摘 要：【目的】為保證電力系統(tǒng)穩(wěn)定運行，提高運維效率，設(shè)計并實現(xiàn)一種集成大數(shù)據(jù)技術(shù)、人工智能技術(shù)和物聯(lián)網(wǎng)技術(shù)的電力變壓器故障診斷與智能預(yù)警系統(tǒng)?！痉椒ā渴紫龋渴鸲喾N傳感器實時收集變壓器運行數(shù)據(jù)信息；其次，利用物聯(lián)網(wǎng)技術(shù)實現(xiàn)數(shù)據(jù)傳輸與存儲；再次，利用大數(shù)據(jù)技術(shù)和人工智能算法深度挖掘和處理數(shù)據(jù)，實現(xiàn)精確預(yù)測和故障預(yù)警；最后，設(shè)計用戶友好型界面，為運維人員進行故障排查和處理以及動態(tài)性掌握變壓器運行狀態(tài)提供方便?！窘Y(jié)果】該電力變壓器故障診斷與智能預(yù)警系統(tǒng)能有效預(yù)警變壓器運行故障，并對變壓器展開實時監(jiān)測。相較于傳統(tǒng)的方法，該系統(tǒng)在監(jiān)測方面使用多樣化手段，可以快速、準(zhǔn)確診斷故障，提高預(yù)警的及時性，提高管理質(zhì)量。【結(jié)論】該系統(tǒng)對提升電力系統(tǒng)智能化水平、保障電網(wǎng)安全穩(wěn)定運行具有積極作用。

關(guān)鍵詞：電力變壓器；故障診斷；智能預(yù)警；物聯(lián)網(wǎng)；大數(shù)據(jù)分析；人工智能

中圖分類號：TM41 " "文獻標(biāo)志碼：A " " "文章編號：1003-5168（2025）06-0017-05

DOI：10.19968/j.cnki.hnkj.1003-5168.2025.06.003

Design and Implementation of Power Transformer Fault Diagnosis and Intelligent Early Warning System

XIE Xiangchen

（School of Electronic and Information Engineering， Hebei University， Baoding 017100， China）

Abstract： [Purposes] This study aims to design and implement a power transformer fault diagnosis and intelligent early warning system that integrates big data technology， artificial intelligence technology and Internet of Things technology， so as to enhance the operation and maintenance efficiency and stable operation capability of power system. [Methods] Firstly， a variety of sensors were deployed to dynamically collect transformer operation data information; secondly， Internet of Things technology was used to record， transmit and store data; then big data technology and artificial intelligence algorithm were used to deeply mine and process data to accurately predict and timely warn faults; finally， the user-friendly interface is designed to provide convenience for operation and maintenance personnel to dynamically grasp the running state of the transformer， and carry out effective troubleshooting and processing. [Findings] The power transformer fault diagnosis and intelligent early warning system developed in this study can effectively warn transformer operation faults and carry out real-time monitoring. Compared with the traditional methods， the designed and developed system uses a variety of monitoring methods to improve the timeliness of early warning， accurately diagnose faults and improve management quality. [Conclusions] The system has positive significance for improving the intelligent level of power system and ensuring the safe and stable operation of power grid.

Keywords： power transformer; fault diagnosis; intelligent early warning; internet of things; big data analysis; artificial intelligence

0 引言

隨著電力系統(tǒng)的快速發(fā)展，電力變壓器的穩(wěn)定運行對保障整個電網(wǎng)安全性和可靠性至關(guān)重要。余金龍［1］提出一種電力變壓器異常故障智能聲紋監(jiān)測與診斷系統(tǒng)，以聲紋分析技術(shù)為基礎(chǔ)，旨在精準(zhǔn)監(jiān)測與診斷變壓器故障，為智能預(yù)警的創(chuàng)新與發(fā)展提供新思路和新方法。馬世峰［2］以油中溶解氣體分析為出發(fā)點，提出電力變壓器智能故障診斷方案，為診斷故障提供數(shù)據(jù)支持和算法模型。李云淏等［3］以改進灰狼算法與最小二乘法支持向量耦合為基礎(chǔ)，提出電力變壓器故障診斷方案，提升故障診斷準(zhǔn)確率。于一三等［4］設(shè)計并實現(xiàn)智能變電站變壓器內(nèi)部故障診斷系統(tǒng)，實時監(jiān)測與預(yù)警變壓器內(nèi)部故障。李毅［5］基于油中溶解氣體分析，提出用于診斷電力變壓器故障的方案，推動電力變壓器故障診斷與智能預(yù)警系統(tǒng)的發(fā)展與應(yīng)用。

本研究設(shè)計的電力變壓器故障診斷與智能預(yù)警系統(tǒng)，通過高水平整合大數(shù)據(jù)分析技術(shù)、物聯(lián)網(wǎng)技術(shù)、傳感器技術(shù)及人工智能技術(shù)，對電力變壓器運行狀態(tài)展開實時監(jiān)測、數(shù)據(jù)分析、故障預(yù)測和智能預(yù)警，增強電力系統(tǒng)運維效率，最大化地削減設(shè)備故障造成的經(jīng)濟損失與停電時間，為電力系統(tǒng)的安全穩(wěn)定運行提供技術(shù)支撐［6］。

1 系統(tǒng)架構(gòu)與關(guān)鍵技術(shù)

1.1 系統(tǒng)架構(gòu)

電力變壓器故障診斷與智能預(yù)警系統(tǒng)架構(gòu)如圖1所示。由圖1可知，電力變壓器故障診斷與智能預(yù)警系統(tǒng)分為智能感知層、數(shù)據(jù)采集與邊緣計算層、模型下發(fā)部署層。其中，智能感知層是指感知變壓器狀態(tài)的傳感器體系，采用綜合磁吸附等方式進行快速安裝，數(shù)量靈活多變，可自由配置。數(shù)據(jù)采集與邊緣計算層負責(zé)采集、處理傳感器信號，并將其打包傳輸?shù)竭h程服務(wù)器［7］。優(yōu)化設(shè)計數(shù)據(jù)采集與邊緣計算層可對變壓器運行狀態(tài)作出快速、準(zhǔn)確反饋，并因其柜體采取全密封設(shè)計方案，能在室外實現(xiàn)長期穩(wěn)定運行。模型下發(fā)部署層通過在線監(jiān)測的數(shù)據(jù)信息，與離線輸入的變壓器結(jié)構(gòu)、出廠試驗等參數(shù)相結(jié)合，進一步分析和診斷變壓器內(nèi)部故障，綜合評價變壓器運行狀態(tài)［8］。

1.2 關(guān)鍵技術(shù)

誤差分析法可評估傳感器數(shù)據(jù)準(zhǔn)確與否。其中，均方誤差可衡量傳感器讀數(shù)與真實值之間的差異，見式（1）。

[MSE=1ni=1nYi?Yi2] （1）

式中：[MSE]為均方誤差值；n為樣本數(shù)量；[Yi]為真實值；[Yi]為傳感器讀數(shù)。

在數(shù)據(jù)采集與邊緣計算層中，可通過卡爾曼濾波器來實現(xiàn)數(shù)據(jù)預(yù)處理中的濾波操作，其狀態(tài)更新方程見式（2）和式（3）。

[xk+1=Fxxk+Bxμk+wk] （2）

[Pk+1=FkPkFTk+Qk] （3）

式中：[Fx]為狀態(tài)轉(zhuǎn)移矩陣；[xk]為狀態(tài)向量；[Bx]為控制輸入矩陣；[μk]為控制輸入；[wk]為過程噪聲；[Pk]為協(xié)方差矩陣；[Qk]為過程噪聲協(xié)方差。

在數(shù)據(jù)傳輸中，其安全性可通過加密技術(shù)予以保障，即使用AES加密算法，見式（4）。

[C=EK，P] （4）

AES解密算法見式（5）。

[P=DK，C] （5）

式中：C為密文；E是加密算法；K是密鑰；P是明文。

AES的處理單位是字節(jié)，128位的輸入明文分組P和輸入密鑰K都被分成16個字節(jié)，分別記為P=C0 C1…C15 和K=K0 K1…K15。如明文分組為P = abcdefghijklmnop，其中的字符a對應(yīng)P0、p對應(yīng)P15。一般地，明文分組用字節(jié)為單位的正方形矩陣描述，稱為狀態(tài)矩陣。在算法的每一輪中，狀態(tài)矩陣的內(nèi)容不斷發(fā)生變化，最后的結(jié)果作為密文輸出［9］。該矩陣中字節(jié)的排列順序為從上到下、從左至右依次排列，如圖2所示。

現(xiàn)在假設(shè)明文分組C為“abcdefghijklmnop”，則對應(yīng)上面生成的狀態(tài)矩陣如圖3所示。

基于機器學(xué)習(xí)模型設(shè)計故障診斷算法，如支持向量機決策函數(shù)的表示見式（6）。

[fx=i=1naiKxi，x+b] （6）

式中：[ai]為拉格朗日乘子；[Kxi，x]為核函數(shù)；b為偏置項。

2 系統(tǒng)實現(xiàn)

2.1 傳感器選型與部署

數(shù)據(jù)采集結(jié)果的準(zhǔn)確性與傳感器的選擇緊密相關(guān)，直接影響后續(xù)故障診斷與預(yù)警的精確度。在選型期間，可優(yōu)先考慮經(jīng)過嚴格測試、具有優(yōu)良性能的設(shè)備。由于傳感器所處的運行環(huán)境復(fù)雜，不同位置的運行狀態(tài)存在較為顯著的差異，所以在部署傳感器部署時，應(yīng)充分考慮實際運行環(huán)境和監(jiān)測需求，保證傳感器位置、數(shù)量和類型均符合實況。傳感器選擇與部署如圖4所示。

2.2 數(shù)據(jù)傳輸與存儲

數(shù)據(jù)的實時傳輸與故障診斷和預(yù)警及時性聯(lián)系緊密。將傳感器采集到的數(shù)據(jù)通過光纖、4G/5G等高速通信方式傳輸至遠程診斷服務(wù)中心，在遠程診斷服務(wù)中心建立數(shù)據(jù)庫，存儲和管理傳輸?shù)臄?shù)據(jù)，保證數(shù)據(jù)的完整性和可追溯性。數(shù)據(jù)庫功能實現(xiàn)路徑如圖5所示。

2.3 數(shù)據(jù)處理與分析

綜合濾波、去噪、壓縮等操作，對采集到的數(shù)據(jù)信息進行預(yù)處理，在數(shù)據(jù)采集與邊緣計算層進行濾波和去噪處理，從而將數(shù)據(jù)中的噪聲、干擾等有效去除，使后續(xù)數(shù)據(jù)分析結(jié)果兼具高效性和準(zhǔn)確性［10］。濾波通常使用卷積操作實現(xiàn)，對于離散信號，卷積的表示見式（7）。

[yn=m=?∞∞xm?hn?m] （7）

式中：[yn]為濾波后的輸出信號；[xm]為輸入信號；[hn?m]為濾波器系數(shù)。

一般情況下，去噪涉及一些統(tǒng)計方法或變換域方法，如使用小波變換進行去噪時的計算見式（8）。

[y（t）=W?1TW（s（t））] （8）

式中：[y（t）]為去噪信號；[W?1]為逆小波變換；T（·）為閾值處理函數(shù)；W（t）為小波變換；s（t）為含噪信號。[閾值處理]是去除小波系數(shù)中較小值的過程，從而將噪聲的成分去除。

JPEG壓縮中的離散余弦變換見式（9）。

F（u，v）=[x=0N?1y=0N?1fx，y?cos2x+1μπ2N?]

[cos2y+1vπ2N] （9）

式中：[fx，y]為原始圖像數(shù)據(jù)；[Fu，v]為DCT變換后的系數(shù)；N是圖像的大小。

2.4 故障預(yù)警與診斷

對于二分類問題，SVM優(yōu)化問題的表示見式（10）和式（11）。

[minw，b， ξ12w2+Ci=1n， ξi] （10）

[s.t. yiuTφxi+b≥1?ξi，ξi≥0，i=1，……， n] （11）

式中：w為權(quán)重向量；b是偏置項；[ξi]為松弛變量；C為正則化參數(shù)；[φxi]為輸入數(shù)據(jù)[xi]映射到高維特征空間的函數(shù)；[yi]為標(biāo)簽。

神經(jīng)網(wǎng)絡(luò)由多層組成，每層包含多個神經(jīng)元，其輸出見式（12）。

[aj=σi=1nωjixi+bj] （12）

式中：[xi]為輸入特征；[ωji]為從輸入特征i到神經(jīng)元j的權(quán)重；[bj]為神經(jīng)元j的偏置項；[σ]為激活函數(shù)。

3 系統(tǒng)測試與評估

對系統(tǒng)數(shù)據(jù)傳輸性能、數(shù)據(jù)處理性能、故障預(yù)警與診斷性能、系統(tǒng)穩(wěn)定性、資源占用情況等進行評估，評估結(jié)果見表1。

4 結(jié)語

本研究通過結(jié)合國內(nèi)外已有的相關(guān)經(jīng)驗進行歸納總結(jié)，結(jié)合目前較為先進的傳感技術(shù)與集成技術(shù)，對電力系統(tǒng)進行改善，同時引入算法分析，構(gòu)建了電力變壓器故障診斷與智能預(yù)警系統(tǒng)。該系統(tǒng)可實現(xiàn)對變壓器的過程管控，維持電力系統(tǒng)的正常運行，并對變壓器的運行情況進行檢測和傳輸?shù)取Ｍ瑫r，該系統(tǒng)可對變壓器的故障進行及時預(yù)警，并對故障情況做出應(yīng)對策略，保證電力變壓器與電力系統(tǒng)的正常運行。

參考文獻：

［1］余金龍.電力變壓器異常故障智能聲紋監(jiān)測與診斷系統(tǒng)研究及應(yīng)用［J］.科技創(chuàng)新與應(yīng)用，2024，14（8）：149-152.

［2］馬世峰.基于油中溶解氣體分析的電力變壓器智能故障診斷研究［D］.石家莊：河北科技大學(xué)，2023.

［3］李云淏，咸日常，張海強，等.基于改進灰狼算法與最小二乘支持向量機耦合的電力變壓器故障診斷方法［J］.電網(wǎng)技術(shù)，2023，47（4）：1470-1478.

［4］于一三，袁文海，張永熙，等.智能變電站變壓器內(nèi)部故障診斷系統(tǒng)設(shè)計與實現(xiàn)［J］.電氣自動化，2020，42（6）：80-83.

［5］李毅.基于油中溶解氣體分析的電力變壓器故障診斷方法［J］.通訊世界，2020，27（5）：151-152.

［6］孟慶鶴.基于機器學(xué)習(xí)的電力變壓器故障診斷方法研究［D］.蘭州：蘭州理工大學(xué)，2023.

［7］賀馨儀，董明，劉文君，等.面向調(diào)控領(lǐng)域多源數(shù)據(jù)融合的電力變壓器態(tài)勢感知與預(yù)警方法研究［J］.電工電能新技術(shù)，2023，42（4）：48-58.

［8］王超，唐銘澤，李東澤，等.電力變壓器油楔放電故障預(yù)警技術(shù)研究［J］.通化師范學(xué)院學(xué)報，2022，43（10）：63-66.

［9］魏慧.融合知識圖譜和圖學(xué)習(xí)的電力變壓器狀態(tài)評價及故障診斷研究［D］.西安：西安理工大學(xué)，2022.

［10］張鴻儒.基于數(shù)據(jù)信息挖掘的電力變壓器故障診斷及健康評估［D］.濟南：山東大學(xué)，2022.