电力变压器常见故障分析及预防措施王姚明--中国期刊网

字体：大中小

首页> 原创作品> 正文

电力变压器常见故障分析及预防措施王姚明

发表时间：2021/3/26 来源：《电力设备》2020年第32期作者：王姚明

[导读] 摘要：文章以电力变压器为研究对象，本着最大限度降低故障消极影响，确保整个电网系统都能够在电力变压器的作用下实现安全、正常运行，围绕智能诊断方法在电力变压器故障识别中的应用展开了一系列深入的研究与探讨。

        （天津大唐国际盘山发电有限责任公司天津 301907）
        摘要：文章以电力变压器为研究对象，本着最大限度降低故障消极影响，确保整个电网系统都能够在电力变压器的作用下实现安全、正常运行，围绕智能诊断方法在电力变压器故障识别中的应用展开了一系列深入的研究与探讨。首先，从电力变压器理论角度对电力变压器常见故障进行了简单的概述，然后提出了电力变压器常见故障的预防措施。
        关键词：电力变压器；故障识别；预防措施
        引言
        1电力变压器常见故障分析
        电力变压器主要由闭合磁路以及环绕在磁路周围的边缘电路构成，即通常所说的铁芯、线圈。此外还包含了油箱、多种附件、变压器油等，分别起到机械支撑、保护、冷却散热、冷却绝缘等作用。其中油箱作为电力变压器的主体部分存在，无论是从油箱主体构造、功能来看，还是单纯地从油箱的容纳变压器油的角度来看，油箱都是电力变压器故障的主要产生源。这主要是由于变压器油本身主要成分为烷烃，环烷族饱和烃，芳香族不饱和烃等化合物。一旦发生诸如局部放电、火花放电、高温过热等故障，迅速产生的热量会导致这些成分化学键断裂，从而在化学反应下产生低分子烃类气体，这些气体可溶于油并导致油体产生杂质，从而影响变压器油性能导致故障的产生。因此，可以以油箱内外为界，对电力变压器故障进行范围划分。内部故障——绕组间短路、引出线外壳接地故障等；外部故障——油箱外绝缘套管故障、闪络短路故障、引出线相间故障。从性质上来讲，电力变压器内部故障主要以热故障、电故障为主。上述提到的局部放电、火花放电为常见的电故障，是变压器绝缘能力大幅度下降所引发的。热故障则是集中表现为局部温度快速升高出现高温过热的情况。
        2电力变压器常见故障的预防措施
        2.1专家系统诊断方法
        专家系统诊断方法是建立在交互性知识库的基础上，借助知识库丰富的信息体系，对故障诊断过程中涉及的各种不确定信息予以综合推理、分析，由此达到快速、准确判定复杂故障的目的。其中的知识库是在无数次的电力变压器故障诊断实践中，所逐渐积累起来的诊断知识、经验、教训，能够为变压器的故障诊断、分析、识别提供充足的数据信息支持，使检测者可以结合变压器故障表征、测量数据，在专家知识库的辅助下迅速找到最佳解决方案并建立故障识别系统模型。在整个专家系统诊断方法中，知识库尤为关键，知识库信息内容更新频率情况、人机交互界面友好性等都对诊断工作的顺利实施起到了关键性的影响。从整个体系来看，专家系统可以大致分为绝缘预防试验模块、潜伏性故障诊断模块、气体色谱跟踪分析模块3部分，能够对变压器运行过程中油箱内的油、气状态，电流运行情况以及部件情况等做出检测，并给出具体翔实的意见。专家系统诊断方法的优点就在于信息透明、应用灵活，且交互性功能的具备能够使检测者即便是在故障信息不全的情况下依然能够实现对故障的有效识别。但缺点也是极为明显的，目前专家系统的开发并未形成统一，Prolog、Delphi作为当前两大专家系统开发方，受各方面因素的影响，他们各自开发的专家系统接口协议存在差异，这就增加了系统运行的隐患。而冗长的程序代码、复杂的输入界面等更是大大增加了系统操作难度，不利于系统的后续升级优化。此外，对知识库的过度依赖，也不利于对更为多变、复杂故障情形的诊断，容易造成故障的错误识别。在应用专家系统对电力变压器故障进行识别的过程中，不仅要注重知识库的更新、系统的升级改造，更需要有选择地融合其他更为高级的智能诊断方法，在多种方法的共同作用下实现对复杂故障的准确、快速判定，由此来弥补专家系统的不足。
        2.2神经网络诊断方法

                         图1 二级故障检测
        人工神经网络诊断方法是建立在生物神经网络基础上模拟发展而来的一种新型的智能化网络处理系统，由大量人工神经元组成，其内部组织结构在很大程度上是仿造人脑神经系统而建立的，因此在功能上也带有智能化控制的特点。神经网络诊断方法是目前发展较为成熟且应用较广的一种电力变压器故障识别方法。神经网络诊断技术可以在各神经元相互协同的作用下实现对信息的集中处理，带有信息联想记忆、非线性映射、分类与识别等各项功能，在故障断、处理过程中，不仅能够帮助维修人员快速恢复变压器原始完整数据信息，同时还可以通过非线性映射数据模型的建立清晰地反映变压器气体成分含量、故障类型等。在所有智能诊断方法中神经网络诊断对电力变压器故障的识别带有良好的自组织性、自适应性，同时还具有极佳的泛化能力，可以被应用于各种故障的诊断与处理。在实际的应用中，神经网络诊断方法主要通过搭建模型的方式来进行故障的识别，可以搭建单一化的神经网络模型，亦可以在其他智能诊断方法的协同作用下搭建混合诊断模型，由此使人工神经网络诊断技术在不断吸收其他故障算法优势的基础上，变得更加敏捷、高效。
        2.3基于专家系统的二级诊断
        电力变压器故障机理极为复杂，通常利用积累经验制定相关规则，所以不能用常规数学模型进行描述。依据专家系统能够有效对人类专家的思维与学习过程进行描述，利用事例匹配获取问题的解，可将其应用于电力变压器故障检测。通过正向推理在事例库中找到和新事例匹配度最高的事例。在对电网变压器故障进行诊断时，结合元数据，通过专家系统完成诊断，流程图见图1 所示。
        因为人工神经网络一级故障检测初步框架检测结果可能只以一种故障为主，进行二级诊断时，可将故障类型划分成7 种，包括绕组故障、绝缘故障、热故障、铁芯故障、套管故障、油故障以及分接开关故障。其中，绕组故障一般分为绕组接地、短路、开路、接线错误; 绝缘故障指绝缘体在加热、加高压等外界条件的影响下，会被“击穿”转化为导体，从而引起故障; 热故障是由于热应力所造成的绝缘加速劣化，通常具有中等水平的能量密度。通常，热性故障按温度的不同分为低温过热、中温过热和高温过热三类。热性故障主要是由铁心漏磁、多点接地、叠片间短路，引线夹件螺母松动或接头焊接不良，分接开关接触不良，油流阻塞等原因引起的;专家系统通过匹配的方式对事例进行查找，获取故障检测结论。如果无法获取匹配的关系式，那么不进行映射检测，依据人工神经网络得到的一级故障检测结果即可被当成最终故障检测结果传输至用户。
        结束语
        综上所述，智能诊断方法依托强大的计算机技术、电子技术，能够有效实现对电力变压器绝缘的在线监测。同时结合计算机人工智能所赋予的专家系统、人工神经网络、模糊理论等算法，能够最大程度地促进电力变压器故障诊断准确率的提升，由此使电力变压器故障能够一直处于可掌控范围内，保障电力系统的安全、稳定运转。在未来的工作中，要继续加强对智能诊断技术的研发力度，深入结合电力变压器故障发生原理的分析，进行计算机人工智能技术的深挖，促进智能诊断方法能够被更好、更充分地运用到电力变压器故障识别中。
        参考文献：
        [1]闫东明.探究水电厂发电机、变压器保护特点及配置方法[J].中国设备工程,2020(24):118-119.
        [2]顾亚斌.配电变压器微机保护整定原则及调试分析[J].决策探索(中),2020(12):62.
        [3]刘攀,张波,董燕丽,成慧翔,李凯丽.电力变压器保护系统研究及仿真[J].中国设备工程,2020(23):41-42.
        [4]蒋慧勇.智能诊断方法在电力变压器故障识别中的应用[J].江苏科技信息,2020,37(34):39-42.
        [5]汪明.浅谈变压器在线监测技术应用[J].设备管理与维修,2020(23):154-155.