引言

準(zhǔn)確診斷變壓器潛伏性故障,有針對性地開展運(yùn)維工作對于維護(hù)電網(wǎng)安全運(yùn)行意義重大。油浸式電力變壓器在發(fā)生潛伏性故障時,其絕緣油會因?yàn)楦邷鼗蚍烹娔芰慷l(fā)生裂解,產(chǎn)生的特征氣體可以用于開展故障診斷。油中溶解氣體分析(dissolvedgasanalysis,DGA)技術(shù)是診斷變壓器故障類型的常用手段,目前已形成了以改進(jìn)IEC三比值法與IEEE標(biāo)準(zhǔn)為代表的具備工程實(shí)際意義的方法。然而,此類方法對不同故障類型采用相同的氣體比值指標(biāo)進(jìn)行診斷,可能存在氣體信息的冗余或缺失,這使得這類傳統(tǒng)方法在診斷準(zhǔn)確率方面仍然存在提升的空間。

為了解決上述問題,覃煜等使用模糊聚類尋找故障數(shù)據(jù)集聚類中心作為標(biāo)準(zhǔn)故障數(shù)據(jù):董卓等使用主成分分析降低DGA數(shù)據(jù)維度,降低數(shù)組間的不相關(guān)性。這些方法在一定程度上考慮了故障類型與氣體產(chǎn)物之間的聯(lián)系,但是在數(shù)據(jù)樣本中并未能建立"氣體產(chǎn)物-故障類型"的對應(yīng)關(guān)系。此外,人工智能算法被用于解決這類問題時,其往往使用全部DGA數(shù)據(jù)作為輸入樣本,同樣未考慮到特定故障與相應(yīng)產(chǎn)物之間的聯(lián)系。

本文選擇使用變異系數(shù)尋找對應(yīng)于特定故障類型的有效特征氣體,通過分析兩者的關(guān)聯(lián)情況建立"氣體產(chǎn)物-故障類型"關(guān)聯(lián),主要考慮以下6種變壓器運(yùn)行狀態(tài):正常運(yùn)行、低能量放電(LED)、高能量放電(HED)、中/低溫過熱(MLT,l<700℃)、高溫過熱(HT,l>700℃)以及局部放電(PD)。本文通過計(jì)算對應(yīng)五類故障的DGA氣體比值的變異系數(shù),并根據(jù)系數(shù)的相對大小獲取相應(yīng)診斷指標(biāo)。在驗(yàn)證性試驗(yàn)中,使用56組故障狀態(tài)下的DGA數(shù)據(jù)作為輸入樣本,其中,改進(jìn)IEC三比值法、Duval三角形法分別使用對應(yīng)導(dǎo)則推薦的指標(biāo),而SVM與BPNN使用本文建立的新故障指標(biāo)。結(jié)果表明,本文篩選得到的新指標(biāo)在診斷中具備較高的穩(wěn)定性與故障診斷準(zhǔn)確率。

1變異系數(shù)的原理與應(yīng)用

對于本文規(guī)定的5種故障類型,出現(xiàn)的絕緣油化學(xué)裂解可以統(tǒng)一描述為:

其中,主要的烴類氣體為CH4、C2H4、C2H6、C2H2。而由于碳氧化合物含量較低且故障指向能力有限,故不對其進(jìn)行分析。根據(jù)故障類型不同,氣體產(chǎn)物將因?yàn)閍、:j數(shù)值的不同而存在一定的比例關(guān)系。

變異系數(shù)是一種用于評價集合內(nèi)不同屬性與集合關(guān)聯(lián)程度的歸一化度量,其計(jì)算過程由所分析樣本庫決定,不存在主觀意見。本文主要目的是使用變異系數(shù)尋找不同故障類型下的CbiHci氣體以及H2間的比例關(guān)系,所用變異系數(shù)的計(jì)算公式為:

式中,g為特定故障下一組氣體比值的標(biāo)準(zhǔn)差:μ為對應(yīng)氣體比值的平均值。

對于數(shù)據(jù)聚合程度高的氣體比值指標(biāo)而言,其包含的共同信息多,則相應(yīng)的變異系數(shù)小,反之亦然。故通過對l0組DGA氣體比值的變異系數(shù)進(jìn)行降序排序,即可得到各氣體比值與相應(yīng)故障的關(guān)聯(lián)程度。

2故障診斷指標(biāo)體系構(gòu)建與實(shí)例驗(yàn)證

2.1故障診斷指標(biāo)體系構(gòu)建

本文將建立5組診斷指標(biāo)以構(gòu)建潛伏性故障的指標(biāo)體系,并使用SVM與BPNN對故障與正常運(yùn)行狀態(tài)進(jìn)行分類。為保證數(shù)據(jù)的相對均衡,從公開資料中搜集到對應(yīng)五類故障的典型氣體數(shù)據(jù)20~30條[6]。

以HT故障為例進(jìn)行數(shù)據(jù)處理說明。根據(jù)5種DGA氣體可以計(jì)算得到l0組氣體比值數(shù)據(jù)集U{ratioi|i=l,…,l0},分別計(jì)算其變異系數(shù),結(jié)果如表l所示。參考IEC三比值法的指標(biāo)數(shù)量,選取變異系數(shù)相對較小的3個比值作為相應(yīng)的診斷指標(biāo)。為降低獲取氣體樣本過程中存在的系統(tǒng)誤差以及偶然誤差,本文為數(shù)據(jù)樣本添加2%的隨機(jī)噪聲,加噪后樣本比值ratio'為:

其中,ratio為計(jì)算得到的氣體比值,radomp∈[0,±2%],為區(qū)間內(nèi)的隨機(jī)數(shù)值。為避免數(shù)據(jù)信息的重復(fù)利用,出現(xiàn)A/B、B/C、C/A循環(huán)比值時,選擇使用系數(shù)值相對較小的第四項(xiàng)替代第三項(xiàng)的方法,以保證所用數(shù)據(jù)信息無缺失及無冗余。此外,由于乙炔氣體多出現(xiàn)于HED故障,可能出現(xiàn)于LED故障,而在過熱故障以及PD故障中不出現(xiàn)。為避免因乙炔氣體含量過低導(dǎo)致變異系數(shù)很小,進(jìn)而引起選擇錯誤指標(biāo),故舍棄MLT、HT以及PD故障中含有乙炔氣體的比值項(xiàng)。同理可得另外四類故障情形下的降序關(guān)聯(lián)排列情況,最終對應(yīng)五類故障的診斷指標(biāo)如表2所示。

2.2不同診斷手段效果對比

本文使用改進(jìn)IEC三比值法、Duva1三角形法、BPNN以及SVM開展變壓器故障診斷效果對比,其中,BPNN與SVM使用本文所選特征指標(biāo),所選數(shù)據(jù)均源于公開發(fā)表論文。診斷情況如表3所示,其中,改進(jìn)IEC三比值法在處理LED故障與PD故障時出現(xiàn)較大的失誤,主要原因在于該診斷導(dǎo)則中缺少0-1-1編碼,而出現(xiàn)這一編碼的實(shí)際DGA數(shù)據(jù)大量指向PD故障:該方法用于診斷LED故障時,多次出現(xiàn)誤診為HED故障的情況,這是由于這兩類故障下的氣體產(chǎn)物接近,根據(jù)產(chǎn)物得到的編碼結(jié)果難以準(zhǔn)確對兩類故障進(jìn)行區(qū)分。Duva1三角形法同樣出現(xiàn)診斷LED故障與PD故障效果較差的情形,主要是因?yàn)镻D故障在Duva1三角形法中所占區(qū)域極小,偶然數(shù)據(jù)波動就會導(dǎo)致被診斷為其他故障:而該方法用于診斷LED故障時,對應(yīng)于C2H4百分比的數(shù)據(jù)往往會超過導(dǎo)則要求的23%,這造成了大量的誤判結(jié)果。SVM與BPNN使用經(jīng)變異系數(shù)分析得到的診斷指標(biāo),其診斷準(zhǔn)確率明顯更高,這主要是因?yàn)橥ㄟ^篩選得到的信息更為完整,且不存在信息冗余的指標(biāo),從輸入樣本入手提高了SVM與BPNN所處理數(shù)據(jù)的質(zhì)量,故診斷準(zhǔn)確率相比傳統(tǒng)方法有較為明顯的提高,同時在處理中,使用三組指標(biāo)相比輸入全部DGA數(shù)據(jù)作為診斷指標(biāo)的時間成本更低。

由于使用相同輸入樣本的智能算法的診斷性能較為接近,故通過改進(jìn)智能算法的結(jié)構(gòu)與參數(shù)以求提高診斷準(zhǔn)確率的難度較高,且往往難以推廣,普適性較弱。采用分析帶故障標(biāo)簽的DGA數(shù)據(jù),尋找針對故障類型的診斷指標(biāo),從輸入樣本入手,提高智能算法所用訓(xùn)練樣本質(zhì)量,可以有效提高診斷效果。

3結(jié)語

傳統(tǒng)DGA技術(shù)在診斷變壓器故障時,所用指標(biāo)完全一致,未進(jìn)行故障指標(biāo)差異性分析。本文通過使用變異系數(shù)建立"變壓器故障類型-氣體產(chǎn)物"關(guān)聯(lián),根據(jù)系數(shù)相對大小獲取對應(yīng)于5種故障的氣體比值指標(biāo)。使用SVM與BPNN的驗(yàn)證結(jié)果顯示,本文所用方法的準(zhǔn)確率與穩(wěn)定性相比傳統(tǒng)故障診斷方法有了顯著的提高,具備實(shí)際應(yīng)用前景。