陳 彬， 韓 超， 劉 閣

(重慶工商大學 廢油資源化技術與裝備工程研究中心， 重慶 400067)

?

顆粒污染物對變壓器油介質損耗因數(shù)的影響

陳 彬， 韓 超， 劉 閣

(重慶工商大學 廢油資源化技術與裝備工程研究中心， 重慶 400067)

介質損耗因數(shù)是變壓器油電氣性能的一項重要指標，顆粒污染物對油液的介質損耗因數(shù)性能的影響較為顯著。采用均勻設計法按照ISO4406標準配制了24組含Cu、Fe、SiO2的不同粒徑、不同污染度的顆粒污染物油樣，并測定其介質損耗因數(shù)，獲得了不同種類、不同含量的顆粒物對油液介質損耗因數(shù)的影響規(guī)律；采用支持向量機法建立了油中Cu、Fe、SiO2混合顆粒物粒徑和含量與油樣介質損耗因數(shù)關系的數(shù)學模型。結果表明，建立的Cu、Fe、SiO2混合顆粒物與油液介質損耗因數(shù)關系的SVM模型對驗證集的決定系數(shù)和均方根誤差分別是0.9913、0.0039；隨著顆粒物含量的增加，油液介質損耗因數(shù)增加；油中Cu、Fe、SiO2混合顆粒物在粒徑為5、15 μm時對變壓器油介質損耗因數(shù)的影響較為顯著，變化幅度分別為0.021%、0.019%。

顆粒污染物； 變壓器油； 介質損耗因數(shù)； 支持向量機

變壓器油作為電力設備中重要的絕緣介質，其質量的好壞直接關系到設備能否安全運行[1]。擊穿電壓、介質損耗因數(shù)、電阻率等[2]是表征其絕緣特性的主要性能指標。介質損耗因數(shù)是指在電場作用下，由于介質電導和極化在其內部引起的能量損耗[3]，能直接反映變壓器油中是否存在膠體粒子、金屬微粒和微生物等極性雜質。變壓器油在生產以及運行過程中不可避免地受到顆粒物污染，如變壓器中絕緣紙等纖維顆粒、碳顆粒以及金屬顆粒等[4]，尤其是金屬顆粒對油液的擊穿電壓有直接的影響，并且隨著油液顆粒物含量的不同，油液介質損耗因數(shù)等性能指標受影響的程度及影響機理也不同[5-6]。油液中混入了Cu、Fe等金屬顆粒，懸浮的金屬顆粒雜質在電場作用下沿電場方向排列形成“小橋”[7-9]，對電流具有傳導和損耗作用；油液中顆粒物的含量不同、粒徑不同，架橋現(xiàn)象形成的機理也不同。因此，監(jiān)測顆粒物種類和含量對變壓器油介質損耗因數(shù)性能的影響，對保護電力設備的安全運行極其重要。

支持向量機(Support vector machine， SVM)是建立在統(tǒng)計學理論VC理論和最小化結構風險的原理基礎上的學習算法，由Corinna Cortes等[10-12]于1995年提出。該方法在解決小樣本、非線性以及高維模式識別問題中具有獨特的優(yōu)勢。張瑜等[13]基于可見近紅外光譜技術，采用最小二乘支持向量機法建立了油液可見近紅外光譜檢測模型，該模型預測集決定系數(shù)達到0.9546，均方根誤差僅0.0081，實現(xiàn)了對油液酸值的無損檢測。唐舟進等[14]提出一種基于迭代誤差補償?shù)淖钚《酥С窒蛄繖C預測方法，在Lorenz時間序列以及Mackey Glassy預測的仿真實驗中的預測精度均有大幅度的提升。陳彬等[15]基于近紅外光譜技術，采用LS-SVM模型建立了油中含水量的預測模型，對驗證集樣本預測的相關系數(shù)達到0.97。

筆者根據均勻設計法，采用國標ISO4406作為油液污染度標準，配制24組不同污染度等級的含Cu、Fe及SiO2顆粒物油樣，建立油樣中Cu、Fe、SiO2混合顆粒污染物的粒徑、含量與油樣介質損耗因數(shù)之間的SVM模型，以深入分析顆粒污染物的粒徑、含量對油液介質損耗因數(shù)的影響規(guī)律，為實現(xiàn)變壓器油性能的在線監(jiān)測提供技術支撐。

1 實驗部分

1.1 實驗儀器

采用昆山蘇美超聲波儀器有限公司KQ-400KDB型高功率數(shù)控超聲波振蕩器對不同污染度的含顆粒污染物油樣進行預處理，超聲波功率400 W、頻率40 kHz；采用丹東百特儀器有限公司BT-9300H(T)型激光粒度分布儀測定油樣中Cu、Fe、SiO2顆粒的粒度分布，測試范圍0.1～340 μm；采用HACH Company HIAC8012油品污染度測試儀器檢測含顆粒污染物油樣的污染度，得到14/11-21/17污染度等級(ISO4406)的油樣；采用山東中惠儀器有限公司ZHJ3100型絕緣油介損及電阻率自動測定儀測定油樣的介質損耗因數(shù)。

1.2 實驗油樣的配制

1.2.1 單種顆粒污染物油樣的配制

選用新疆克拉瑪依25#變壓器油，利用抽濾機將其經過8層中性濾紙抽濾得到的油液作為實驗初始油樣。

采用玻璃砂芯過濾裝置，添加一張中速濾紙并將過濾裝置密封好，向容器杯中加入0.02 g Cu粉和1000 mL實驗初始油樣，不斷攪拌使Cu粉與油液充分混合，同時打開真空泵抽濾。過濾的過程中需要不停地攪拌，以避免形成濾餅而影響過濾效果。將過濾得到的油液經8 h超聲波振蕩(溫度30～60℃)，檢測振蕩均勻的油樣的污染度，得到污染度等級23/18(ISO4406)的油樣。按一定的體積比向污染度等級為23/18的含Cu油樣中加入實驗初始油樣，經過8h超聲波振蕩，檢測油品的污染度，得到14/11到21/18梯度污染度等級的油樣共24組，分別盛入500 mL錐形瓶中，待用。

稱取0.03 g SiO2與1 L實驗初始油樣混合，按照上述方法進行配制，獲得14/11到21/15梯度污染度等級的含SiO2顆粒油樣共24組，分別盛入500 mL錐形瓶中，待用。

稱取15 g Fe粉與1000 mL的實驗初始油樣混合，按照上述方法同樣進行配制，得到14/11-21/16梯度污染度等級的含F(xiàn)e顆粒油樣共24組，分別盛入500 mL錐形瓶中，待用。

1.2.2 混合油樣的配制

將配制好的Cu、Fe、SiO2單種顆粒油樣根據均勻設計法配制混合顆粒油樣。采用3因素(即含Cu、Fe、SiO2單種顆粒油樣3類)、24水平(即每一類單種顆粒油樣組編號，用1,2，……，24數(shù)字表示)的U24(243)表進行正交實驗，具體的U24(243)表如表1所示。

將配制好的Cu、Fe、SiO2單種顆粒油樣置于超聲波振蕩器中振蕩8h(溫度30～60℃)，使其處于均勻狀態(tài)后，按對應的水平、體積1∶1∶1混合置于1 L錐形瓶，得到24組混合油樣。

1.3 油樣介質損耗因數(shù)測試實驗

根據GB/T5654-2007[16]，采用ZHJ3100介損及電阻率自動測試儀，對經過8 h(溫度30～60℃)超聲波振蕩均勻后的24組混合油樣進行介質損耗因數(shù)(90℃)實驗測試，每組油樣均進行3次平行實驗，記錄實驗數(shù)據，取3次實驗結果平均值作為該組油樣的介質損耗因數(shù)值。

2 結果與討論

2.1 單種顆粒污染物油樣及混合顆粒污染物油樣的顆粒粒度分布

分別測定污染度等級為23/18的含Cu顆粒油樣、21/15的含SiO2顆粒油樣、21/16的含F(xiàn)e顆粒油樣的粒度分布，結果列于表2。所列數(shù)據為某一粒徑區(qū)間內顆粒數(shù)量占所有顆粒數(shù)量的百分比。

表2 分別含Cu、Fe、SiO2顆粒物變壓器油中 顆粒物粒度分布Table 2 The particle size distributions of Cu-, Fe- and SiO2-containing transformer oils

由表2可知，含Cu顆粒油樣的粒度分布主要集中在5～15 μm區(qū)間內；含F(xiàn)e顆粒油樣的粒度分布較均勻分散，在5～15 μm、25～50 μm區(qū)間內粒度分布相對較多；含SiO2顆粒油樣的粒度分布主要集中在2～5 μm區(qū)間。

24組混合顆粒污染物油樣中5～50 μm粒徑的顆粒數(shù)范圍列于表3，顆粒粒度分布示于圖1。圖1中曲線表示的是混合油樣中顆粒的累積數(shù)量(小于某一粒徑的顆粒數(shù)量占所有粒徑顆粒數(shù)量的百分比)?？梢钥闯?，混合油樣中顆粒物的粒度分布主要集中在5～15 μm，累計數(shù)量占89.57%，15～25 μm的累計數(shù)量占8.49%。

表3 3種顆?；旌嫌蜆又蓄w粒物的數(shù)量范圍Table 3 Particle number range in oil samples containing Cu, Fe and SiO2 three particles

圖1 混合油樣中顆粒粒度分布Fig.1 The distribution of particle size of mixed oil samples

2.2 油樣的介質損耗因數(shù)

不同5 μm粒徑顆粒物含量的24組油樣介質損耗因數(shù)示于圖2。由圖2可以看出，隨著粒徑5 μm顆粒物含量的增加，油液介質損耗因數(shù)逐漸增加。其中，當粒徑5 μm的 Cu、Fe、SiO2顆粒數(shù)量小于2200時，隨著顆粒數(shù)量的增加，油液介質損耗因數(shù)上升幅度較小，變化幅度僅為0.012%。這是由于油液中顆粒物數(shù)量較少，在較強電場作用下介質產生的電流損耗作用較小。當顆粒數(shù)量由2200增加至14500，油液介質損耗因數(shù)由0.039%增加至0.256%，增加幅度為0.217%。這是因為隨著油液中顆粒物數(shù)量的增加，在較強電場作用下顆粒物沿著電場方向排列形成“小橋”，電流沿“小橋”傳導的概率隨著顆粒物的增多而增加，使得絕緣介質內部能量損耗增加即油液的介質損耗因數(shù)增加，從而降低變壓器油的絕緣性能。

圖2 粒徑5 μm顆粒物數(shù)量對變壓器油 介質損耗因數(shù)(tgδ)的影響(90℃)Fig.2 Influence of 5 μm particles number in transformer oil on dielectric dissipation factor (tgδ)

3 顆粒物與油樣介質損耗因數(shù)SVM模型的建立與分析

3.1 模型的構建

在24組油樣中隨機選取19組油樣作為SVM模型的訓練集樣本，將19組油樣中顆粒物的不同粒徑、不同數(shù)量作為模型的輸入變量，測得的對應油樣的介質損耗因數(shù)作為模型的輸出變量，建立油中Cu、Fe、SiO2顆粒物粒徑、數(shù)量與油液介質損耗因數(shù)之間關系的SVM模型；將剩余5組油樣作為模型的驗證集樣本，并利用建立的SVM模型對剩余5組顆粒污染物油樣的介質損耗因數(shù)進行預測。將決定系數(shù)(R2)和預測均方根誤差(RMSE)作為模型的評價指標，模型的決定系數(shù)越接近1，均方根誤差越接近0，則模型的預測精度越高。驗證集的SVM數(shù)學模型預測值與實測值的回歸結果如圖3所示。

圖3 顆粒物粒徑、數(shù)量與油液介質損耗因數(shù)(tgδ)關系的 SVM模型預測值與實測值Fig.3 SVM predicted and measured values for the relations between dielectric dissipation factor (tgδ) and particle size and number in transformer oil

建立的SVM數(shù)學模型的訓練集決定系數(shù)為0.9687，均方根誤差為0.1433×10-2；利用建立的SVM模型對驗證集樣本進行預測的決定系數(shù)和均方根誤差分別為0.9913、0.0039；建立的SVM模型獲得了較好的預測精度。

從圖3可以看出，該SVM模型的輸出能夠很好地跟蹤油樣介質損耗因數(shù)的變化，預測值與實測值之間的相對誤差范圍為0.01～0.13；預測值與實測值數(shù)據的回歸點基本都在回歸直線附近，二者數(shù)據基本吻合，其中R2=0.9913，RMSEP=0.0039，Bias=-0.0002，說明建立的SVM模型能夠充分利用油中顆粒物的污染度信息，有效地預測含Cu、Fe、SiO2顆粒物油樣的介質損耗因數(shù)。

3.2 SVM模型模擬顆粒物與油液介質損耗因數(shù)的關系

根據建立的支持向量機模型，得到24組油樣中5、15、25和50 μm的Cu、Fe、SiO2顆粒物對油液介質損耗因數(shù)的影響，結果示于圖4。

圖4(a)為油樣中15、25和50 μm的Cu、Fe、SiO2顆粒數(shù)量為最小值時，油液中5 μm的Cu、Fe、SiO2混合顆粒數(shù)量對油液介質損耗因數(shù)(90℃)的影響?？梢钥闯觯S著Cu、Fe、SiO2顆粒數(shù)量的增加，油液介質損耗因數(shù)先上升后下降。當5 μm顆粒由292增加到4700時，油液介質損耗因數(shù)增加，增加幅度0.021%，并在4700時達到最大值為0.04%。這是因為隨著油液中5μm Cu、Fe、SiO2混合顆粒數(shù)量的增加，顆粒物在較強電場作用下沿電場方向排列形成“小橋”，使得電流沿著“小橋”傳導的概率增加，并增大了對電流的損耗。當5μm顆粒含量由4700增加到7500時，油液介質損耗因數(shù)下降，下降幅度為0.011%，且當顆粒數(shù)量增加至7500后，油液介質損耗因數(shù)趨于穩(wěn)定。這是由于隨著5 μm顆粒的增加，顆粒物形成的“小橋”對電場作用下產生的電流的傳導作用和損耗趨于飽和狀態(tài)所致。

圖4(b)為油樣中5、25和50 μm的Cu、Fe、SiO2混合顆粒數(shù)量為最小值時，15 μm Cu、Fe、SiO2混合顆粒書數(shù)量對油液介質損耗因數(shù)(90℃)的影響?？梢钥闯?，隨著油樣中15 μm Cu、Fe、SiO2顆粒數(shù)量的增加，油液介質損耗因數(shù)逐漸下降，下降幅度為0.019%。當15 μm顆粒數(shù)量由19增加至370時，油液介質損耗因數(shù)由0.047%減小為0.028%；當顆粒數(shù)量達到370后，油液介質損耗因數(shù)趨于平穩(wěn)。這是由于粒徑為15 μm的顆粒物相對于5 μm的顆粒物粒徑較大，使15 μm顆粒物在較強電場作用下沿電場方向排列形成“小橋”的概率降低，減小了對電流的損耗；且隨著15 μm顆粒數(shù)的增加，“小橋”的傳導作用更弱，從而使得油液介質損耗因數(shù)下降。

圖4(c)為油樣中5、15和50 μm的Cu、Fe、SiO2顆粒數(shù)量為最小值時，油液中25 μm Cu、Fe、SiO2混合顆粒數(shù)量對油液介質損耗因數(shù)(90℃)的影響。可以看出，隨著油液中25 μm Cu、Fe、SiO2顆粒數(shù)量的增加，油液介質損耗因數(shù)下降，下降幅度為0.0027%，且在顆粒數(shù)為15時，油液介質損耗因數(shù)達到最小值0.0269%。25 μm Cu、Fe、SiO2混合顆粒對油液的介質損耗因數(shù)影響較小，這是因為25 μm 顆粒數(shù)量較少且粒徑較大，會減弱導電“小橋”的傳導作用所致。

圖4(d)為油樣中5、15和25 μm的Cu、Fe、SiO2顆粒數(shù)量為最小值時，油液中50 μm Cu、Fe、SiO2混合顆粒數(shù)量對油液介質損耗因數(shù)(90℃)的影響?？梢钥闯?，50 μm顆粒影響區(qū)間很小，且對油液介質損耗因數(shù)的影響較小，變化范圍僅為0.0026%。這是因為顆粒粒徑較大且數(shù)量很少，對電流損耗作用小。

圖4 SVM模型模擬所得顆粒物粒徑和數(shù)量對變壓器油介質損耗因數(shù)(tgδ)的影響(90℃)Fig.4 Influence of particle size and number in transformer oil on dielectric dissipation factor (tgδ) simulated by SVM Particle size/μm: (a) 5; (b) 15; (c) 25; (d) 50

綜合上述分析可知，粒徑為5、15 μm顆粒對油液介質損耗因數(shù)的影響較為顯著，油液介質損耗因數(shù)變化幅度分別為0.021%、0.019%；25、50 μm 顆粒對油液介質損耗因數(shù)影響較小，介質損耗因數(shù)變化幅度分別為0.0027%、0.0026%。

4 結 論

(1)含不同粒徑和不同數(shù)量的Cu、Fe、SiO2混合顆粒物油樣的介質損耗因數(shù)隨著顆粒物數(shù)量的增加而增加。

(2)建立的Cu、Fe、SiO2混合顆粒物粒徑和數(shù)量與油液介質損耗因數(shù)關系的SVM模型的訓練集決定系數(shù)(R2)和均方根誤差(MSE)分別為0.9687、0.1433×10-2；驗證集數(shù)據均勻分布在回歸直線附近，預測值與實測值基本吻合，R2=0.9913，RMSEP=0.0039，Bias=-0.0002，建立的SVM模型具有較高的預測精度。

(3)Cu、Fe、SiO2顆粒在粒徑為5～15 μm范圍內對油液介質損耗因數(shù)影響較大，其中5、15 μm 顆粒的影響較為顯著；受粒徑5 μm Cu、Fe、SiO2混合顆粒的影響，油液介質損耗因數(shù)變化較大，變化幅度為0.021%，并且在顆粒數(shù)為4700時達到最大值0.04%；粒徑為15 μm 的Cu、Fe、SiO2混合顆粒數(shù)量增加，油液介質損耗因數(shù)呈下降趨勢，變化幅度為0.019%。

(4)25、50 μm的Cu、Fe、SiO2顆粒物對油液介質損耗因數(shù)影響較小，變化幅度分別為0.0027%、0.0026%。

[1] KALANTAR A, LEVIN M. Factors affecting the dissolution of copper in transformer oils[J].Lubrication Science, 2008, 20(3): 223-240.

[2] 高明.低溫下變壓器油絕緣特性研究[D].北京： 中國電力科學研究院, 2011.

[3] 錢藝華, 吳海燕, 蘇偉, 等. 不同變壓器油電氣性能的對比研究[J].變壓器, 2012, 49(4): 29-33. (QIAN Yihua, WU Haiyan, SU Wei, et al. Comparison and research on electrical properties of different transformer oils[J].Transformer, 2012, 49(4): 29-33.)

[4] 周鳳, 吾滿江·艾力, 張亞剛, 等. 二芳基乙烷的合成與精制及其性能評價[J]. 石油學報(石油加工), 2014, 30(4): 656-661. (ZHOU Feng, WUMANJIANG Aili, ZHANG Yagang, et al. Synthesis and refining and performance evaluation of phenyl ethylbenezene ethane[J].Acta Petrolei Sinica (Petroleum Processing Section), 2014, 30(4): 656-661.)

[5] WAN T, QIAN H, FENG B, et al. Influence of copper ions in transformer oil properties and adsorption treatment[J].IEEE Transactions on Dielectrics & Electrical Insulation, 2013, 20(1): 141-146.

[6] MAHMUD S. Influence of contamination on the electrical performance of power transformer oil [D].Southampton： University of Southampton, 2015.

[7] 孟群輝, 王維霞, 毛玲玲, 等. 三種主要雜質對變壓器油絕緣性能的影響及控制措施[J].廣東化工, 2013, 40(14): 97-98. (MENG Qunhui, WANG Weixia, MAO Lingling, et al. Influence of three kinds of main impurities on the insulation performance of transformer oil and control measures[J].Guangdong Chemical Industry, 2013, 40(14): 97-98.)

[8] KOCH M, KRUEGER M, PUETTER M. Advanced insulation diagnostic by dielectric spectroscopy[J].Omicron Electronics Austria, 2009.

[9] 陳彬, 武宏陽, 韓超, 等. 基于中紅外光譜分析的微水對絕緣油電氣性能影響研究[J].光譜學與光譜分析, 2015, 35(10): 2740-2745. (CHEN Bin, WU Hongyang, HAN Chao, et al. Study on trace water influence on electrical properties of insulating oil based on the mid-infrared spectrum analysis[J].Spectroscopy and Spectral Analysis, 2015, 35(10): 2740-2745.)

[10] 丁世飛, 齊丙娟, 譚紅艷. 支持向量機理論與算法研究綜述[J].電子科技大學報， 2011, 40(1): 2-10. (DING Shifei, QI Bingjuan, TAN Hongyan. An overview on theory and algorithm of support vector machines[J].Journal of University of Electronic Science & Technology of China, 2011, 40(1): 2-10.)

[11] NELLO C, JOHN S T. 支持向量機導論[M].李國正, 王猛, 曾華軍, 譯. 北京： 電子工業(yè)出版社， 2004.

[12] 郭明瑋, 趙宇宙, 項俊平, 等. 基于支持向量機的目標檢測算法綜述[J].控制與決策, 2014, 29(2): 193-200. (GUO Mingwei, ZHAO Yuzhou, XIANG Junping, et al. Review of object detection methods based on SVM[J].Control & Decision, 2014, 29(2): 193-200.)

[13] 張瑜, 吳迪, 何勇, 等. 基于可見-近紅外光譜技術的潤滑油酸值無損檢測方法研究[J].紅外, 2011, 32(12): 39-44． (ZHANG Yu, WU Di, HE Yong, et al. Non-invasive measurement of acid value of lubricant using visible and near infrared spectroscopy [J].Infrared, 2011, 32(12): 39-44.)

[14] 唐舟進, 任峰, 彭濤, 等. 基于迭代誤差補償?shù)幕煦鐣r間序列最小二乘支持向量機預測算法[J].物理學報, 2014, 63(5): 78-87. (TANG Zhoujin, REN Feng, PENG Tao, et al. A least square support vector machine prediction algorithm for chaotic time series based on the iterative error correction[J].Acta Physica Sinica, 2014, 63(5): 78-87.)

[15] 陳彬, 劉閣, 張賢明. 汽輪機油中含水量的近紅外光譜研究[J].光譜學與光譜分析, 2013, 33(11): 2959-2963. (CHEN Bin, LIU Ge, ZHANG Xianming. Near infrared spectroscopy study on water content in turbine oil[J].Spectroscopy and Spectral Analysis, 2013, 33(11): 2959-2963.)

[16] GB/T5654-2007. 液體絕緣材料相對電容率、介質損耗因數(shù)和直流電阻率的測量[S].

The Influence of Particle Pollution on Dielectric Dissipation Factor of Transformer Oil

CHEN Bin, HAN Chao, LIU Ge

(EngineeringResearchCentreforWasteOilRecoveryTechnologyandEquipment,ChongqingTechnologyandBusinessUniversity,Chongqing400067,China)

Dielectric dissipation factor is an important index to characterize the electrical performance of transformer oil, which is remarkably deteriorated by the solid particles in it. Based on ISO4406 standard, 24 groups of oil samples containing Cu, Fe, and SiO2particles with different sizes were prepared by uniform design method, and their dielectric dissipation factors were tested to investigate the influence law of particle size and content on the dielectric dissipation factor of oil. The mathematical model for simulating the relation between Cu, Fe and SiO2particles with different particle size, particle content and dielectric dissipation factor of oil samples was established by support vector machine method. The results showed that the determination coefficient was 0.9913 and the root mean square error was 0.0039 of the validation set. The dielectric dissipation factor increased with the increase of the content of particulate pollutant in oil. The Cu, Fe and SiO2particles with the size of 5 and 15 μm have a significant influence on the dielectric dissipation factor of oil, resulting in the change of dielectric dissipation factor values of 0.021% and 0.019%, respectively.

particulate pollutant; transformer oil; dielectric dissipation factor; support vector machine

2016-03-28

國家自然科學基金項目(51375516)資助

陳彬，男，教授，博士，主要研究方向為油液污染控制技術;Tel:023-62768316;E-mail:hustchb@163.com

1001-8719(2017)01-0182-07

O657.99； TM215.4

A

10.3969/j.issn.1001-8719.2017.01.026