电力设备在故障诊断中的合理应用办法

樊鹏杰 姜 林

(1.河南中分仪器股有限公司，河南 郑州 450002;2.郑州光力科技股份有限公司，河南 郑州 450001)

1 电力设备系统诊断的意义

随着社会的发展，越来越多的技术被融入电子系统之中，计算机，集成电路，信息信号处理，光纤技术等方面的融入，电子系统的规模越来越巨大化，其系统的结构也变的越来越复杂，各种变量，参数日益繁琐，增多，逐渐形成了大规模系统，分布广泛，层次复杂，结构繁多的现象，并随着越来越多的电子设备引入到电力系统中，使得电力系统的规划，运用和维修都有了更加的基准要求。为了保障系统的正常运行和安全工作，我们必须要的尽早的对它的运行状况和故障发生情况做出诊断和预警。通过在线电力检测系统，并建立模糊化的神经网络系统，利用其对电力设备进行有效的检测诊断，在第一件内处理电力设备的故障预警，以保证电力设备的正常运行，避免造成不必要的损失。

2 电力设备故障的诊断方式

2.1 数字模型的故障诊断模式

这种模式主要是使用控制图，故障树分析和专家知识，在制造过程中进行实时监控诊断，该模型提高了故障诊断系统的可靠性，并将可视化建模工具进行了实际操作。数字模型是使用特定的语义元对象对产品模型，工厂模型，时间模型和执行模型等构成的复杂对象进行描述，以可以映射为可采集数据元素的元对象，实行实时监测，诊断和管理运行于生产模型基础之上的监控系统所管理的生产过程。基于数字模型的故障诊断模式是发展最早，研究系统的一种故障诊断方式，其优点是对于未知故障的敏感性;缺点是比较难以获得系统模型，且由于建模误差，扰动及噪音的存在，使得存在的稳定性受到怀疑。

2.1.1 参数估计方式。此类方式是由机理分析确定系统的模型参数和物理元器件参数之间的关系方程，由实时辨识求得系统的实际模型参数，进而由关系方程求解实际的物理元器件参数，将其与标称值比较，从来得知系统是否有故障与故障的程度。但是此方法最大的缺点在于，关系方程不是双射，通过模型参数不能求的物理参数。所以在实际应用之中，需要结合其他方式来进行，从而获得更好的故障检测和分离性能。

2.1.2 状态估计方式。此类方式主要是在重构被控的过程中，利用与可测变量比较构成残差序列，并再次构造适合的模型并进行统计的检验方式，在检验出来的残差学列中将故障分离出来，并进行分析，估计和决策。此种方式的优点在于状态估计方法直接有效，但是前提必须要能够获得系统精确数学模型，但是这一点的实现是非常困难的，所以此类方法推求其次，主要应用于提高监测系统对建模的误差，扰动和噪音等对于早期故障的灵敏度上面。

2.2 信号处理的故障诊断方式

此类方式主要是利用信号分析理论获得系统时域和频域中较深层次中的多种特征向量，利用系统故障源和这些特征向量之间的关系来判断故障源的位置。此方法主要用于诊断对象模型难以建立，但是却可以测量系统的一些状态或者输出参数的部分系统。此种故障诊断方式共有:基于自适应滑动窗格形的故障诊断;基于小波变换的故障诊断。

2.2.1 自适应滑动窗格形的故障诊断方式。提取一个滑动窗内的系统输入和输出数据，利用自适应格形滤波器生成残差序列。如果残差序列是零均值固定方差的高斯过程，那么当前系统处于正常状态;如果残差序列的均值或方差变化，那么则是由故障引起过渡过程，使系统发生了故障。基于自适应滑动窗格形故障诊断方式的在线实现方式为统计构造何时的检验量，假设检验残差序列。此种方式的优点在于，可以检测突变和缓变故障，切不需要系统的准确数学模型和先验知识。

2.2.2 小波变换的故障诊断方式。小波变换继承和发展了短时傅里叶变换的局部化思想，并且克服了其窗口大小和形状固定不变的缺点，不但可以同时对时域和频域的信号进行观测，而且时间分辨率和频率分辨率都是可以变化的。而基于小波变换的故障诊断方式是一种新的信号处理方式，具有分析时间尺度，且具备多分辨分析力。连续的小波变换可以明确区分信号的突变和杂音的区别，离散小波变换可检测突变的随机信号的频率结构。此种方式的优点在于不需要系统的数学模型，能够在时间－频率两域进行信号分析，具有可以对信号在不同范围、不同的时间区域内进行分析，对噪音的抑制力强，有较高的灵敏度，能够分析到信号的任意细节，并被越来越广泛的运用。

2.3 人工智能的故障诊断方式

人工智能故障诊断系统是由人，模拟人脑功能的硬件和必要的外部设备，物理器件及支持这些硬件的软件所组成的具有智能的诊断系统。而人工智能系统作用的时间越长，积累的经验也就越多，作用也就越大。

人工智能系统主要指专家系统的故障诊断方式。专家系统主要是指利用各方面研究领域顶尖人才的专业知识去进行高效率的推理，分析，基于此基础来解决专业的高难度实际问题的智能系统，这一过程主要分为三个方面，基于浅知识的故障诊断方式，基于深知识的故障诊断方式，基于深浅知识的故障诊断方式。此三种方式是经过多次的尝试，然后结合起来的最优解决方式。

基于浅知识的故障诊断方式具有知识表达直观，形式统一，模块性强和推理速度快等优点，但是局限于知识不完备，对无法解决的问题系统容易崩溃，对诊断结果的解释能力弱能缺点。

基于深知识的故障诊断方式具有获取知识方便，维护简单和完备性强等优点，但是却由于搜索空间大，推理速度过慢。

基于深浅知识的故障诊断方式，此种方式则混合了两种方式的优点，将缺点剔除，形成了具有与人类专家相近的知识，处理方式以优先使用浅知识分析，并找到近似问题加以排除，必要时使用深知识获得诊断问题的精确解释。

［1］丁洪昌.基于智能方法的模拟电路故障诊断研究［D］.兰州理工大学，2007年.

［2］李增芳.基于人工智能和虚拟仪器技术的发动机故障诊断专家系统研究［D］.浙江大学，2004年.