臧利川，田沛，李博

(1.華北電力大學(xué) (保定)自動(dòng)化系，河北 保定 071000；2.華北電力大學(xué)云南電網(wǎng)有限責(zé)任公司研究生工作站，昆明 650217；3.云南電網(wǎng)有限責(zé)任公司電力科學(xué)研究院，昆明 650217)

基于歷史數(shù)據(jù)概率分布的變壓器在線預(yù)警研究

臧利川1，2，田沛1，李博3

(1.華北電力大學(xué) (保定)自動(dòng)化系，河北 保定 071000；
2.華北電力大學(xué)云南電網(wǎng)有限責(zé)任公司研究生工作站，昆明 650217；3.云南電網(wǎng)有限責(zé)任公司電力科學(xué)研究院，昆明 650217)

利用基于歷史數(shù)據(jù)概率分布的在線預(yù)警方法，劃分出精確的變壓器狀態(tài)空間，找到必要的關(guān)注程點(diǎn)，此方法能有效的消除環(huán)境、生產(chǎn)廠商等外界因素對(duì)變壓器的影響。

預(yù)警；卡方分布檢驗(yàn)；概率分布

0 前言

根據(jù)設(shè)備的運(yùn)行狀態(tài)決定該設(shè)備的檢修時(shí)機(jī)，為實(shí)施狀態(tài)檢修，確保主設(shè)備安全運(yùn)行的有效手段就是對(duì)電力系統(tǒng)的關(guān)鍵設(shè)備實(shí)施在線監(jiān)測(cè)。變壓器色譜在線預(yù)警系統(tǒng)通過在線監(jiān)測(cè)，建立設(shè)備的故障預(yù)警機(jī)制，及時(shí)準(zhǔn)確地預(yù)報(bào)設(shè)備內(nèi)部已存在的故障性質(zhì)、類型、部位、嚴(yán)重程度，并預(yù)測(cè)故障的發(fā)展趨勢(shì)，從而減少變壓器突發(fā)性事故的發(fā)生。而現(xiàn)在的預(yù)警策略僅僅簡(jiǎn)單的根據(jù)固定導(dǎo)則中的固定的氣體分?jǐn)?shù)去預(yù)警，沒有劃分更加精確的預(yù)警區(qū)間，不能確定需要引起的關(guān)注程度。

1 基于固定閾值的變壓器預(yù)警

正常運(yùn)行的變壓器由于電、熱應(yīng)力的作用也會(huì)釋放出少量的氣體，而故障發(fā)生時(shí)，故障點(diǎn)會(huì)加速絕緣材料的分解，導(dǎo)致氣體分解速率達(dá)到極限值或者氣體量達(dá)到極限值。根據(jù)現(xiàn)場(chǎng)工作人員現(xiàn)場(chǎng)經(jīng)驗(yàn)和規(guī)程規(guī)定對(duì)變壓器油中溶解氣體進(jìn)行分析和判斷。在利用油中氣體來對(duì)變壓器進(jìn)行預(yù)警時(shí)，通常將監(jiān)測(cè)到的油中各組分氣體的含量與導(dǎo)則或者經(jīng)驗(yàn)值進(jìn)行比較，如果任意的一種氣體或者總烴量超過了導(dǎo)則或者經(jīng)驗(yàn)值，就要進(jìn)行預(yù)警，以引起運(yùn)維人員的注意，并且及時(shí)的查找故障的原因。但是，氣體濃度并不能完全正確判斷變壓器異常與否，因?yàn)橛袝r(shí)候，非故障因素也能使特征氣體的含量急劇升高，如何排除非故障因素的影響，是基于油中氣體分析的變壓器預(yù)警的難題。再者，基于固定閥值的預(yù)警機(jī)制完全忽略了設(shè)備間和設(shè)備所處環(huán)境的差異性，這是這項(xiàng)預(yù)警機(jī)制的重大缺陷。

2 變壓器預(yù)警應(yīng)用實(shí)例

在進(jìn)行故障診斷之前，必須進(jìn)行必要的預(yù)警初步判斷變壓器的運(yùn)行狀況，而精確的預(yù)警有利于下一步的故障診斷。首先，采集大量變壓器正常運(yùn)行的數(shù)據(jù)，作出概率分布的估計(jì)；利用統(tǒng)計(jì)分析的手段，對(duì)估計(jì)概率分布進(jìn)行驗(yàn)證；根據(jù)決策需要和樣本分布的特點(diǎn)，確定重點(diǎn)的關(guān)注區(qū)間；根據(jù)概率密度函數(shù)計(jì)算歷史數(shù)據(jù)的均值，劃分出狀態(tài)邊界。流程圖如1。

圖1 變壓器異常預(yù)警流程

以某110 kV變電站采集到的氫氣的油色譜數(shù)據(jù)為例進(jìn)行分析。

1)對(duì)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)。根據(jù)數(shù)據(jù)的范圍，將(0～154)劃分成22個(gè)區(qū)間，計(jì)算每個(gè)區(qū)間內(nèi)數(shù)據(jù)的數(shù)量，可以得到其概率分布如下圖：

圖2 氣概率分布圖

2)根據(jù)經(jīng)驗(yàn)知識(shí)可知，其概率分布符合自由度為n(不確定)的卡方分布，見表1。

表1 卡方分布檢驗(yàn)

3)利用數(shù)據(jù)統(tǒng)計(jì)工具SPSS對(duì)數(shù)據(jù)進(jìn)行分析，其概率分布符合自由度為13的卡方分布。

表2 氫氣濃度累積概率 (單位：uL/L)

4)自由度確定之后，由其概率分布的密度函數(shù)可求得其均值。自由度為13的密度函數(shù)：

其中，Γ α()稱為伽馬函數(shù)，定義為：

5)由表1可知，當(dāng)氣體超過120 uL/L時(shí)，應(yīng)予以密切關(guān)注，所以求解均值是求解正常運(yùn)行下的均值：

經(jīng)計(jì)算M=12.999，由圖2的氫氣概率分布圖可知，在區(qū)間[7-14]數(shù)據(jù)分布最密集，可見計(jì)算均值是符合實(shí)際情況。

6)由于關(guān)注部分僅為均值右側(cè)數(shù)據(jù)增長(zhǎng)的區(qū)域，以均數(shù)為基數(shù)，用 (4)式計(jì)算累積概率，算得，P(M)=0.551 4。

分別計(jì)算大于基數(shù)10%、20%、30%、40%、50%、60%、70%、80%、90%、100%的累積概率。

由表2可知，近80%的正常運(yùn)行數(shù)據(jù)都分布在超過均值30%以內(nèi)，因此，當(dāng)氫氣濃度超過均值30%時(shí)應(yīng)該引起注意，由上表，劃分狀態(tài)區(qū)間，確定預(yù)警的程度。將16.887～19.485(超過均值30%～50%)定義為一級(jí)預(yù)警，提醒人員注意；將19.485～22.784(超過均值50%～70%)，定義為二級(jí)預(yù)警狀態(tài)，變壓器有較大可能出現(xiàn)故障；超過22.784，定義為三級(jí)預(yù)警狀態(tài)，應(yīng)該及時(shí)檢查，確定故障點(diǎn)和故障類型。

7)利用上述方法，對(duì)另一個(gè)220 kV進(jìn)行分析。由表3可知，其概率分布符合自由度為5的卡方分布：

表3 景洪變概率分布檢驗(yàn)

由上述步驟，劃分出其狀態(tài)空間：將超過均值30%～50%定義為一級(jí)預(yù)警，提醒運(yùn)行人員注意；將超過均值50%～70%，定義為二級(jí)預(yù)警狀態(tài)，變壓器有較大可能出現(xiàn)故障；超過90%，定義為三級(jí)預(yù)警狀態(tài)。

3 結(jié)束語(yǔ)

由上述兩個(gè)變電站的實(shí)例可以得出，由于兩個(gè)變電站變電站在氣候條件、設(shè)備運(yùn)行狀態(tài)和設(shè)備生產(chǎn)廠家等客觀條件上存在顯著差異，造成了在運(yùn)行過程中反應(yīng)在油色譜數(shù)據(jù)上的不同，基于歷史數(shù)據(jù)概率分布的預(yù)警方法可以有效的消除這些影響，做到精確預(yù)警。

[1] DL/T722-2000，變壓器油中溶解氣體分析和判斷導(dǎo)則[S].

[2] 溫敏敏，宋建成，宋淵，等.礦用隔爆型干式變壓器故障預(yù)警系統(tǒng)設(shè)計(jì) [J].煤炭科學(xué)技術(shù)，2014(5).

[3] 齊仁龍，朱小會(huì)，李大海.變電站數(shù)字化智能預(yù)警管控系統(tǒng)設(shè)計(jì) [J].新鄉(xiāng)學(xué)院學(xué)報(bào) (自然科學(xué)版)，2013(1).

[4] 顧克拉，顧冰，姚建峰.220 kV變壓器色譜在線預(yù)警系統(tǒng)的應(yīng)用 [J].浙江電力，2011(11).

[5] 王勇，王秋紅，張占龍.變壓器實(shí)時(shí)損耗在線監(jiān)測(cè)及預(yù)警系統(tǒng) [J].重慶科技學(xué)院學(xué)報(bào) (自然科學(xué)版)，2012 (3).

[6] 楊廷方.變壓器在線監(jiān)測(cè)與故障診斷新技術(shù)的研究 [D] .華中科技大學(xué)，2008.

[7] Duval M.A.Review of faults detectable by gas-in-oil analysis in transformers[J].IEEE Electrical insulation magazine，2002，18(3)：8-17.

Research on Online Warning Based on Probability Distribution of Historical Data

ZANG Lichuan1，2，TIAN Pei1，LI Bo3
(1.North China Electric Power University，Baoding，Hebei 071000，China；2.Postgraduate Workstation of Yunnan Power Gird Company，North China Electric Power University，Kunming 650217，China；3.Yunnan Electrical Power Research Institute，Yunnan Power Grid Co.Ltd.，Kunming 650217，China)

Online early warning methods based on historical data probability distribution can?the exact division of the state space，determine the necessary degree of concern，effectively eliminate these effects.

online warning；chi-square test；probability distribution

TM76

B

1006-7345(2015)06-0048-03

2015-07-06

臧利川 (1988)，男，碩士，助理工程師，華北電力大學(xué)自動(dòng)化系，從事研究變壓器狀態(tài)監(jiān)測(cè)技術(shù) (e-mail)625013488＠qq.com。

田沛 (1958)，男，碩士，教授，華北電力大學(xué)自動(dòng)化，從事圖像處理、模式識(shí)別等方面的研究 (e-mail)23458252＠qq.com。

李博 (1986)，男，工程師，云南電網(wǎng)有限責(zé)任公司電力科學(xué)研究院，研究方向?yàn)殡娏ο到y(tǒng)輸電線路在線監(jiān)測(cè) (e-mail)flymicheal＠163.com。