摘要：电网的安全与稳定在一定程度上会受到电气设备故障的影响，而电气设备故障率比较高的就是变压器内部绝缘，所以针对变压器故障的科学诊断是非常有必要的。为此，本文就从变压器自身环境与电力网络环境两个不同角度，简单探析了变压器故障诊断技术，希望可以为相关从业者提供一些参考借鉴。
关键词：电力网络；变压器故障；诊断
引言：根据现阶段电力系统中变压器故障诊断的现状来看，其故障的预测方式还是以人工判断为主，即就是工作经验丰富的检修人员，根据自己过去所积累的经验来判断变压器的故障，一般主要是根据设备的运行声音以及设备外观进行查看来进行，并通过与相关数据的结合来判断设备的运行情况是否良好。然而，由于现如今电力系统自动化的发展，设备的运行数据不仅数量多，种类也多，如果单纯依靠检修人员自己进行判断，不仅工作效率低下，还会存在结果的准确性与时效性不足的问题，无法满足当前工作的需要。为此，就需要基于理论研究，积极应用智能预测、模式识别以及大数据等，来科学、有效诊断故障，使变压器故障诊断技术更加全面。
因为电力设备和电网环境之间有着比较复杂的关系，根据全面性原则，笔者就分别从变压器自身环境和电力网络环境下探究了变压器故障诊断技术，具体内容如下。
一、变压器自身环境下变压器发生故障诊断方法
在电力系统当中，电力变压器是一个十分重要的输变电设备，对电力系统的安全以及稳定有着关键作用，但是变压器会比较容易出现故障，其故障诊断也较为复杂。在长时间的运行过程中，变压器会由于内部绝缘材料的老化以及其他原因，导致变压器的故障出现。为此，笔者就先从变压器自身环境下的角度来探析故障诊断的方法。
1.灰靶模型
绝缘油与绝缘纸是变压器自身内部环境中两种主要的绝缘性材料，在出现故障的时候，这些内部的绝缘性材料会在短时间内被热与电的共同作用而进行快速分解，产生二氧化碳等气体，其中特征气体会有H2、CH4等，这些特征气体很多会被溶解。所以，在变压器自身环境下对其故障的诊断以及识别研究，就可以从探索变压器油所溶解的气体含量和比例入手。
在实际诊断变压器故障的时候，变压器出现故障的机理中对于单一要素所直接导致的故障尚未完备，变压器油所溶解的各种气体，它们之间的催化关系相对模糊，不能确定各种气体的产生是由于什么故障所造成。所以，在识别、判断电压器故障时，是一个信息不完整的“信息贫匮、样本量小以及不确定性”的灰色系统。
构建灰靶理论模型的原理，即就是在没有准确的模式下进行灰靶的设置，并通过灰靶理论来寻找靶心，也就是标准模式。然后，将标准模式与需要评估的各指标模式进行对比，并对这些待评估的指标状态进行等级划分。基本的步骤就是，标准模式的建立，就是变压器正常运行的状态；灰靶变化指标模式；对模式与指标间的灰关联系数进行计算；对变压器状态模式靶心度进行计算；判断和识别其状态模式。最后对其进行评判，主要划分为较轻微故障、中度故障、重度级别故障以及灾难级故障四个等级。
同时，可以考虑在灰靶理论的基础上，来运用加权的灰靶理论加权计算各指标。对于权的确定，一般是结合评估对象结果受到各指标的影响程度来进行，如果靶心度受到各指标所产生的影响相同，是不合理的。因为模式靶心度受到各指标影响的程度有着一定的差异，就需要通过贡献度差异分析靶心度的影响程度。加权灰靶理论的基本步骤，标准模式的建立；灰靶变换指标；对模式与指标之间的关联系数进行计算；指标贡献度的计算；靶心度的计算；判断识别变压器状态模式。
2.人工神经网络
因为变压器故障发生的机理相对比较复杂，并且特征气体在变压器油中的溶解组成成分、组成含量以及所发生故障之间的关系不够明确，就需要利用人工神经网络来找到准确的映射关系。其主要是依靠人工神经网络具备的自适应、可并行分布处理以及容错性强等优点，来准确判断它们三者之间的联系，在诊断多故障多模式的过程中，这是一种非常重要的方法。
不过，BP神经网络有着处理结果容易出现局部极值、收敛速度慢以及不容易确定网络结构等问题，而通过遗传算法就可以有效改善这些缺陷，它具有很好的优化能力以及搜索信息能力。
二、综合考虑电力网络环境下故障发生诊断方法
在诊断变压器故障的过程中，如果从变压器自身的环境下考虑单一个体的运行情况，没有故障情况从电力网络环境全局进行考量，就会造成起完备性的不足。所以，就需要加强研究电力网络环境下的变压器故障诊断技术。对此，笔者就从以下几个当面进行了简单探讨：
1.潮流计算
电流或功率在电力系统的正常运行过程中，会在电源电势的作用下由电源源头出发，经过各元件到达负荷，最终分布在电力网络的各处。如果某个节点出现故障或者过载的情况，就会重新分布电力系统中的潮流，而这样就会对全局造成非常严重的影响，使其他支路的电力变压器出现越限，或者导致其故障。
为此，在诊断变压器的故障的时候，就可以将潮流作为研究的对象，根据潮流在断线扰动与过负荷下的分布情况，来建立相应的模型。在电力系统变压器出现故障的时候，就可以基于这一模型来分析故障的产生部位，以此来提升诊断的有效性。
2.复杂网络
一是，变压器关键节点在复杂网络下的脆弱性分析。电力变压器是电网中十分重要的节点，其在网架结构的重要程度是不可替代的，它的运行情况是否良好会直接关系到电网的安全以及稳定，而在评估与故障诊断变压器的时候，其结果也会受到电网网架结构运行的情况影响。
电网中的发电机、变电站等设备会在传统的电网稳态分析过程中当做网络中的等效节点。不会考虑到关键设备的接线方式以及电网的接线模式，不过这些假定会在一定程度上限制到所得图型的有效性产生，有效度量也会受到影响。所以，要想能够全面判别系统中的薄弱元件，就需要先建立一个与实际等效模型。
二是，变压器安全性评估在复杂网络下的新方法。有较多的新方法可以被应用于变压器本体在复杂网络下的安全性评估。分布函数构建网络模型的构建是以威布尔部分失效概率为基础，其中复杂网络模型根据参数的不同，分为三个不同的网络模型，即随机网络模型、小世界网络模型以及无标度网络模型。如果网络中变压器节点处于稳定和故障两种状态，就可以利用概率模型对分系统进行分析，并对此进行分类，这样就可以为诊断的合理性奠定坚实的基础。
3.随机矩阵
输变电设备的状态指标比较多，而且会与自然条件环境、电网的运行以及指标值的变化等有着密切的关联，为了可以将评估输变电设备状态的准确性、及时性进行提升，就需要根据实际需求，通过大数据分析技术来挖掘有效数据，提取有效信息。但是传统的分析方法都有着较差的应用效果，需要通过高维随机矩阵理论来构建大数据模型，来评价输变电设备功能，对其运行的情况进行监测。具体的过程就是利用大数据模型来分析相关的数据，来判断设备的情况是否存在异常，尤其是设备的关键性能有没有出现故障，这个评价依据是从数据的关联以及演变过程的角度进行的。
结束语：综上所述，变压器故障的诊断是确保电网稳定、安全运行的重要因素，而要想提高变压器故障诊断的科学性、合理性以及准确性，就需要结合当前电力行业的发展，对电力网络环境下的变压器故障诊断技术进行深入研究，以此来提升故障诊断的智能化水平，更好促进我国电力事业的发展。
参考文献：
[1]杨启平, 薛五德, 蓝之达. 变压器故障诊断技术的研究[J]. 变压器, 2016, 39(10).
[2]许永建. 变压器故障诊断技术研究[D]. 南京理工大学, 2017.
[3]孙斌. 电力变压器故障诊断技术的研究[D]，2016.