（廣東電網(wǎng)公司佛山供電局，廣東 佛山 528000）

淺析高壓設(shè)備的故障狀態(tài)檢修

潘煒坊 陳洪煊 趙睿暉

（廣東電網(wǎng)公司佛山供電局，廣東 佛山 528000）

變電站作為我國供電系統(tǒng)中最重要的組成部分之一，對(duì)于國家電力系統(tǒng)的安全運(yùn)行有著重要作用，擔(dān)負(fù)起周邊電能調(diào)配及轉(zhuǎn)換的任務(wù)。特別是隨著我國城市化進(jìn)程的不斷加快，電力對(duì)經(jīng)濟(jì)建設(shè)的重要性日益凸顯，越來越多的大容量發(fā)電機(jī)組投入運(yùn)行需要有更加合理的電網(wǎng)調(diào)配。如果現(xiàn)在工作僅僅依據(jù)人工作業(yè)來開展抄表等工作，那將嚴(yán)重阻礙電網(wǎng)工作效率的提高。只有將現(xiàn)代化的技術(shù)應(yīng)用到實(shí)踐當(dāng)中，保證設(shè)備的安全穩(wěn)定運(yùn)行，才能更好的保證電力現(xiàn)代化，保障人們的用電需求。

高壓；電氣設(shè)備；狀態(tài)監(jiān)測；故障診斷

電氣設(shè)備作為當(dāng)前高壓設(shè)備停電事故高發(fā)的常見設(shè)施，已經(jīng)嚴(yán)重影響了我國電力設(shè)施運(yùn)行效果，造成了巨大的經(jīng)濟(jì)損失。上述停電事故直接影響了人們生活質(zhì)量，對(duì)社會(huì)造成了非常大的不良影響。隨著電氣技術(shù)的逐漸發(fā)展和完善，電氣設(shè)備可靠性已經(jīng)從設(shè)備質(zhì)量、工藝及設(shè)備狀態(tài)監(jiān)測、故障診斷兩方面得到改善，控制指標(biāo)得到非常明顯的提升。在設(shè)備質(zhì)量提升方面，單位選取優(yōu)質(zhì)材料，明確了設(shè)計(jì)內(nèi)容，依照設(shè)備使用壽命狀況對(duì)故障問題進(jìn)行處理，從根本上達(dá)到了指標(biāo)控制目的。在設(shè)備狀態(tài)監(jiān)測及故障診斷方面，單位對(duì)各項(xiàng)設(shè)備狀態(tài)控制內(nèi)容進(jìn)行明確，依照當(dāng)前設(shè)計(jì)指標(biāo)，針對(duì)設(shè)備故障及設(shè)備老化現(xiàn)象，設(shè)定了對(duì)應(yīng)的預(yù)防及處理方案。

1 高壓設(shè)備的故障狀態(tài)檢修內(nèi)容

設(shè)備狀態(tài)監(jiān)測及故障診斷主要包括早期診斷及后續(xù)維修兩部分內(nèi)容。在早期診斷過程中主要通過自動(dòng)化裝置設(shè)備收集電氣設(shè)備狀態(tài)數(shù)據(jù)，分析各項(xiàng)數(shù)據(jù)，觀察電氣設(shè)備的運(yùn)行狀態(tài)。后續(xù)維修主要是通過定期試驗(yàn)及維修，實(shí)現(xiàn)電力部門的控制，降低和減少事故發(fā)生率。后續(xù)維修要以預(yù)防性維修為中心，形成完善控制體系，將網(wǎng)絡(luò)處理、數(shù)據(jù)分析結(jié)合在一起，消除可能存在的安全隱患。

圖1 故障診斷圖

在當(dāng)前的電氣設(shè)備運(yùn)行過程中，單位已經(jīng)實(shí)現(xiàn)了狀態(tài)監(jiān)測及故障診斷，已經(jīng)構(gòu)建了基礎(chǔ)的狀態(tài)維修體系。上述體系建立的過程中從設(shè)備的劣化、缺陷的發(fā)展內(nèi)容出發(fā)，對(duì)電氣設(shè)備的物理性質(zhì)、化學(xué)性、電氣性特征進(jìn)行控制，有效提升了發(fā)展期的控制效益。與此同時(shí)，狀態(tài)維修體系還加強(qiáng)了對(duì)電子技術(shù)、計(jì)算機(jī)技術(shù)、光電技術(shù)、信號(hào)處理技術(shù)和各種傳感技術(shù)的應(yīng)用，提升了設(shè)備剩余壽命及設(shè)備運(yùn)行狀態(tài)判斷的可靠性，實(shí)現(xiàn)了運(yùn)行狀態(tài)下進(jìn)行連續(xù)或隨時(shí)的監(jiān)測與判斷，避免了預(yù)防性試驗(yàn)中存在的缺陷。

狀態(tài)監(jiān)測與故障診斷技術(shù)有很大的難度。潛伏性故障前期征兆的信號(hào)通常極為微弱，而運(yùn)行條件下現(xiàn)場又存在強(qiáng)烈的電磁干擾。因此，抑制各種干擾，提高信噪比是在線監(jiān)測中首先必須解決的難題。如果說離線的預(yù)防性試驗(yàn)結(jié)果的分析，已經(jīng)積累了大量經(jīng)驗(yàn)，據(jù)此可以制訂出相應(yīng)的規(guī)程推廣施行。那么對(duì)于在線診斷現(xiàn)在則仍處于研究試行、積累經(jīng)驗(yàn)的階段。發(fā)展在線診斷技術(shù)，既需對(duì)設(shè)備結(jié)構(gòu)及其老化機(jī)理有深入的了解，也需應(yīng)用傳感、微電子等高新技術(shù)。它是具有交叉學(xué)科性質(zhì)的一門新興技術(shù)，有重大的學(xué)術(shù)意義，也有顯著的經(jīng)濟(jì)價(jià)值。

2 狀態(tài)監(jiān)測與故障診斷的發(fā)展方向

近年來，信息技術(shù)中的傳感器技術(shù)、計(jì)算機(jī)通信技術(shù)、光纖傳輸?shù)榷加辛死碚摵蛯?shí)踐的重大突破，這些技術(shù)也為人工智能化發(fā)展提供基礎(chǔ)的技術(shù)支撐，推動(dòng)電力系統(tǒng)高壓設(shè)備故障狀態(tài)的檢修朝著自動(dòng)、智能跨越。故障的監(jiān)測與診斷主要工作流程是檢測當(dāng)前信號(hào)→簡單處理加工→特征值分析與提取→狀態(tài)判斷→變化趨勢預(yù)測等。在各項(xiàng)信號(hào)的監(jiān)測中，可以通過最后的狀態(tài)判斷來得知系統(tǒng)設(shè)備所處的工作狀態(tài)。而通過故障的診斷，能夠在發(fā)現(xiàn)異常后及時(shí)加以分析，通過定位技術(shù)來將故障的部位及原因做好初步分析。當(dāng)前解析模型的故障診斷主要應(yīng)用在線性系統(tǒng)中，已經(jīng)形成了完善的技術(shù)理論體系及監(jiān)測內(nèi)容體系，各項(xiàng)控制指標(biāo)已經(jīng)得到了明顯提升，而該內(nèi)容在非線性系統(tǒng)中的應(yīng)用狀況卻差強(qiáng)人意。將非線性系統(tǒng)的故障診斷監(jiān)測深化，進(jìn)一步強(qiáng)化基于魯棒性的問題研究，已經(jīng)成為當(dāng)前人們關(guān)注的焦點(diǎn)。小波變換技術(shù)作為非線性系統(tǒng)中故障診斷及監(jiān)測的重要內(nèi)容，可以有效降低定量數(shù)學(xué)模型的構(gòu)建難度，提升復(fù)雜系統(tǒng)分析效益，對(duì)當(dāng)前電氣發(fā)展具有非常積極的意義。小波變換技術(shù)中的定性模型通過實(shí)際工程分析，構(gòu)成了精度較高、控制效果較好，實(shí)時(shí)性分析較強(qiáng)的內(nèi)容體系，打開了非線性系統(tǒng)中的故障檢測及狀態(tài)控制技術(shù)研究的大門。

不論是在線性系統(tǒng)中或是非線性系統(tǒng)中，電網(wǎng)運(yùn)行時(shí)都必須保證各種電氣設(shè)備的正常工作，防止某一個(gè)電氣設(shè)備發(fā)生故障都有可能導(dǎo)致系統(tǒng)的崩潰。如何及時(shí)發(fā)現(xiàn)設(shè)備的故障以做出相應(yīng)的措施已經(jīng)成為線性系統(tǒng)或非線性系統(tǒng)構(gòu)建的關(guān)鍵。因此，在當(dāng)前系統(tǒng)狀態(tài)監(jiān)測及故障分析的過程中，相關(guān)人員必須對(duì)設(shè)備狀態(tài)和故障診斷的方法進(jìn)行分析，選用最合適最有用的方法來對(duì)特定的設(shè)備進(jìn)行判斷。本文將介紹一些常用的監(jiān)測方法。

3 狀態(tài)監(jiān)測與故障診斷的常用方法

故障診斷技術(shù)主要是在不同領(lǐng)域、不同學(xué)科交叉、結(jié)合的基礎(chǔ)上形成的故障診斷方法，該技術(shù)能夠?qū)崿F(xiàn)故障預(yù)防、分析、監(jiān)測，可以有效提升設(shè)備的運(yùn)行狀態(tài)。當(dāng)前故障診斷技術(shù)主要包括傳統(tǒng)故障診斷技術(shù)和基于人工智能的故障診斷技術(shù)兩大類，傳統(tǒng)故障診斷方法又可再分為基于信號(hào)處理的技術(shù)和基于解析模型的技術(shù)。

3.1 基于解析模型的故障診斷方法

基于模型的故障診斷技術(shù)構(gòu)建的過程中主要 是通過解析冗余取代硬件冗余，通過造觀測器估計(jì)出系統(tǒng)的輸出值，將輸出值與輸出的測量值進(jìn)行比較，實(shí)現(xiàn)對(duì)故障信息的處理，分析故障狀態(tài)。

圖2 專家系統(tǒng)的基本組成

解析模型上的故障診斷構(gòu)建的過程中需要對(duì)殘差產(chǎn)生的方式進(jìn)行明確，通過狀態(tài)估計(jì)、運(yùn)行參數(shù)等，實(shí)現(xiàn)各項(xiàng)數(shù)據(jù)指標(biāo)控制，達(dá)到一致性檢驗(yàn)，提升運(yùn)行狀態(tài)控制效益。在上述模型構(gòu)建的過程中要首先重構(gòu)被控過程的狀態(tài)，通過與真實(shí)系統(tǒng)的輸出變量比較構(gòu)成殘差序列，其次構(gòu)造適當(dāng)?shù)哪Ｐ?，用統(tǒng)計(jì)檢驗(yàn)法從殘差序列中提取故障特征并把故障檢驗(yàn)出來，最后，對(duì)各項(xiàng)數(shù)據(jù)進(jìn)行對(duì)比，實(shí)施故障診斷。

3.2 基于參數(shù)估計(jì)的方法

基于參數(shù)估計(jì)的方法在使用的過程中要首先實(shí)施機(jī)理分析，對(duì)各項(xiàng)系統(tǒng)模型參數(shù)及物理元器件參數(shù)進(jìn)行明確。要依照上述關(guān)系方程識(shí)別系統(tǒng)模型實(shí)際參數(shù)與此同時(shí)，要通過和求解實(shí)際的物理元器件參數(shù)，通過對(duì)和P的標(biāo)稱值比較數(shù)據(jù)，分析系統(tǒng)是否出現(xiàn)故障。

3.3 一致性檢驗(yàn)法

一致性檢驗(yàn)法在操作的過程中主要是通過對(duì)實(shí)際模型與正常模型（或叫標(biāo)稱模型）之間的一致性關(guān)系觀察設(shè)備運(yùn)行狀態(tài)。上述監(jiān)測的過程中可以通過能觀性子空間及子空間的正補(bǔ)交實(shí)現(xiàn)信號(hào)的投射，將輸出信號(hào)投影在正補(bǔ)交上，形成殘差。

3.4 基于信號(hào)處理的方法

信號(hào)處理的過程中無需針對(duì)不同的對(duì)象構(gòu)建準(zhǔn)確模型，可以產(chǎn)生一定差異，具有非常高的實(shí)用性。當(dāng)前的信號(hào)處理方法主要包括Kull2back信息準(zhǔn)則檢測法和小波變換故障診斷法兩種。

（1）基于Kullback信息準(zhǔn)則檢測的故障診斷

基于Kullback信息準(zhǔn)則檢測的故障診斷時(shí)可以通過Goodwin的隨機(jī)嵌入式方法把未建模動(dòng)態(tài)特性當(dāng)作軟界估計(jì)，利用遺傳算法和梯度方法辨識(shí)參數(shù)和軟界，然后在Ku112back信息準(zhǔn)則中引入一個(gè)新指標(biāo)評(píng)價(jià)未建模動(dòng)態(tài)特性，計(jì)算閥值，分析設(shè)備故障狀況。

（2）基于小波變換的故障診斷

基于小波變換的故障診斷是當(dāng)前處理信號(hào)的一種新方法，主要是通過時(shí)間-尺度分析法完成各項(xiàng)分辨，實(shí)現(xiàn)信號(hào)控制。在上述處理的過程中，需要對(duì)小波連續(xù)變換中信號(hào)的奇異性進(jìn)行明確，依照信號(hào)指標(biāo)區(qū)分信號(hào)突變及噪聲。需要檢測信號(hào)頻率結(jié)構(gòu)的突變，通過頻率分析設(shè)備的故障狀況。

基于小波變換的故障診斷在運(yùn)行的過程中主要是通過兩方面實(shí)現(xiàn)故障狀態(tài)分析：（1）利用觀測器信號(hào)的奇異性。（2）利用觀測器信號(hào)頻率結(jié)構(gòu)的變化進(jìn)行故障診斷。小波變換的故障診斷實(shí)現(xiàn)了連續(xù)的非線性映射，完成了對(duì)神經(jīng)網(wǎng)絡(luò)分析的優(yōu)化及提升，有效提升了對(duì)非線性信號(hào)的辨識(shí)效果。但是在運(yùn)用小波變換的故障診斷的過程中，人員需要不斷對(duì)信號(hào)尺度行為進(jìn)行刻畫，需要實(shí)施動(dòng)態(tài)分析，對(duì)系統(tǒng)自動(dòng)化監(jiān)控標(biāo)準(zhǔn)要求較高。

3.5 基于人工智能的方法

基于人工智能的故障診斷方法簡稱為智能故障診斷，又稱基于知識(shí)的故障診斷方法?；谌斯ぶ悄艿墓收显\斷方法主要是是通過神經(jīng)網(wǎng)絡(luò)技術(shù)、專家系統(tǒng)技術(shù)兩方面內(nèi)容發(fā)展而來的故障診斷內(nèi)容，能夠從根本上改善高壓電氣設(shè)備分析的有效性、合理性、可靠性。當(dāng)前基于人工智能的故障診斷方法主要包括有基于人工神經(jīng)網(wǎng)絡(luò)的方法、基于案例的方法、基于專家系統(tǒng)的方法、基于模糊數(shù)學(xué)的方法和基于故障樹的方法五種。其中基于專家系統(tǒng)的故障診斷技術(shù)與機(jī)遇神經(jīng)網(wǎng)絡(luò)故障診斷技術(shù)應(yīng)用最為廣泛。

基于專家系統(tǒng)的故障診斷技術(shù)主要指依靠計(jì)算機(jī)對(duì)各項(xiàng)信息數(shù)據(jù)進(jìn)行采集，完成信息數(shù)據(jù)診斷的一項(xiàng)操作。該項(xiàng)技術(shù)應(yīng)用的過程中需要對(duì)計(jì)算機(jī)技術(shù)進(jìn)行全方位提升，需要綜合運(yùn)用知識(shí)庫中的經(jīng)驗(yàn)規(guī)則進(jìn)行推理，從而實(shí)現(xiàn)對(duì)高壓電氣設(shè)備運(yùn)行狀態(tài)的準(zhǔn)確判斷。基于專家系統(tǒng)的故障診斷體系主要是由人機(jī)接口、數(shù)據(jù)庫、知識(shí)庫、推理機(jī)四部分構(gòu)成。人機(jī)接口可以為用戶提供友好的人機(jī)界面。數(shù)據(jù)庫對(duì)各項(xiàng)中間信息進(jìn)行存放，實(shí)現(xiàn)動(dòng)態(tài)數(shù)據(jù)、推理過程、原始數(shù)據(jù)等的存貯。知識(shí)庫依照各項(xiàng)原有數(shù)據(jù)資料，為專家系統(tǒng)建立提供扎實(shí)理論內(nèi)容及“規(guī)則”形式，提升診斷有效性。推理機(jī)通過對(duì)各項(xiàng)數(shù)據(jù)的總結(jié)，完成系統(tǒng)知識(shí)及經(jīng)驗(yàn)的分析，實(shí)現(xiàn)與人判斷能力相仿的推理，對(duì)故障狀態(tài)及故障位置進(jìn)行判斷。

作為一種新型的設(shè)備故障診斷方法，基于專家系統(tǒng)的故障診斷技術(shù)不僅可以模仿人的邏輯思維過程，能夠有效提升各項(xiàng)邏輯問題的診斷效益?；趯＜蚁到y(tǒng)的故障診斷技術(shù)應(yīng)用各項(xiàng)數(shù)據(jù)符號(hào)，完成了數(shù)據(jù)細(xì)節(jié)知識(shí)的處理，從根本上改善了基本規(guī)則內(nèi)容監(jiān)測效益及運(yùn)行效益。除此之外，上述體系在操作的過程中便于模塊化，具有傳統(tǒng)符號(hào)數(shù)據(jù)庫接口，能夠及時(shí)對(duì)各項(xiàng)事實(shí)進(jìn)行修改，通過圖像、文字等展示推理過程。

專家系統(tǒng)診斷故障時(shí)主要包括以下幾方面內(nèi)容：

（1）收集在線檢測的過程數(shù)據(jù)，觀察現(xiàn)象和事實(shí)：在專家系統(tǒng)診斷的過程中，人員要對(duì)各項(xiàng)在線監(jiān)測數(shù)據(jù)進(jìn)行匯總，通過人機(jī)接口添加各項(xiàng)處理數(shù)據(jù)，完成數(shù)據(jù)的采集。人員可以適當(dāng)對(duì)故障發(fā)生前或故障發(fā)生時(shí)的一些現(xiàn)象和事實(shí)進(jìn)行添加，在專家系統(tǒng)中建立現(xiàn)象及事實(shí)內(nèi)容，提升數(shù)據(jù)采集的真實(shí)性。（2）數(shù)據(jù)推理，完成各項(xiàng)信息故障預(yù)測：專家系統(tǒng)診斷時(shí)要依照上述采集數(shù)據(jù)及信息，對(duì)各項(xiàng)內(nèi)容進(jìn)行推理，由用戶證實(shí)，最短時(shí)間內(nèi)尋找到故障位置。（3）監(jiān)測評(píng)價(jià)，故障內(nèi)容分析：專家系統(tǒng)診斷要依照各項(xiàng)故障源位置，對(duì)原有固定故障評(píng)價(jià)過程進(jìn)行明確，依照各項(xiàng)“經(jīng)驗(yàn)”，對(duì)電氣設(shè)備的故障狀態(tài)進(jìn)行分析，制定相應(yīng)專家決策。專家系統(tǒng)診斷故障系統(tǒng)基本組成如圖2所示。

3.6 基于神經(jīng)網(wǎng)絡(luò)的方法

隨著神經(jīng)網(wǎng)絡(luò)的逐漸容錯(cuò)、聯(lián)想、推測、記憶、適應(yīng)、學(xué)習(xí)等，基于神經(jīng)網(wǎng)絡(luò)的故障診斷內(nèi)容逐漸豐富。該技術(shù)可以應(yīng)用在復(fù)雜的環(huán)境中，具有非常高的應(yīng)用前景及應(yīng)用價(jià)值。

神經(jīng)網(wǎng)絡(luò)作為一種新型的處理方法，可以有效提升故障診斷的有效性。該項(xiàng)操作主要是通過建立簡單的數(shù)學(xué)模型對(duì)各項(xiàng)負(fù)載系統(tǒng)體系進(jìn)行展現(xiàn)，有效提升了故障診斷領(lǐng)域的監(jiān)測范圍，尤其是在領(lǐng)域獨(dú)特性展現(xiàn)中，得到了本質(zhì)的轉(zhuǎn)變：

（1）經(jīng)過訓(xùn)練的神經(jīng)網(wǎng)絡(luò)能夠?qū)Ω黜?xiàng)過程知識(shí)進(jìn)行存貯，完成神經(jīng)網(wǎng)絡(luò)信息的學(xué)習(xí)，形成系統(tǒng)的故障狀態(tài)監(jiān)測內(nèi)容。上述主體能夠?qū)⒏黜?xiàng)日常數(shù)據(jù)通過網(wǎng)絡(luò)展現(xiàn)出來，將信息與測量數(shù)據(jù)進(jìn)行對(duì)比，明確各項(xiàng)故障類型。

（2）經(jīng)過訓(xùn)練的神經(jīng)網(wǎng)絡(luò)可以有效消除各項(xiàng)噪聲，降低噪聲對(duì)各項(xiàng)數(shù)據(jù)的影響，提升數(shù)據(jù)的準(zhǔn)確性。該項(xiàng)神經(jīng)網(wǎng)絡(luò)能夠識(shí)別各項(xiàng)故障信息，依照各項(xiàng)噪聲環(huán)境診斷故障狀態(tài)，對(duì)內(nèi)容進(jìn)行評(píng)價(jià)。

（3）神經(jīng)網(wǎng)強(qiáng)具有分辨故障原因及故障類型的能力。

神經(jīng)網(wǎng)絡(luò)是由大量的處理單元（神經(jīng)元、處理元件、電子元件、光電元件等）廣泛互連而成的網(wǎng)絡(luò)。在處理的過程中可以依照人類信息處理內(nèi)容，通過硬件或軟硬件結(jié)合，形成系統(tǒng)的神經(jīng)網(wǎng)絡(luò)體系。

在上述處理的過程中，神經(jīng)網(wǎng)絡(luò)系統(tǒng)具有并行處理能力、非線性映射能力、分布式存儲(chǔ)能力、自學(xué)習(xí)、自組織和自適應(yīng)能力。上述特點(diǎn)有效提升了神經(jīng)網(wǎng)絡(luò)系統(tǒng)狀態(tài)監(jiān)測在線性及非線性中的控制效果，已經(jīng)在當(dāng)前高壓電氣中得到廣泛應(yīng)用。

神經(jīng)網(wǎng)絡(luò)系統(tǒng)在應(yīng)用的過程中主要通過以下內(nèi)容完成各項(xiàng)控制，實(shí)現(xiàn)數(shù)據(jù)監(jiān)測：（1）神經(jīng)網(wǎng)絡(luò)診斷系統(tǒng)。神經(jīng)網(wǎng)絡(luò)診斷系統(tǒng)可以依照各項(xiàng)問題數(shù)據(jù)，建立專門的神經(jīng)故障診斷體系，形成系統(tǒng)的神經(jīng)系統(tǒng)內(nèi)容。上述特定問題處理的過程中可以通過輸入數(shù)據(jù)（代表故障癥狀）直接推出輸出數(shù)據(jù)（代表故障原因），實(shí)現(xiàn)故障檢測與診斷。（2）利用神經(jīng)網(wǎng)絡(luò)產(chǎn)生殘差。神經(jīng)網(wǎng)絡(luò)在運(yùn)行的過程中可以由其自身特性，針對(duì)各項(xiàng)神經(jīng)網(wǎng)絡(luò)擬合系統(tǒng)內(nèi)容，形成完善控制體系。該內(nèi)容可以利用系統(tǒng)的輸入重構(gòu)某些特定的參數(shù)，將上訴參數(shù)值與系統(tǒng)的實(shí)際值進(jìn)行對(duì)，得到殘差，通過神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)殘差進(jìn)行聚類分析，得到高壓電氣設(shè)備系統(tǒng)的故障情況。（3）采用神經(jīng)網(wǎng)絡(luò)作進(jìn)一步診斷。采用神經(jīng)網(wǎng)絡(luò)作進(jìn)一步診斷的過程中需要利用神經(jīng)網(wǎng)絡(luò)診斷系統(tǒng)執(zhí)行器的飽和故障，通過神經(jīng)網(wǎng)絡(luò)擬合各項(xiàng)系統(tǒng)運(yùn)行參數(shù)及執(zhí)行器的飽和狀態(tài)，判斷上述內(nèi)容與故障之間的非線性關(guān)系。要通過上述分析達(dá)到對(duì)各故障的判斷，進(jìn)行誤差補(bǔ)償，提升常規(guī)神經(jīng)網(wǎng)絡(luò)診斷及模糊神經(jīng)網(wǎng)絡(luò)診斷的效果。

3.7 卡爾曼濾波的方法

卡爾曼濾波的方法就是根據(jù)上一時(shí)刻的測量值來推斷出下一時(shí)刻的估計(jì)值，在有秒兩者之間的差值判斷設(shè)備的故障與否，下文將重點(diǎn)介紹這中方法在互感器中的應(yīng)用，在此就不予以詳述。

結(jié)語

當(dāng)前，高壓電力設(shè)備的故障狀態(tài)檢修正朝著自動(dòng)化、智能化的方法發(fā)展，通過對(duì)多項(xiàng)技術(shù)的綜合應(yīng)用來完成設(shè)備故障的監(jiān)測、分析及處理。實(shí)現(xiàn)在線監(jiān)測和故障診斷是開展?fàn)顟B(tài)檢修的重要前提，相信自動(dòng)化技術(shù)的不斷進(jìn)步將更大的推動(dòng)電網(wǎng)現(xiàn)代化發(fā)展。

[1]程明，金明，李建英.無人值班變電站監(jiān)控技術(shù)[M].北京：中國電力出版社，2009，07∶130-150.

[2]雷鳴.電力設(shè)備診斷手冊(cè)[M].北京：中國電力出版社，2001，08∶69-80.

TM507 < class="emphasis_bold"> 文獻(xiàn)標(biāo)識(shí)碼：A

A