变压器厂家：变压器故障测试与判断

特高压变压器是交流特高压（UHV）工程的关键设备之一。随着晋东南-南阳-荆门百万伏级交流输变电工程的启动，对特高压变压器采用相对完备的监测技术，建立可靠的故障检测与诊断平台，有助于在设备故障发展早期提前发现危害设备运行的潜伏性故障，防止突发性事故的发生，并为今后的检修提供必要的技术支持。
　　电力变压器发生故障的部位多，原因、现象复杂，单一的检测手段无法避开自身方法的不足，易出现判断盲区；且目前很多监测、诊断方法仍大多局限于气相色谱分析，最终的判断结果仅能给出故障所表现的征兆，而不能实现故障定位，对维修策略的制订缺乏指导意义；故障诊断中的专家经验也都未能信息化。针对这种现状，本文尝试将色谱数据和电气试验数据、人工智能与专家分析、理论计算与经验分析结合起来，建立起特高压变压器故障监测与诊断信息化决策平台。
　　1平台的结构
　　本文提出的特高压变压器故障监测与诊断信息化决策平台共分4大模块：数据预处理模块；故障性质初级诊断模块；基于支持向量机、专家系统与专家网络会议的故障定位模块；证据推理融合诊断模块。
　　首先数据由开放式数据库登录，并由数据预处理模块对色谱、电气试验数据进行处理；再将处理后的数据送入故障性质初级诊断模块初步确定变压器是否故障及故障性质；确定故障性质后，数据送到故障定位模块，分别以基于支持向量机、专家系统的智能方式及召开专家网络视频会议的人工方式对故障分析、定位，最后由证据推理融合诊断模块综合各方面意见，得出最终诊断结论。
　　2平台的各模块原理
　　2.1数据预处理模块
　　数据预处理模块包括全国互联开放式数据库和参数预处理。前者是整个平台的基石，它不仅用于接收全国各地发送到平台的待诊断变压器数据，且为各诊断模块提供样本库，知识库和案例库，其有效利用了实践中的变压器故障诊断实例及数据，为诊断模块提供了充分的支持，更为变压器故障异地诊断创造了条件。后者则根据各个诊断模块的要求，将原始数据规范化处理，方便诊断模块的计算。
　　2.2故障初级诊断模块
　　变压器故障诊断有很多手段与方法，其中油中溶解气体分析（DGA）技术是全世界广泛认可的预防充油电气设备故障最有效和费用最低的方法之一。故对特高压变压器采用DGA技术作为变压器故障初级诊断的手段是非常可行与必要的。
　　作为变压器故障初级诊断模块，该模块并不需要精确判定故障性质、部位。它只要能够根据上一级模块送过来的气体组分含量数据初步判断变压器是否故障，大概故障性质即可。如果故障初级诊断模块判定变压器存在故障，那么色谱数据、电气数据和历史数据都被调到故障定位模块，进一步分析定位，反之认为变压器正常，结束诊断。故本文提出变压器故障初级诊断模块仅接收色谱试验数据，根据DGA技术对变压器故障进行初步判断。
　　2.3故障定位模块
　　特高压变压器制造工艺不成熟，运行检修经验缺乏；且变压器的运行环境复杂，变压器故障和绝缘损耗常常伴有气体、温度、声波等物理量变化，这些不利因素给故障诊断造成了很大不确定性和困难。
　　现有的各种故障诊断方法又具有局限性，如能将各种方法取长补短，势必能够极大的提高变压器故障诊断的正确率，故将支持向量机、专家系统及专家网络视频会议几种方式结合，从不同的侧面对变压器进行故障分析定位，从而得到更全面的诊断效果。
　　2.3.1支持向量机
　　支持向量机（SVM）是一种新的基于统计学习理论的机器学习方法，具有严格的数学基础，因其建立在结构风险最小化准则上，从而使得支持向量机分类器具有较好的推广能力，并已在故障诊断方面得到了广泛的实际应用。将色谱与电气试验数据相结合，选取C2H2/C2H4，CH4/H2，C2H4/C2H6，绕组直流电阻不平衡率，变比变化率，铁心绝缘电阻，空载损耗实测值与出厂值之比，局部放电，介质损耗为输入空间。7种常见故障部位：①铁心多点接地；②漏磁引起金属发热；③线圈匝间短路；④分接开关接触不良；⑤绕组引线接触不良；⑥围屏放电；⑦变压器受潮为输出空间。
　　因单个SVM分类器只能解决两分类问题，故采用6个子SVM分类器构成多层二叉树分类器进行模式识别。多层二叉树的分类器先将所有故障类型分成两个子类，再将子类进一步划分成两个次级子类，如此循环直到所有的节点都只包含一个单独的类别为止，此节点也是二叉树中的叶子，这样就得到一个倒立的二叉分类树。该方法将原有的多类问题同样分解成了一系列的两类分类问题，其中两个子类间的分类算法采用二值SVM.对于6个子SVM分类器的训练样本的组成，可用各中试所发送到开放式数据库中经过吊芯检查明确故障点的变压器试验(环保环境试验设备市场前景十分广阔)数据（>110kV）.
　　2.3.2专家系统
　　因变压器故障的复杂性和不确定性，故很难建立精确数学模型，专家系统解决此类问题有独特优势已广泛用于故障诊断领域。本文专家系统有知识库、推理机和人机接口3部分。
　　知识库由数据库，规则库与案例库组成，而这3者均可搭建在全国互联开放式数据库上。数据库存放有变压器故障原始数据，中间结果及求解结果信息。规则库包含一组产生式规则，它们是推理机进行逻辑推理的根据。这些规则可表示为IF（前提）和THEN（结论），把变压器试验数据和变压器故障联系起来。案例库包括案例的表示、组织和检索等。
　　变压器故障案例的表示就是对变压器故障尽可能详细地描述，包括故障的直接原因和故障特征等。变压器故障案例的组织是在变压器故障案例表示的基础上，根据故障案例的特征和检索的需要，对故障案例整理、归类和统计。故障案例的检索是根据一定的检索策略找到与待诊断的相似案例。
　　推理机是专家系统的核心部分，是专家系统解决问题的基本方法。其主要是依靠对知识库的搜索，将系统获取的信息与知识库的规则与案例进行匹配来实现。人机接口用来方便专家系统和用户间的交流。它收到用户的请求后，进行推断、更新系统数据和启发式规则，也向用户发送信息。
　　2.3.3专家网络视频会议
　　专家网络视频会议系统可实现多人对多人交流。专家也可由此系统实现一对一，多对多的视频交流。专家不但可和其他专家语音交流，还可由系统实现图文演示、声音演示、网络投票等功能。
　　2.4综合诊断模块
　　在故障定位模块中，采用了3种手段对变压器故障进行分析定位，即支持向量机，专家系统，人类专家通过视频会议讨论。这3种手段所提供的诊断结果即证据都有一定程度的不确定性。综合考虑这3种手段给出的诊断结果，得到最终结论的过程，实际为一个不确定性推理的过程。证据推理以其在不确定性的表示、测量和组合方面的优势及能在不同抽象层次上应用的特点而倍受重视。本文也采用证据推理方式对多种故障定位手段给出的诊断意见进行证据合成得出最终的诊断结果。其过程为：①构建诊断系统的识别框架与证据体诊断系统的识别框架应为各故障子空间的并集。故故障定位模块中3种诊断手段的输出空间并集即为诊断系统的识别框架。每种诊断手段的输出作为一个独立的证据体。②对各证据体进行基本概率分配用证据理论解决上述证据合成问题时，识别框架为Θ={A1，A2，…，AM}，其中Ai，i∈{1，2，…，M}为不相交的子集，此时也就是前文所述的M=7种故障部位。
　　N个独立分类方法的集合E={e1，e2，…，eN}，因本文只用3种分类方法，故N=3.每种方法的输出就是一个证据，根据分类方法的性能指标，每个证据的不确定性表征即基本概率分配可定义为：若分类方法ek完全不知道模式x所属类别，则有mk（Θ）=1，对任意的A≠Θ，mk（A）=0；若分类方法ek将模式x识别为某种类别，则根据ek的正确识别率，其基本概率分配为mk（A）=ε（k）r，mk（Θ）=1-ε（k）r，其中ε（k）r为分类方法ek的正确识别率。通常，可先用一定量的样本，分别对支持向量机与专家系统进行测试，得到其正确识别率，然后将此正确识别率设定成其基本概率分配。至于“专家网络视频会议”的基本概率分配，可视情况将其设定成（0，1]中合适的值。③综合诊断输出结果若所有的分类方法均无法识别模式x最终结论应为无法判断；若某分类器的正确识别率为100，由D2S组合规则可知，此分类方法的结果就是组合后的结果，其它分类方法输出对最终组合结果无任何影响。如当只考虑人类专家的意见，忽略其它诊断方法的结论时，可以将“专家网络视频会议”的正确识别率设定为1.
　　对于一般情况可先把支持同一假设的各分类方法的信息组合起来。设N′（N′为剔除拒识的分类方法后，所有分类方法总数）个分类方法中有Si个分类方法支持假设Ai，i∈{1，2，…，M}，融合Si个支持同一假设的证据后所得新证据的BPA为：mSi（Ai）=1-∏Sij=1mij（Θ），（1）mSi（Θ）=∏Sij=1mij（Θ）。
　　（2）组合N′个分类方法中支持同一假设的证据后，即得到支持不同假设的互斥新证据。令|Si|=1，Si≠00，Si=0，那么R=∑Mi=1|Si|，R就是互斥证据的数目。根据D2S合成法则，可计算出R个互斥证据组合后新证据的BPA，也即是分类方法集合中所有分类方法信息融合结果。因组合后的新证据的焦元为单元素集，故有Bel（Ai）=mN（Ai），mN（Ai）就是所有证据组合后新证据的BPA.有了待识别模式属于每一类别的信任度Bel（Ai），由决策规则就可得到综合诊断模块的输出结果[15]。
　　E（x）=i，Bel（Ai）=maxBel>α，拒识，（3）其中0<α<1是阀值，折衷在误识率和拒识率间。
　　3仿真实例
　　因目前尚无实际运行的实验数据，故以>110kV的变压器数据测试。充分考虑到变压器型式、容量、运行环境等因素的影响，搜集了700组不同制造厂生产>110kV、经吊芯检查有明确结论的变压器故障数据（包括色谱数据与电气试验数据），并精心选取500组为训练样本，对故障定位模块中的支持向量机分类器进行训练，然后，另选的100组数据组成测样本。分别对支持向量机与专家系统进行测试，得到其正确识别率，然后将此正确识别率设定成其基本概率分配，并根据需要对“专家网络视频会议”的基本概率分配设置适当的值。再选100组数据对本文提出的平台进行测试。
　　4结论
　　本文提出建立以全国互联开放式数据库为支持，基于证据推理的特高压变压器故障监测与诊断的信息化决策平台。该平台包括4大模块：数据预处理模块，故障性质初级诊断模块，基于支持向量机，专家系统及专家网络会议诊断的故障定位模块，证据推理融合诊断模块。
　　实例分析表明，该平台充分利用色谱数据和电气试验数据的互补信息，运用D2S证据理论，有效的综合了不同机理的多种诊断方法、手段，使得故障诊断、定位的正确率以及自动化程度有了显著的提高，对现场变压器故障的诊断或维修策略的制定都具有现实意义。