大唐共和清潔能源有限公司 周海林 李朝波 徐 軍 陳學(xué)云 金光杰 苗在成

1 變壓器故障診斷原理

變壓器一旦出現(xiàn)故障，將直接影響電力系統(tǒng)運行狀態(tài)，在診斷故障前需先行了解變壓器故障類型及其特征表現(xiàn)。通常結(jié)合故障部位可細(xì)分套管故障、引線故障、繞組故障以及絕緣故障。而根據(jù)故障現(xiàn)象可劃分為如表1中幾種類型。如若以故障回路原理予以劃分，常見油路、磁路以及電路故障，同時還可按照表2中的油氣特征范圍判定故障風(fēng)險。另外，在對變壓器故障進(jìn)行實時診斷時，還可直觀通過編碼反饋結(jié)果確定故障類型，見表3。

表1 變壓器故障定性分析特征

表2 油氣成分分布特征

表3 變壓器故障不同油氣成分比值條件下編碼情況

在采用BP神經(jīng)網(wǎng)絡(luò)算法診斷故障時，還可利用不同輸出量編碼結(jié)果歸納故障類型，具體包含正常運行、高溫過熱、中低溫過熱、高能放電、低能放電，其中溫度超出700℃時表示目前變壓器處于溫度異常范圍。如若輸出量編碼輸出結(jié)果為1、0、0、0、0，則屬于正常運行狀態(tài)，如若顯示0、1、0、0、0則為高溫過熱故障，以此在編碼信息整合中順利掌握故障類型，進(jìn)而動態(tài)掌握變壓器故障。在BP神經(jīng)網(wǎng)絡(luò)算法下獲取輸出值范圍時，若編碼為1，則證明當(dāng)前運行中的變壓器設(shè)備正處于高風(fēng)險故障狀態(tài)，而后結(jié)合神經(jīng)網(wǎng)絡(luò)層特征值給出精準(zhǔn)診斷數(shù)據(jù)，以期滿足變壓器全方位在線診斷要求[1]。

2 基于“聲音+BP神經(jīng)網(wǎng)絡(luò)”變壓器故障診斷要點

2.1 測量振動聲音

在以“聲音+BP神經(jīng)網(wǎng)絡(luò)”算法對變壓器故障進(jìn)行實時診斷時，應(yīng)當(dāng)科學(xué)測量振動聲音。因變壓器實際運行期間，常見繞組振動、冷卻裝置振動、油泵振動等現(xiàn)象，如若能從振動聲音層面摸索變壓器運行聲音特征，可快速排除變壓器是否存在異響隱患?？紤]到變壓器運行時形成振動反應(yīng)的部位較為多樣，且每一處聲音源均有顯著特征，可有效通過聲音測量方法診斷變壓器故障，即按照聲音源識別、振動信號檢測以及BP神經(jīng)網(wǎng)絡(luò)算法，識別故障的順序建立精準(zhǔn)排障條件。

通常情況下，測量振動聲音時常用聲音測量儀歸納振動頻率等參數(shù)，如相距3m左右位置上安裝聲音測量儀，或是在2.5m油箱高度以下變壓器，選擇在50%水平面處測量聲音，設(shè)置10個以上測點等，雖然均能獲取聲音測量數(shù)據(jù)，但精準(zhǔn)度相對偏低。故而在先進(jìn)診斷方法下可運用聲成像技術(shù)測量振動聲音。

以麥克風(fēng)與攝像頭設(shè)施，對變壓器運行期間整個聲音范圍振動聲音要素予以采集，且符合下述公式標(biāo)準(zhǔn)：，式中：B（t，θ）表示變壓器聲壓級最大頻段（fmax）對應(yīng)振動聲壓信號所在位置，kn、Pn、t、τ分別表示fmax對應(yīng)下振動聲音聲壓信號權(quán)重向量、fmax對應(yīng)下振動聲音聲壓信號、振動時間、補償時延。θ代表聲源聚焦方向，N代表傳聲器數(shù)量。同時τ可參照下列公式予以計算：，式中：ln為n序號對應(yīng)傳聲器和參考傳聲器間距，c0為聲波傳播期間對應(yīng)傳播聲速。

在圍繞變壓器振動聲音數(shù)據(jù)予以采集時，還要在變壓器振動部位安裝信號調(diào)理器、聲音傳感器等配件，此時能準(zhǔn)確掌握振動信號，并依據(jù)標(biāo)準(zhǔn)信號范圍確定變壓器現(xiàn)下振動聲音是否正常。其中，在以此技術(shù)測量振動聲音時，還要注重聲像影像特征綜合分析，保證在振動信號點位評估中快速鑒別出現(xiàn)異響部位具體點位。根據(jù)現(xiàn)行“變壓器噪音標(biāo)準(zhǔn)”，可確定變壓器振動聲音多在65db以下，而在油泵振動聲音測量中發(fā)現(xiàn)低于55db，方能證明變壓器油泵未見噪聲故障。

同時，振動聲音標(biāo)準(zhǔn)還與變壓器型號有關(guān)，以2500kVA油浸自冷型變壓器為例，要求6～63kV變壓器需保持＜60db振動聲音，或是不超過50db，以便在振動聲音精準(zhǔn)控制下全面知曉變壓器振動部位聲音正常范圍。變壓器制冷裝置處形成的振動聲音，往往在大轉(zhuǎn)速風(fēng)扇下更易引起噪聲。經(jīng)過對聲音振動特征的有效分析，可知曉聲音與變壓器故障相關(guān)性。

2.2 構(gòu)建診斷模型

在以“聲音+BP神經(jīng)網(wǎng)絡(luò)”算法診斷變壓器故障，需科學(xué)建立診斷模型，以此通過模型分析方法掌握故障特征。首先，需確定輸入量參數(shù)，一般包含基頻幅值（A100）、主頻幅值（Amain）、基頻比重（P100）、主頻比重（Pmain）等。在f基頻條件下要求振動信號與電流信號基頻保持2:1關(guān)系，而關(guān)于P100的計算可利用下述公式：，式中：A2100是指100Hz基頻下對應(yīng)振幅，Af為f頻率下振動頻譜對應(yīng)振幅，f即為振動信號基頻，fmain為振動信號基頻最大值。

在Amain分析期間，多取值200Hz、300Hz、400Hz、500Hz，并在200Hz基頻條件下振幅以及最大振幅區(qū)間內(nèi)選出最大主頻幅值。Pmain則滿足下述關(guān)系式要求：，其中Amain為主頻振幅。另外，還需根據(jù)振動熵（H）與f基頻下振動信號比重（Pf）的相關(guān)性，合理控制BP神經(jīng)網(wǎng)絡(luò)算法與聲音元素綜合評估下輸入量數(shù)量：，通常變壓器故障診斷階段應(yīng)用BP神經(jīng)網(wǎng)絡(luò)算法建模時，常將輸入層數(shù)量設(shè)計在五個左右，就此滿足變壓器運行特征。

其次，建模時需確定輸出量特征，以BP神經(jīng)網(wǎng)絡(luò)算法評估變壓器故障，匯總上文所述輸出量內(nèi)容，可對故障類型予以細(xì)化分析。以繞組故障類型為例，常見翹曲、鼓包、錯位、松動以及繞組正常、繞組鐵心故障，可將其列入輸出量中，進(jìn)而在此算法輔助下全方位掌握每一種故障類型下故障特征值。

最后，構(gòu)建診斷模型時還應(yīng)當(dāng)將基頻比重等五個輸入量，結(jié)合輸出量依據(jù)激活函數(shù)實施歸一化處理，最終在特征量綜合分析中整合變壓器故障特征，給出帶有參考價值的故障診斷輸出結(jié)果：，，其中：x即為參數(shù)單元，xi為歸一化處理后數(shù)據(jù)，xmin＇、xmax＇則代表樣本特征量（xi`）對應(yīng)最小、最大數(shù)據(jù)，從中可順利獲取變壓器故障診斷數(shù)量，之后安排專業(yè)人員有針對性開展故障檢修工作，提高故障診斷效率。

2.3 采集故障數(shù)據(jù)

2.3.1 異響數(shù)據(jù)

在以BP神經(jīng)網(wǎng)絡(luò)算法聯(lián)合聲音要素診斷變壓器故障時，通常需要先行建立神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，而后判定初始權(quán)值和閾值在BP神經(jīng)網(wǎng)絡(luò)模型中的具體表現(xiàn)，并結(jié)合誤差結(jié)果確定變壓器當(dāng)前各參數(shù)運行特征是否符合既定標(biāo)準(zhǔn)，若符合則出具對應(yīng)的診斷模型，若不符合則繼續(xù)調(diào)整相關(guān)閾值和網(wǎng)絡(luò)權(quán)值。

由于變壓器實際運行期間，常因振動聲音異常表現(xiàn)而呈現(xiàn)不同故障狀態(tài)，故而需要通過采集異響數(shù)據(jù)提前評估聲音源以及振動信號點位，自此推斷出主要故障，以便在異響數(shù)據(jù)精準(zhǔn)分析中實現(xiàn)高效排障。主要可圍繞（見表4）所示振動聲音異響特征診斷故障。異響數(shù)據(jù)的整合處理是故障診斷階段重要內(nèi)容。在對異響進(jìn)行分析時，還可通過模擬聲音直觀歸納故障類型，可將異響特征作為輔助憑證，進(jìn)一步增加BP神經(jīng)網(wǎng)絡(luò)算法下診斷模型故障診斷結(jié)果可信度。

此處列舉下列幾種普遍存在的異響模擬聲音：“吱吱異響”。在以BP神經(jīng)網(wǎng)絡(luò)算法采集異響聲音特征時，若出現(xiàn)此聲響，可考慮存在分接開關(guān)觸點部位出現(xiàn)污垢故障，并且同時采集電流值，若在2%出廠電流數(shù)據(jù)以上，認(rèn)定變壓器為接觸不良故障的可能性較高，維修人員可直接對其開關(guān)進(jìn)行10次或15次反復(fù)旋轉(zhuǎn)操作，以便快速消除異響；“噼啪異響”。此異響多與放電聲音相關(guān)，?？紤]出現(xiàn)油箱缺油故障，維修人員可將油量控制在油面液位以上20℃位置，又或是在繞組結(jié)構(gòu)上連接塑料鋁芯線（截面積為10～16mm2）；“唧哇異響”。在變壓器存在虛接故障時容易形成此異響，維修人員需在停電作業(yè)下檢查線路連接完好度。

“嗡嗡異響”。此異響的出現(xiàn)可在BP神經(jīng)網(wǎng)絡(luò)診斷模型下統(tǒng)計直流電阻值，若繞組直流電阻對應(yīng)不平衡率高于±1%，則判定為繞組故障，一般≤1600kVA變壓器三相直流電阻值差值多在4%平均值以下，而＞1600kVA變壓器差值需低于2%平均值，維修人員可根據(jù)此異響數(shù)據(jù)分析結(jié)果對開關(guān)觸點進(jìn)行壓緊處理，實現(xiàn)有效連接。至于其他異響數(shù)據(jù)的整合處理，維修人員需隨時按照振動聲音特征值給出診斷范圍，借此提升故障診斷數(shù)據(jù)權(quán)威性。

2.3.2 時域數(shù)據(jù)

基于“聲音+BP神經(jīng)網(wǎng)絡(luò)”算法診斷變壓器故障時，還需針對聲音信號采集時域數(shù)據(jù)，進(jìn)而在時域參數(shù)綜合分析中確定變壓器運行狀況。常見時域參數(shù)以峰值因子、有效值、K因子、脈沖因子為主，具體可采用K因子分析結(jié)果衡量變壓器是否處于穩(wěn)定運行狀態(tài)。在計算K因子時可參照下述公式，同時結(jié)合BP神經(jīng)網(wǎng)絡(luò)偏差校對方法給出可靠數(shù)據(jù)。

式中：Peak、RMS、max（xi）、min（xi）、N、具體代表峰值、有效值、幅值最大與最小值、聲音信號采集數(shù)量、幅值均值；Wn為BP神經(jīng)網(wǎng)絡(luò)算法權(quán)值和偏差修正值；J、μ、I表示w關(guān)聯(lián)雅可比矩陣、相關(guān)系數(shù)、單位矩陣；e為預(yù)測誤差；T為期望輸出結(jié)果。經(jīng)過合理采集變壓器故障數(shù)據(jù)，即可準(zhǔn)確掌控變壓器運行故障風(fēng)險。

2.4 故障診斷測試

在確立“聲音+BP神經(jīng)網(wǎng)絡(luò)”變壓器故障診斷模型后，還需要采用故障診斷測試方法驗證其應(yīng)用價值。具體可根據(jù)故障類型評估結(jié)果檢驗分析界定此算法可行性，將其應(yīng)用于實際算例中衡量穩(wěn)定性與準(zhǔn)確度。在匯總異響數(shù)據(jù)和輸出量編碼時，可判斷異響數(shù)據(jù)反饋結(jié)果與編碼特征一致性。如在變壓器高能放電故障類型中，發(fā)現(xiàn)五個輸出量編碼中除高能放電輸出量編碼為“1”外，其余均為“0”，而對應(yīng)模擬聲音存在“噼啪異響”，其異響來源于“電暈閃絡(luò)放電異響”，而后組織維修人員清理變壓器各部位積攢的灰塵，并對處理后異響情況予以檢查，發(fā)現(xiàn)異響消失，且BP神經(jīng)網(wǎng)絡(luò)輸出量編碼均為“0”，意味著以此種算法診斷變壓器故障，整體測試結(jié)果符合相關(guān)要求。

綜上，變壓器故障診斷工作要想取得滿意效果，應(yīng)從“聲音+BP神經(jīng)網(wǎng)絡(luò)”算法層面予以優(yōu)化，具體可從振動聲音、診斷模型、故障數(shù)據(jù)以及診斷測試等方面著手，以便通過BP算法準(zhǔn)確掌握變壓器聲音特征，實時了解變壓器運行動態(tài)，以期增加變壓器故障診斷試時效性與可靠性，為我國變壓器設(shè)備持穩(wěn)運行創(chuàng)造有利條件。