致使变压器受潮；过负荷；与外部导体连接松动、发热；对各种附件、继电器等维护、检修不当等。
（4）正常老化及突发事故
绝缘材料正常老化；异常过电压影响；外部短路引起故障；自然灾害及外界因素影响等。
2.3.2变压器故障的种类
大型电力变压器的故障情况复杂而且种类繁多，电力变压器常见故障的划分方法通常有：
（1）
（2）
（3）
（4）
从对国内359台故障变压器的故障类型进行的统计（如表2-1所示），可以看出运行中电力变压器的故障主要有过热性故障和高能放电性故障。
表2-1变压器故障类型的统计
故障类型
热性故障
电性故障
热性兼电性故障
受潮或局部故障
台次
226
90
36
7
比率%
63
25.1
10
1.9
2.4电力变压器油中溶解气体分析
2.4.1电力变压器内气体析出的原因
电力变压器中，绝缘材料有两部分:
一是液体绝缘材料--变压器油；另一种是固体绝缘材料--各种油浸纸、电缆线、绝缘纸板、白纱带、黄腊等。
绝缘油是天然石油经过蒸馏、精练而获得的一种矿物油。
物质分子是原子以化学键构成。
绝缘材料的正常劣化只会析出极少量的低分子烃类甲烷、乙烷等以及二氧化碳，一氧化碳等气体。
但是在热或电气故障复杂情况下，这些碳氢化合物的分解过程，主要是C-H键和C-C链的断裂，生成活泼的氢原子和短链碳氢化合物，这些游离的原子因相互结合可生成气体:
氢气（H2），甲烷（CH4），乙烷（C2H6）等等，也可化合成新的缩聚的分子，进一步的分解和重排形成乙烯（C2H4）及乙炔（C2H2）这样的产物，直至生成中碳链的碳氢化合物分子[10]。
2.4.2变压器内部故障类型与油中溶解气体含量的关系
变压器不同故障类型产生的气体组分，不同的故障类型产生的主要气体组分也不相同。
如表2-2所示[11]：
表2-2电力变压器不同故障类型产生的气体
故障类型
主要气体成分
次要气体成分
油过热
CH4，C2H2
H2，C2H6
油和纸过热
CH4，C2H4，CO，CO2
H2，C2H6
油纸绝缘中局部放电
H2，CH4，CO
C2H2，C2H6，CO2
油中火花放电
H2，C2H2
无
油中电弧
H2，C2H2
CH4，C2H4，C2H6
油和纸中电弧
H2，C2H2，CO，CO2
CH4，C2H4，C2H6
2.4.3三比值法
国际电工委员会（IEC）和我国国标推荐用C2H2/C2H4，CH4/H2，C2H4/C2H6这三个比值大小来判断变压器存在的故障情况，称为三比值法。
表2-3和表2-4是我国GB7252-2001推荐的改良三比值法的编码规则和故障类别判断方法[12]:
表2-3三比值法编码规则
气体比值范围
比值范围的编码
C2H2/C2H4
CH4/H2
C2H4/C2H6
＜0.1
0
1
0
≥0.1~＜1
1
0
0
≥1~＜3
1
2
1
≥3
2
2
2
表2-4三比值法故障类型判断方法
编码组合
故障类型
故障实例（参考）
C2H2/C2H4
CH4/H2
C2H4/C2H6
0
0
1
低温过热
（低于150℃）
绝缘导线过热，注意CO和CO2的含量以及CO2/CO值
2
0
低温过热
（150-300℃）
分接开关接触不良，引线夹件螺
丝松动或接头焊接不良，涡流引
起铜过热，铁芯漏磁，局部短路，
层见绝缘不良，铁芯多点接地等
2
1
中温过热
（300-700℃）
0，1，2
2
高温过热
（高于700℃）
1
0
局部放电
高湿度、高含气量引起油中
低能量密集的局部放电
1
0，1
0，1，2
低能放电
引线对电位未固定的部件之间连续火花放电，分接抽头引线和油隙闪络，不同电位之间的油中火花放电或悬浮电位之间的电花放电
2
0，1，2
低能放电兼过热
2
0，1
0，1，2
电弧放电
线圈匝间、层间短路，相间闪络、
分接头引线间油隙闪络、引起对
油箱壳放电、线圈熔断、分接开
关飞弧、因环路电流引起电弧、引线对其他接地体放电等
2
0，1，2
电弧放电兼过热
大量实例及分析表明，三比值法存在以下不足[13]：
（1）三比值法推荐的编码组合由典型事故统计分析获得，由于电力变压器内部故障非常复杂，在实际应用中常常出现不包括在表3范围内编码组合所对应的故障类型，使判断无法进行；
（2）只有当油中各气体含量与正常值相差足够大或超警戒值，并且确定变压器内部确实存在故障后，才能用三比值法判断故障性质，而对油中各气体组分含量正常的电力变压器，其比值没有意义，如果变压器不存在故障的情况下使用三比值法，就有可能对正常的电力变压器造成错误的判断；
（3）在实际应用中，当有多种故障联合作用时，可能在表中找不到相应的比值编码，同时在三比值编码边界模糊的比值区间内的故障，往往容易误判；
（4）三比值法不适用于气体继电器里收集到的气体分析诊断故障类型；
（5）当故障涉及固体绝缘的正常老化过程与劣化分解时，将引起CO和CO2含量地明显增长，表3中无此编码组合，此时要利用CO2/CO比值配合诊断；
（6）由于故障分类存在模糊性，一种故障状态可能引起多种故障特征，而一种故障特征也可在不同程度上反映多种故障状态，因此三比值法
升级会员 