引言

准确诊断变压器潜伏性故障,有针对性地开展运维工作对于维护电网安全运行意义重大。油浸式电力变压器在发生潜伏性故障时,其绝缘油会因为高温或放电能量而发生裂解,产生的特征气体可以用于开展故障诊断。油中溶解气体分析(dissolvedgasanalysis,DGA)技术是诊断变压器故障类型的常用手段,目前已形成了以改进IEC三比值法与IEEE标准为代表的具备工程实际意义的方法。然而,此类方法对不同故障类型采用相同的气体比值指标进行诊断,可能存在气体信息的冗余或缺失,这使得这类传统方法在诊断准确率方面仍然存在提升的空间。

为了解决上述问题,覃煜等使用模糊聚类寻找故障数据集聚类中心作为标准故障数据:董卓等使用主成分分析降低DGA数据维度,降低数组间的不相关性。这些方法在一定程度上考虑了故障类型与气体产物之间的联系,但是在数据样本中并未能建立"气体产物-故障类型"的对应关系。此外,人工智能算法被用于解决这类问题时,其往往使用全部DGA数据作为输入样本,同样未考虑到特定故障与相应产物之间的联系。

本文选择使用变异系数寻找对应于特定故障类型的有效特征气体,通过分析两者的关联情况建立"气体产物-故障类型"关联,主要考虑以下6种变压器运行状态:正常运行、低能量放电(LED)、高能量放电(HED)、中/低温过热(MLT,l<700℃)、高温过热(HT,l>700℃)以及局部放电(PD)。本文通过计算对应五类故障的DGA气体比值的变异系数,并根据系数的相对大小获取相应诊断指标。在验证性试验中,使用56组故障状态下的DGA数据作为输入样本,其中,改进IEC三比值法、Duval三角形法分别使用对应导则推荐的指标,而SVM与BPNN使用本文建立的新故障指标。结果表明,本文筛选得到的新指标在诊断中具备较高的稳定性与故障诊断准确率。

1变异系数的原理与应用

对于本文规定的5种故障类型,出现的绝缘油化学裂解可以统一描述为:

其中,主要的烃类气体为CH4、C2H4、C2H6、C2H2。而由于碳氧化合物含量较低且故障指向能力有限,故不对其进行分析。根据故障类型不同,气体产物将因为a、:j数值的不同而存在一定的比例关系。

变异系数是一种用于评价集合内不同属性与集合关联程度的归一化度量,其计算过程由所分析样本库决定,不存在主观意见。本文主要目的是使用变异系数寻找不同故障类型下的CbiHci气体以及H2间的比例关系,所用变异系数的计算公式为:

式中,g为特定故障下一组气体比值的标准差:μ为对应气体比值的平均值。

对于数据聚合程度高的气体比值指标而言,其包含的共同信息多,则相应的变异系数小,反之亦然。故通过对l0组DGA气体比值的变异系数进行降序排序,即可得到各气体比值与相应故障的关联程度。

2故障诊断指标体系构建与实例验证

2.1故障诊断指标体系构建

本文将建立5组诊断指标以构建潜伏性故障的指标体系,并使用SVM与BPNN对故障与正常运行状态进行分类。为保证数据的相对均衡,从公开资料中搜集到对应五类故障的典型气体数据20~30条[6]。

以HT故障为例进行数据处理说明。根据5种DGA气体可以计算得到l0组气体比值数据集U{ratioi|i=l,…,l0},分别计算其变异系数,结果如表l所示。参考IEC三比值法的指标数量,选取变异系数相对较小的3个比值作为相应的诊断指标。为降低获取气体样本过程中存在的系统误差以及偶然误差,本文为数据样本添加2%的随机噪声,加噪后样本比值ratio'为:

其中,ratio为计算得到的气体比值,radomp∈[0,±2%],为区间内的随机数值。为避免数据信息的重复利用,出现A/B、B/C、C/A循环比值时,选择使用系数值相对较小的第四项替代第三项的方法,以保证所用数据信息无缺失及无冗余。此外,由于乙炔气体多出现于HED故障,可能出现于LED故障,而在过热故障以及PD故障中不出现。为避免因乙炔气体含量过低导致变异系数很小,进而引起选择错误指标,故舍弃MLT、HT以及PD故障中含有乙炔气体的比值项。同理可得另外四类故障情形下的降序关联排列情况,最终对应五类故障的诊断指标如表2所示。

2.2不同诊断手段效果对比

本文使用改进IEC三比值法、Duva1三角形法、BPNN以及SVM开展变压器故障诊断效果对比,其中,BPNN与SVM使用本文所选特征指标,所选数据均源于公开发表论文。诊断情况如表3所示,其中,改进IEC三比值法在处理LED故障与PD故障时出现较大的失误,主要原因在于该诊断导则中缺少0-1-1编码,而出现这一编码的实际DGA数据大量指向PD故障:该方法用于诊断LED故障时,多次出现误诊为HED故障的情况,这是由于这两类故障下的气体产物接近,根据产物得到的编码结果难以准确对两类故障进行区分。Duva1三角形法同样出现诊断LED故障与PD故障效果较差的情形,主要是因为PD故障在Duva1三角形法中所占区域极小,偶然数据波动就会导致被诊断为其他故障:而该方法用于诊断LED故障时,对应于C2H4百分比的数据往往会超过导则要求的23%,这造成了大量的误判结果。SVM与BPNN使用经变异系数分析得到的诊断指标,其诊断准确率明显更高,这主要是因为通过筛选得到的信息更为完整,且不存在信息冗余的指标,从输入样本入手提高了SVM与BPNN所处理数据的质量,故诊断准确率相比传统方法有较为明显的提高,同时在处理中,使用三组指标相比输入全部DGA数据作为诊断指标的时间成本更低。

由于使用相同输入样本的智能算法的诊断性能较为接近,故通过改进智能算法的结构与参数以求提高诊断准确率的难度较高,且往往难以推广,普适性较弱。采用分析带故障标签的DGA数据,寻找针对故障类型的诊断指标,从输入样本入手,提高智能算法所用训练样本质量,可以有效提高诊断效果。

3结语

传统DGA技术在诊断变压器故障时,所用指标完全一致,未进行故障指标差异性分析。本文通过使用变异系数建立"变压器故障类型-气体产物"关联,根据系数相对大小获取对应于5种故障的气体比值指标。使用SVM与BPNN的验证结果显示,本文所用方法的准确率与稳定性相比传统故障诊断方法有了显著的提高,具备实际应用前景。