电力变压器的故障诊断及可靠性分析

王愚

（广西电网公司南宁供电局，广西 南宁 530031）

1 引言

研究变压器的故障诊断技术具有重要的现实意义，首先对变压器进行故障诊断，可以有效发现变压器的早期潜伏性故障，及时进行状态维修；其次可以提高电网的供电率、减少事故容量损失率，取得巨大的经济效益［1－7］。

及时的准确地掌握变压器的可靠性水平可以有效指导变压器状态检修，提高电力变压器的运行可靠性，保障整个电网的安全可靠运行［8－11］。

2 变压器的故障诊断方法

变压器是一种复杂的电力设备，其故障类型较多，一般的划分原则如表1所示。

在进行变压器故障诊断时一般基于神经网络，其核心是选择人工神经网络的训练算法。人工鱼群算法是一种常用的变压故障诊断算法，是一种模拟鱼群行为的随机搜索优化算法，主要利用了鱼的觅食、聚群和追尾行为，具有很好的克服局部极值、取得全局极值的能力。

（1）人工鱼群算法实现方法如下:

设人工鱼群的状态为:X=（x1，x2，…，xi），i=1，2，…，n，xi为寻优变量，v为人工鱼群可见域，s为人工鱼群最大步长，dij=‖Xi－Xj‖为两条人工鱼的距离，F（X）为食物浓度。

表1 变压器故障划分

鱼群的觅食行为:

①如果dij＜v，则:

式中:rand（v）—［0，v］之间的随机数。

②如果F（xi）＜F（xj），则:

式中:Xinext—人工鱼群的下一个状态；

rand（s）—［0，s］之间的随意数。

③如果F（xi）＞F（xj），则:

鱼群的聚群行为:

设人工鱼群的当前状态为Xi，寻找该状态可见域内的伙伴nfl，可表示为:

满足该集合的所有人工鱼个体数为nfl，则Xi的伙伴中心位置Xc为:

如果满足:

表明如果伙伴中心食物较多而且不太拥挤，则向伙伴中心方向前进，即:

式中:dcj为当前状态与伙伴中心位置距离鱼群的追尾行。

如果人工鱼当前状态可见域内的所有伙伴中存在食物浓度最大的伙伴，并且满足:

如果不满足上述条件，则进行觅食行为。

（2）人工鱼群神经网络的算法实现方法如下:人工鱼定义为:

式中:i、j、k—神经网络的输入层、隐含层和输出层节点；

θj、θk—隐含层与输出层阀值；

wij、wjk—输入层至隐含层、隐含层至输出层的权值。

人工鱼的食物浓度为:

式（10）中E为均方误差函数，食物浓度越大，E越小，人工鱼的状态越好。

两条人工鱼的距离:

式中:nwθ—神经网络权值和阀值总数。

觅食行为:

①如果dij＜v，则:

②如果F（xi）＜F（xj），则:

式中:wijnext、wiknext、θjnext、θknext为人工鱼的下一个状态。

③如果F（xi）＞F（xj），则:

聚群行为:

设人工鱼群的当前状态为Xi，寻找该状态可见域内的伙伴njl，其表达形式与式（4）相同，Xi的伙伴中心位置Xc为:

式中:dci—当前状态与中心位置的距离。

追尾行为:

如果人工鱼当前状态可见域内的所有伙伴中存在食物浓度最大的伙伴，并且满足F（Xmax）＞δF（Xi），则:w+w

相比常用的BP神经网络，利用人工鱼群神经网络进行变压器故障诊断所得到的分类效果更好。

3 变压器的可靠性分析

电力系统的可靠性分析主要集中于电网和发电设备的可靠性评估，变压器的可靠性评估主要是依据设备的运行统计数据进行相关可靠性指标的分析，其评估结果不能准确反映某台变压器的可靠性水平。目前针对某台变压器，通过对设备自身的结构、功能、故障模式进行分析并评估可靠性的研究还处于起步阶段。

可靠度R（t）与不可靠度F（t）分别为:

式中:n0—开始时的试验样品数；

ns—经过一段时间后的正常样品数；

nf—经过一段时间后的失效样品数。

则:

失效率λ（t）为:

式中:Δn为t到（t+Δt）的失效样品数。

提高变压器可靠性的措施如下:

（1）变压器的绝缘油要符合标准，必须做到绝缘性能好，腐蚀性小；

（2）在设计、制造、储存、运输、安装、运行过程中要严格遵守工程标准，保证变压器的可靠性；

（3）变压器的油箱以及焊接处要严格检查，防止漏油，密封材料要防止老化；

（4）套管连接处要可靠；

（5）露天装设的变压器要有避雷措施；

（6）控制好分接开关的质量，接触电阻、绝缘电阻要求质量合格、转换位置可靠；

（7）加强定期的检查、清洁、维护工作。

4 总结

变压器作为电力系统的枢纽设备，其运行可靠性直接关系到电力系统的安全和稳定运行。目前工程中广泛采用定期检修，其有较多弊端，而正在研究中的状态检修方式能够有效降低维修成本、缩短检修停电时间、提高设备利用率，状态检修正逐渐成为变压器检修的主要发展方向，正确的对运行中变压器的可靠性水平进行评估是状态检修成功与否的关键。

［1］朱英浩.不断提高变压器的运行可靠性［J］.变压器，2005，42（8）:6－7.

［2］郑高，戴玉松.人工智能方法在变压器故障诊断中的应用［J］.四川工业学院学报，2004，23（5）:97 －99.

［3］符杨，张鑫，沈斌.电力变压器故障诊断的人工神经网络方法［J］.上海电力学院学报，1998，14（4）:1 －3.

［4］孙才新，李俭，郑海平，等.基于灰色面积关联度分析的电力变压器绝缘故障诊断方法［J］.电网技术，2002，26（7）:24 －29.

［5］朱萍，杨昆.设备可靠性的贝叶斯评估［J］.现代电力，2004，21（6）:11－14.

［6］李杰.中小型电力变压器故障模式与可靠性运行［J］.变压器，1997，34（4）:9 －12.

［7］刘娜，梁国栋，王刘芳，等.电力变压器故障模式的分析及危害评估［J］.高电压技术，2003，29（2）:3 －6.

［8］王梦云.110kV及以上变压器事故统计分析［J］.供用电，2006，23（1）:1－5.

［9］陆志浩，李龙.完善变压器设备管理体系提高变压器设备运行可靠性［J］.变压器，2007，44（2）:54 －57.

［10］张利国.提高电力变压器可靠性的措施［J］.变压器，2006，43（10）:45－46.

［11］王梦云.我国电力变压器产品质量与用户加强检测的问题［J］.电网技术，1986（3）:30－34.