一种电力变压器故障智能诊断技术、方法及设备的制作方法
【专利摘要】本发明公开了一种电力变压器故障智能诊断技术、方法及设备，涉及电力变压器故障智能诊断技术、方法以及基于上述技术、方法的智能诊断设备，所述智能诊断设备包括数据采集传输部分和管理及显示部分，其特征在于：所述电力变压器故障智能诊断技术、方法，包括油中溶解性气体分析诊断技术、局部放电在线监测诊断技术、红外测温诊断技术、振动分析诊断法、频率响应分析诊断法、绕组温度指示诊断法、低压脉冲响应测试诊断法进行故障智能诊断。本发明通过多参数的状态监测方法、综合多故障智能诊断技术及方法，给出可以诊断故障并找出位置的有价值的数据，然后消除造成缺陷的原因，减少停机时间和降低成本，达到电力变压器智能监测、智能诊断的目的。
【专利说明】一种电力变压器故障智能诊断技术、方法及设备
【技术领域】
[0001]本发明涉及一种电力变压器故障智能诊断技术及方法，属于电力主设备故障诊断【技术领域】。
【背景技术】
[0002]目前,在电能的传输和配送过程中，电力变压器作为能量转换、传输的核心，被广泛运用在发电厂、供电所、配电站等领域，是国民经济各行各业和千家万户电力来源的必经之路，是电网中最重要和最为关键的设备。电力设备的安全运行是避免电网重大事故的第一道防御系统，而电力变压器则是这道防御系统中最为关键的设备，对其安全可靠运行的要求是显而易见的。变压器的严重事故不但会导致自身的损坏，还会中断电力供应，给社会造成巨大的经济损失，特别是那些为大量用户供电的主要的和满负荷运行的变压器。而近年来，国民经济持续快速发展，也使电力短缺问题日益突出，电力设备超负荷运行已经接近运行极限，电力变压器在高电压下长期运行，受各种因素影响，如:过负荷运行、短路电流冲击等，性能逐渐下降。特别是长期运行后造成绝缘老化、材质劣化及预期寿命减少等情况，变压器小故障频发，大的灾难性事故也时有发生，安全问题突出。
[0003]再纵观如今电力变压器故障诊断的国内外现状，电力变压器故障诊断仍存在不少尚未得到彻底解决的问题，状态评估的科学性、故障诊断的准确度和故障预测的精度仍需进一步提高。电力变压器的状态评估、故障诊断和故障预测是不可分割的有机整体，将逐步形成相辅相成的故障诊断技术体系。
[0004]由于变压器复杂的绕阻结构，变压器里的缺陷和常见的问题很难被诊断出来或者找出位置，电力变压器状态评估由于受到多种自然环境因素、内部劣化和老化因素的随机性约束，影响评估结果的因素很多，且影响程度又不尽相同，实现绝缘状态的准确评估存在一定的困难。
[0005]对于不同性质的故障，绝缘物分解产生的气体种类和数量不同。另外，由于油中溶解气体相互制约关系的不确定性，且往往多种类型的故障同时发生。而目前的研究多集中在对单一故障的诊断上，缺乏对多故障诊断的研究。但单一预测方法，往往难以全面反映气体浓度的变化规律和各种故障气体浓度之间的相互影响，导致预测精度不高。因此，研究人工免疫算法的电力变压器故障诊断算法，在重点研究电力变压器多故障诊断的同时，需要进一步提高单故障诊断的准确率，以及采用分析各种故障气体浓度之间的关系，研究电力变压器故障预测的ARMA模型的多参量综合预测方法。
[0006]鉴于电力系统安全形势严峻，电力系统的安全问题已引起世界各国的普遍重视，我们必须加强电力变压器在线监测及故障智能诊断技术的研究。另外，通过多参数的状态监测方法给出可以诊断故障并找出位置的有价值的数据，然后消除造成缺陷的原因，减少电力变压器停机时间、降低成本。所以在线状态监测和故障智能诊断技术能阻止电力变压器无计划的停电和由缺陷引起的灾难性的事故，并且可实时监测变电站的老化程度，因此可以控制、预测和延长它的寿命。
【发明内容】
[0007]本发明所要解决的技术问题是，针对上述现状而提供一种能准确、智能诊断电力变压器故障的技术、方法及其设备。
[0008]本发明采用了如下技术方案。
[0009]一种电力变压器故障智能诊断技术、方法及设备，涉及电力变压器故障智能诊断技术、方法以及基于上述技术、方法的智能诊断设备，所述智能诊断设备包括数据采集传输部分和管理及显示部分，其特征在于:所述电力变压器故障智能诊断技术、方法，包括油中溶解性气体分析诊断技术、局部放电在线监测诊断技术、红外测温诊断技术、振动分析诊断法、频率响应分析诊断法、绕组温度指示诊断法、低压脉冲响应测试诊断法进行故障智能诊断。
[0010]通过对变压器在线监测，对变压器特征信号的采集和分析、判别出变压器的状态，以期检测出变压器的初期故障，运用上述技术、方法对电力变压器进行故障智能诊断。
[0011]上述油中溶解性气体分析诊断技术，是针对变压器内部不同的故障会产生不同的气体，因此通过分析油中气体的成分、含量、产气率和相对百分比，就可达到对变压器绝缘诊断的目的。几种典型的油中溶解气体，如H2、CO、CH4、C2H6、C2H4和C2H2,常被用作分析的特征气体。在检测出各气体成分及含量后，用特征气体法或比值法等方法判断变压器的内部故障。
[0012]上述局部放电在线监测诊断技术，是针对变压器在内部出现故障或运行条件恶劣时，会出现局部场强过高而产生局部放电(PD)。ro水平及其增长速率的明显变化，能够指示变压器内部正在发生的变化或反映绝缘中由于某些缺陷状态而产生的固体绝缘的空洞、金属粒子和气泡等。
[0013]上述红外测温诊断技术，是利用红外探测器接受被测目标的红外辐射信号，经放大处理，转换成标准视频信号，然后通过电视屏或监视器显示红外热像图。当变压器引线接触不良、过负荷运行等情况时都会引起导电回路局部过热，铁芯多点接地也会引起铁芯过热。
[0014]上述振动分析诊断法，是一种广泛用于监测这种变压器故障的有效方法。通过对变压器振动信号的监测和分析，从而达到对变压器状态监测的目的。
[0015]上述频率响应分析诊断法，是一种用于判断变压器绕组或引线结构是否偏移的有效方法。绕组机械位移会产生细微的电感或电容的改变，而频率响应法正是通过测量这种细微的改变来达到监测变压器绕组状态的目的。
[0016]上述绕组温度指示诊断法是用于监测变压器绕组的温度，给出越限报警，并在需要时启动保护跳闸。目前已开发出一种用于大型变压器绕组温度监测的新技术，即将一条光纤嵌入变压器绕组以便直接测量绕组的实时温度，从而改进变压器的预测建模技术，并达到实时监测变压器绕组温度状态的目的。
[0017]上述低压脉冲响应测试诊断法，也是一种有效的变压器状态监测方法，并且已经是一种用于确定变压器是否能通过短路试验的公认方法。此外，绕组间的漏感测试、油的相对湿度测试、绝缘电阻测试等也是变压器状态监测的常用方法。
[0018]由于变压器的异常现象往往是从变压器外表暴露出来的，如听到异常声音、闻到异常气味、瓦斯继电器动作报警、油温升高等，所有这些故障现象均是由变压器内部故障波及到外部的结果。
[0019]本发明主要针对电力变压器常见的短路故障、放电故障和绝缘故障进行故障智能诊断。其中，电力变压器短路故障主要指变压器出口短路，以及内部引线或绕组间对地短路、及相与相之间发生的短路而导致的故障。所述放电故障根据放电的能量密度的大小，变压器的放电故障常分为局部放电故障、火花放电故障和电弧放电故障三种类型。
[0020]所述绝缘故障，是变压器绝缘材料组成的绝缘系统发生的故障。电力变压器的绝缘即是变压器绝缘材料组成的绝缘系统，它是变压器正常工作和运行的基本条件，变压器的使用寿命是由绝缘材料(即油纸或树脂等)的寿命决定的。目前应用最广泛的电力变压器是油浸变压器和干式树脂变压器两种。其中油浸变压器中，主要的绝缘材料是绝缘油和绝缘纸，所谓变压器绝缘的老化，就是这些材料受环境因素的影响发生分解，降低或丧失了绝缘强度。
[0021]本发明所述的油中溶解性气体分析诊断技术，采用了特征气体法、比值法、人工智能技术的方法来诊断变压器的内部故障。所述变压器油中溶解性气体分析诊断技术来诊断变压器故障的方法，其原理是利用绝缘油中溶解气体分析，检测充油电气设备早期内部故障，已经成为变压器等充油电气设备绝缘监督的重要手段之一。特别是这类检测技术可以在设备不停电时进行，因此可以定期的对运行中的设备的内部状况进行诊断，确保设备安全可靠的运行，以便对设备由定期的维修方式转变成内部状态预知维修方式。
[0022]其中，上述特征气体法诊断变压器故障主要是根据变压器发生不同故障时，油中溶解的气体主要成分和次要成分是有所区别的。上述比值法是根据各种特征气体的比值来判断变压器的故障类型的方法。具体的来说，比值法又可分为有编码的比值法和无编码的比值法。
[0023]目前采用人工智能技术的变压器油中溶解气体分析诊断方法是整个气相色谱诊断研究的重点和热点。应用人工智能技术的方法主要有模糊数学、专家系统、神经网络、信息融合、数据挖掘以及灰色系统和粗糙集理论等。上述油色谱分析法运用最为广泛，技术上也非常成熟，但投资较大。
[0024]在各种智能方法中模糊数学有着广泛的应用，模糊数学应用于变压器油中色谱分析主要有模糊综合诊断和模糊聚类等方法，模糊综合诊断是将原来的普通的故障类型集和故障征兆集转化为模糊集合的形式，同时对应于选取不同的反映变压器故障的故障征兆集模糊关系矩阵和故障集有着不同形式的应用。
[0025]还有其它一些智能方法如数据挖掘、信息融合、粗糙集理论等方法在变压器油色谱分析中也有一些应用。由于单独的一种智能方法不可避免存在其局限性，将各种智能方法结合使用已成为诊断方法发展的必然趋势。
[0026]本发明所述的电力变压器故障智能诊断的在线监测方法为集中式监测和分布式监测。上述集中式监测可对所有被测设备定时或者巡回自动监测；上述分布式监测是利用专门的测试仪器测取信号就地测量。
[0027]对变压器油中气体的检测分析是对变压器运行状态进行判断的重要监测手段，变压器油中溶解气体在线监测的关键技术包括油气分离技术、混合气体检测技术。
[0028]变压器故障的检测技术是准确诊断故障的主要手段，目前检测手段主要包括油中可燃性气体的色谱分析、直流电阻检测、绝缘电阻及吸收比、极化指数检测、绝缘介质损失角正切检测、油质检测、局部放电检测及绝缘耐压试验(包括感应耐压)、红外测温、绕组变形或低电压下短路阻抗测量、糠醛分析或绝缘纸聚合度的测量、内窥镜直接检测变压器内部状况
等，在线监测可以提早发现设备内部可能存在的缺陷或性能劣化，为检修提供判断，提高供电可靠性和经济性。
[0029]本发明所述的电力变压器故障智能诊断设备，包括数据采集传输部分和管理及显示部分，其特征在于:所述数据采集传输部分包括:协调器，用于集中接收的数据；路由节点，用于数据传输接力，也可以挂载传感器、增加监测点、扩大监测密度；传感器节点，与各种传感器相连，以监测环境安全因素，可根据需要添加或灵活移动；所述管理及显示部分包括:PC机，用于管理系统；手持终端，用于移动监控和控制传感器节点；用户电话，用于实时接收报警短信、可远程控制系统；Internet网络，用于远程监控系统；报警模块，在出现险情时，及时提醒工作人员。
[0030]由上可知，本发明与现有技术相比，有如下的进步。
[0031]一种电力变压器故障智能诊断技术、方法及设备，涉及电力变压器故障智能诊断技术、方法以及基于上述技术、方法的智能诊断设备，通过综合多故障智能诊断技术及方法，优化电力变压器状态评估模型的参数值和状态分级策略，研究出能够反映电力变压器特征气体之间关系的综合多参量油中溶解气体预测方法，实现了由对单台的设备进行监测向整个系统的在线监测延伸的，实现设备的远程监测，采用状态监测，可以诊断出那些隐藏的缺陷。而且人力、停机时间和维修成本也可以通过状态检测来优化，最后延长了设备在保证运行状态的情况下的寿命。
[0032]本发明通过多参数的状态监测方法，给出可以诊断故障并找出位置的有价值的数据，然后消除造成缺陷的原因，减少停机时间和降低成本。所以在线状态监测能阻止电力变压器无计划的停电和由缺陷引起的灾难性的事故，并且可以监测变电站的老化程度因此可以控制，预测和延长它的寿命。
[0033]通过状态监测，减少了维护成本，防止了重大事故发生的可能，并能限制任何已发生的损坏变得更加严重，免除或者减少连续的维修行为，通过变电站所有重要设备状态监测和检测能提供变电站生命周期的所有信息，达到电力变压器智能监测、智能诊断、智能管理的目的。
【专利附图】
【附图说明】
[0034]通过下面结合附图，进行的详细描述，将更加充分地理解并认识本发明。
[0035]图1为本发明中电力变压器故障智能诊断技术、方法的一种结构框图。
[0036]图2为本发明中油中溶解性气体分析诊断技术的诊断方法。
[0037]图3为本发明中电力变压器故障智能诊断设备的一种结构框图。
【具体实施方式】
[0038]为能进一步了解本发明的技术特征与内容，下面结合附图进行详细说明。
[0039]如图1所示，图1为本发明中电力变压器故障智能诊断技术、方法的一种结构框图。
[0040]一种电力变压器故障智能诊断技术、方法及设备，涉及电力变压器故障智能诊断技术、方法以及基于上述技术、方法的智能诊断设备，所述智能诊断设备包括数据采集传输部分和管理及显示部分，其特征在于:所述电力变压器故障智能诊断技术、方法，包括油中溶解性气体分析诊断技术、局部放电在线监测诊断技术、红外测温诊断技术、振动分析诊断法、频率响应分析诊断法、绕组温度指示诊断法、低压脉冲响应测试诊断法进行故障智能诊断。
[0041]届时，通过对变压器在线监测，对变压器特征信号的采集和分析、判别出变压器的状态，以期检测出变压器的初期故障，运用上述技术、方法对电力变压器进行故障智能诊断，通过综合多故障智能诊断技术及方法，优化电力变压器状态评估模型的参数值和状态分级策略，达到电力变压器智能监测、智能诊断、智能管理的目的。
[0042]如图2所示，图2为本发明中油中溶解性气体分析诊断技术的诊断方法。
[0043]本实施例所述的油中溶解性气体分析诊断技术，采用了特征气体法、比值法、人工智能技术的方法来诊断变压器的内部故障。
[0044]所述变压器油中溶解性气体分析诊断技术来诊断变压器故障的方法，其原理是利用绝缘油中溶解气体分析，检测充油电气设备早期内部故障，已经成为变压器等充油电气设备绝缘监督的重要手段之一。特别是这类检测技术可以在设备不停电时进行，因此可以定期的对运行中的设备的内部状况进行诊断，确保设备安全可靠的运行，以便对设备由定期的维修方式转变成内部状态预知维修方式。
[0045]其中，上述特征气体法诊断变压器故障主要是根据变压器发生不同故障时，油中溶解的气体主要成分和次要成分是有所区别的。上述比值法是根据各种特征气体的比值来判断变压器的故障类型的方法。具体的来说，比值法又可分为有编码的比值法和无编码的比值法。
[0046]目前采用人工智能技术的变压器油中溶解气体分析诊断方法是整个气相色谱诊断研究的重点和热点。应用人工智能技术的方法主要有模糊数学、专家系统、神经网络、信息融合、数据挖掘以及灰色系统和粗糙集理论等。上述油色谱分析法运用最为广泛，技术上也非常成熟，但投资较大。
[0047]如图3所示，图3为本发明中电力变压器故障智能诊断设备的一种结构框图。
[0048]本实施例中所述的电力变压器故障智能诊断设备，包括数据采集传输部分和管理及显示部分。其中，所述数据采集传输部分包括:协调器，用于集中接收的数据；路由节点，用于数据传输接力，也可以挂载传感器、增加监测点、扩大监测密度；传感器节点，与各种传感器相连，以监测环境安全因素，可根据需要添加或灵活移动；所述管理及显示部分包括:PC机，用于管理系统；手持终端，用于移动监控和控制传感器节点；用户电话，用于实时接收报警短信、可远程控制系统internet网络，用于远程监控系统；报警模块，在出现险情时，及时提醒工作人员。
[0049]最后应说明的是:以上实施例仅用以说明本发明一种电力变压器故障智能诊断技术、方法及设备的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
【权利要求】
1.一种电力变压器故障智能诊断技术、方法及设备，涉及电力变压器故障智能诊断技术、方法以及基于上述技术、方法的智能诊断设备，所述智能诊断设备包括数据采集传输部分和管理及显示部分，其特征在于:所述电力变压器故障智能诊断技术、方法，包括油中溶解性气体分析诊断技术、局部放电在线监测诊断技术、红外测温诊断技术、振动分析诊断法、频率响应分析诊断法、绕组温度指示诊断法、低压脉冲响应测试诊断法进行故障智能诊断。
2.根据权利要求1所述的电力变压器故障智能诊断技术、方法，其特征在于:所述油中溶解性气体分析诊断技术，采用了特征气体法、比值法、人工智能技术的方法来诊断变压器的内部故障。
3.根据权利要求1所述的电力变压器故障智能诊断技术、方法，其特征在于:所述电力变压器故障智能诊断的在线监测方法为集中式监测和分布式监测。
4.根据权利要求1所述的电力变压器故障智能诊断设备，其特征在于:所述数据采集传输部分包括:协调器，用于集中接收的数据；路由节点，用于数据传输接力，也可以挂载传感器、增加监测点、扩大监测密度；传感器节点，与各种传感器相连，以监测环境安全因素，可根据需要添加或灵活移动。
5.根据权利要求1所述的电力变压器故障智能诊断设备，其特征在于:所述管理及显示部分包括:PC机，用于管理系统；手持终端，用于移动监控和控制传感器节点；用户电话，用于实时接收报警短信、可远程控制系统；Internet网络，用于远程监控系统；报警模块，在出现险情时，及时提醒工作人员。
【文档编号】G01R31/00GK103513139SQ201310484405
【公开日】2014年1月15日 申请日期:2013年10月16日 优先权日:2013年10月16日
【发明者】王丽华 申请人:王丽华