任東紅，賀篤貴，董國貴，謝萍萍

（銅陵職業(yè)技術(shù)學(xué)院，安徽銅陵，244000）

1 變壓器故障檢測的重要意義

隨著全球經(jīng)濟的劇烈增長，社會不斷發(fā)展，人們的生活水平伴隨著經(jīng)濟增長而不斷提高，而科技的不斷革新也帶來了生活方式的改變，人們對能源以及清潔能源的需求日益增加，這就要求電網(wǎng)及電力系統(tǒng)的容量要極速擴大，從而滿足日益增長的電力需求量，同時也伴隨著對電力系統(tǒng)中設(shè)備的可靠穩(wěn)定運行也有著更高的要求。

變壓器作為電力輸變電系統(tǒng)中極其重要的設(shè)備之一，其安全可靠的運行是保證工業(yè)及居民用戶用電的基礎(chǔ)；其肩負著電能傳輸和變壓的重要使命，在電力系統(tǒng)中處于關(guān)鍵樞紐地位。特別是隨著超高壓換流變壓器的研發(fā)和運營應(yīng)用，目前變壓器的電壓等級從原來的10KV、110KV 發(fā)展為500KV、700KV 甚至1000KV 乃至更高的級別提升[1]。同時由于電力系統(tǒng)中電力容量的不斷擴大，輸電網(wǎng)絡(luò)的電壓等級也不斷提高，對特高壓大型變壓器的需求量也不斷增加。變壓器的穩(wěn)定性要求也隨之提高，技術(shù)難度也越來越高。

電力變壓器一旦發(fā)生故障，輕則局部斷電檢修，重則大面積停電，電力系統(tǒng)的穩(wěn)定性受到破壞，甚至影響社會穩(wěn)定等，讓社會付出巨大的時間成本和慘重的經(jīng)濟代價，對家庭用戶的基本生活造成影響，破壞企業(yè)用戶的正常生產(chǎn)。對于電力變壓器而言，其內(nèi)部結(jié)構(gòu)相對復(fù)雜，主要分為導(dǎo)電線圈部分、導(dǎo)磁部分、絕緣部分和其他連接結(jié)構(gòu)部分。其絕緣性能的好壞直接關(guān)系著電力變壓器能否穩(wěn)定運行，到目前為止電力變壓器的絕緣物質(zhì)仍然以提煉的礦物油為主，因此礦物油是變壓器故障發(fā)生的關(guān)鍵物質(zhì)。目前變壓器故障檢測中學(xué)者們研究最多的即通過檢測及預(yù)測變壓器箱內(nèi)絕緣油的成分來檢測及預(yù)估變壓器的故障，從而做到及時檢測、及時檢修，防患于未然，避免大面積電力事故產(chǎn)生。變壓器油是一種由多種碳氧化合物組成的混合物，其主要包括烷炔、環(huán)烷炔、稀炔、芳香炔等物質(zhì)[1]。電力變壓器在長期正常運行過程中，箱體內(nèi)的絕緣油類材料在電場、熱場、氧化、裂解作用下產(chǎn)生少量低分子烴類氣體和碳的氧化物；同時若變壓器發(fā)生故障，在熱故障和電故障的作用下，也會產(chǎn)生一些此類氣體。我們需要選取變壓器油中產(chǎn)生的某一類或者某幾類氣體作為檢測分析依據(jù)，從而準(zhǔn)確的判斷和預(yù)測變壓器的故障。目前國內(nèi)依據(jù)IEC60599-1999《運行中礦物浸電氣設(shè)備溶解氣體和游離氣體分析和解釋導(dǎo)則》規(guī)定的9 種氣體CO、CO2、H2、CH4、C2H2、C2H4、C2H6、N2、O2作為變壓器油的檢測氣體，其中N2、O2是非必測氣體，必測氣體中CH4、C2H2、C2H4、C2H6四種氣體統(tǒng)稱為總烴。9 種氣體中O2和N2組合用于分析診斷變壓器的氣密性程度和脫氣情況；CO 和CO2的濃度則用于判斷變壓器的固體絕緣材料的老化程度和故障情況；C2H2用來判斷變壓器是否發(fā)生高能放電或者低能放電的程度；H2、CH4、C2H4、C2H6則用來判斷變壓器是否發(fā)生局部放電故障或者熱性故障。

2 人工智能神經(jīng)網(wǎng)絡(luò)在變壓器故障檢測中的應(yīng)用

根據(jù)分析，變壓器故障類型與變壓器油溶解氣體的成分和濃度有著密切的關(guān)系，如何找出這種對應(yīng)關(guān)系是找出變壓器故障的關(guān)鍵。目前人們共提出了以下幾種傳統(tǒng)故障與氣體的對應(yīng)關(guān)系的方法。

第一種是特征氣體法：隨著變壓器故障的產(chǎn)生，變壓器內(nèi)的氣體組分和濃度將產(chǎn)生變化，通過測量對正常變壓器油內(nèi)氣體組分和濃度的比較以及根據(jù)氣體的產(chǎn)生速度來判斷變壓器的故障類型，此種方法簡單粗糙、容易實施，但存在識別精度低的問題；第二種常用方法是羅杰斯比值法，該方法通過大量實驗表明變壓器的故障類型不僅與變壓器油中氣體的組分和濃度相關(guān)，同時還與氣體的相對含量有關(guān)，如變壓器發(fā)生熱性故障，產(chǎn)生的故障氣體主要是CH4、C2H4，變壓器產(chǎn)生電性故障，產(chǎn)生的故障氣體主要是C2H2和 H2，因此可根據(jù)CH4 和H2的比值來區(qū)分是熱性故障和電性故障；羅杰斯通過研究提出了通過CH4/H2、C2H2/C2H4、C2H4/C2H6，C2H6/CH4的比值進行判別變壓器故障的四比值法。同時在羅杰斯方法的基礎(chǔ)上，國際電工委員會提出了三比值法。第三種是改良三比值法：改良三比值法在三比值法的基礎(chǔ)上根據(jù)變壓器故障情況下裂解產(chǎn)生氣體組分含量的相對濃度與溫度的相互依賴關(guān)系，選取溶解度和擴散系數(shù)相近的氣體組分組成比值CH4/H2、C2H2/C2H4、C2H4/C2H6并以不同的編碼表示。根據(jù)己知的編碼規(guī)則和分類方法，從而查表確定故障性質(zhì)。但該方法存在諸多缺點，如編碼不全、編碼邊界過于絕對、不能診斷多故障等[1]。

由于傳統(tǒng)的判斷方法存在不足，當(dāng)前各種智能手段被應(yīng)用與變壓器故障檢測中，常見的智能技術(shù)有人工神經(jīng)網(wǎng)絡(luò)技術(shù)、智能學(xué)習(xí)算法、模糊技術(shù)、專家系統(tǒng)等。神經(jīng)網(wǎng)絡(luò)技術(shù)作為人工智能領(lǐng)域的領(lǐng)頭羊，是近年來發(fā)展起來的一門十分活躍的交叉學(xué)科，它作為一種新的方法體系，具有分布并行處理、非線性映射、自適應(yīng)學(xué)習(xí)和魯棒性等特點，使得其在模式識別、控制優(yōu)化、智能信息處理等方面能夠得到廣泛應(yīng)用。

目前，眾多學(xué)者致力于基于人工神經(jīng)網(wǎng)絡(luò)的變壓器故障模型研究，建立的主要故障檢測模型如圖1 所示，其包括神經(jīng)網(wǎng)絡(luò)構(gòu)建、神經(jīng)網(wǎng)絡(luò)訓(xùn)練、神經(jīng)網(wǎng)絡(luò)預(yù)測三大部分，首先通過輸入輸出之間的關(guān)系選擇合適的神經(jīng)網(wǎng)絡(luò)構(gòu)建神經(jīng)網(wǎng)絡(luò)模型，其次根據(jù)網(wǎng)絡(luò)模型結(jié)構(gòu)特點選擇精準(zhǔn)的學(xué)習(xí)算法對網(wǎng)絡(luò)進行訓(xùn)練得到準(zhǔn)確的網(wǎng)絡(luò)模型。最后根據(jù)訓(xùn)練得到的神經(jīng)網(wǎng)絡(luò)模型，進行準(zhǔn)確的變壓器故障診斷，同時可以通過神經(jīng)網(wǎng)絡(luò)測試數(shù)據(jù)得出網(wǎng)絡(luò)的測試精度。

圖1 神經(jīng)網(wǎng)絡(luò)檢測故障模型

學(xué)者們基本按照上圖建立基于神經(jīng)網(wǎng)絡(luò)的故障檢測模型。根據(jù)變壓器油的特性，將與變壓器故障密切相關(guān)聯(lián)的氣體作為神經(jīng)網(wǎng)絡(luò)的輸入，變壓器發(fā)生的故障類型作為神經(jīng)網(wǎng)絡(luò)的輸出，具體的神經(jīng)網(wǎng)絡(luò)變壓器診斷模型可參照圖2，神經(jīng)網(wǎng)絡(luò)可以包含一個或者多個隱含層，通常個數(shù)為1，隱含層神經(jīng)元的個數(shù)根據(jù)實際網(wǎng)絡(luò)訓(xùn)練情況確定。

圖2 神經(jīng)網(wǎng)絡(luò)診斷模型結(jié)構(gòu)

模型研究初期學(xué)者們主要研究是根據(jù)傳統(tǒng)的BP 神經(jīng)網(wǎng)絡(luò)建立神經(jīng)網(wǎng)絡(luò)變壓器檢測模型，如GUARDADO[2]等人將“三比值法”的數(shù)據(jù)作為BP 神經(jīng)網(wǎng)絡(luò)輸入輸出，建立神經(jīng)網(wǎng)絡(luò)檢測判斷模型，證明了BP 神經(jīng)網(wǎng)絡(luò)的可行性，但預(yù)測精度較低；隨著研究的深入，學(xué)者們根據(jù)變壓器油氣體輸入成分的特性對神經(jīng)網(wǎng)絡(luò)進行改進，引入之智能神經(jīng)網(wǎng)絡(luò)及智能學(xué)習(xí)算法，如范俊輝[3]等人將粒子群算法（PSO）和概率神經(jīng)網(wǎng)絡(luò)(PNN)結(jié)合起來進行研究，建立變壓器故障診斷模型，PSO 算法解決了PNN 網(wǎng)絡(luò)中存在的平滑因子選取不夠科學(xué)的缺點，變壓器故障診斷的精確度得到了提高。劉景艷[4]等人引入徑向基神經(jīng)網(wǎng)絡(luò)（RBF），同時結(jié)合遺傳變異學(xué)習(xí)算法，提高了RBF 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和預(yù)測精度，提高了變壓器故障診斷的準(zhǔn)確度。馬文靜[5]等人運用小波神經(jīng)網(wǎng)絡(luò)建立變壓器故障預(yù)測模型，并利用遺傳算法對神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，將模型成功應(yīng)用于變壓器故障診斷，但考慮到遺傳算法相對復(fù)雜，訓(xùn)練時間較長，賈嶸[6]等人運用改進的粒子群算法較好的全局搜索能力，對小波神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練，在變壓器故障診斷中取得較好的效果。

3 變壓器檢測的發(fā)展研究方向

電力變壓器是電力系統(tǒng)中最關(guān)鍵的設(shè)備之一，變壓器的可靠運行至關(guān)重要，近些年來眾多學(xué)者致力于如何快速準(zhǔn)確的診斷和預(yù)測變壓器的故障?；谏窠?jīng)網(wǎng)絡(luò)的變壓器故障模型是近些年的研究方向，目前有以下四大問題有待進一步研究。

（1）變壓器故障類型密切相關(guān)的氣體類型的進一步確定。目前學(xué)者們主要根據(jù)三比值法中的氣體作為神經(jīng)網(wǎng)絡(luò)的輸入，是否還有其他相關(guān)變量需要考慮是學(xué)者們的一大研究方向；（2）神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的研究。神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)并不是越復(fù)雜預(yù)測精度越高，學(xué)者們要根據(jù)輸入輸出之間的關(guān)系實際選擇和改進神經(jīng)網(wǎng)絡(luò)模型，建立適合的神經(jīng)網(wǎng)絡(luò)模型。（3）學(xué)習(xí)算法的選擇，學(xué)習(xí)算法一方面可以提高訓(xùn)練時間，另一方面可以提高模型建立的精度，學(xué)習(xí)算法很難二者都兼顧，學(xué)者們在后期研究中可以將訓(xùn)練精度作為首要解決的問題。（4）目前針對變壓器故障診斷仍然以已發(fā)生故障判斷為主，很難做到通過變壓器油中溶解氣體的變化來預(yù)測變壓器即將產(chǎn)生的故障，部分學(xué)者做過相關(guān)預(yù)測，但是整體預(yù)測精度較低，變壓器故障的準(zhǔn)確預(yù)測必將是電力學(xué)者們今后的主要研究內(nèi)容，從而做到真正的防患于未然。