状态参数分散度对油纸绝缘状态的评估

曹 雯

(西安工程大学 电子信息学院,陕西 西安 710048)

0 引 言

电力变压器是现代电力传输系统中重要的设备,其安全稳定的运行对国民经济具有重大意义.深入研究其各老化特征参量随老化状态的变化规律,考察相同状态下参量离散度大小,评估离散性对状态评估和维护策略选择的影响,对全面理解和准确应用全寿命周期管理方法具有重要意义.

变压器中的油纸绝缘系统主要由矿物油和厚度不一的纤维纸构成.在长期的运行过程中,油纸绝缘受到温度、水分、氧气、酸和电场的影响,电性能和机械性能会逐渐下降[1].由于目前油浸式变压器采取净化油或更换新油的方式能良好地解决变压器油老化问题,因此油老化不是决定油纸绝缘系统寿命的关键因素.而纤维纸主要被使用在线圈绕组的空隙之中,会因线圈内电流大小改变而承受变化的机械应力,并因此产生形变,纸在严重老化时会发生断裂,导致绝缘系统崩溃.因此,油纸绝缘系统中纤维纸的机械性能老化是决定系统寿命的关键因素.目前国内外学术及工业界普遍使用纤维纸的聚合度(DP) 来反映纤维纸机械强度,并作为标记变压器油纸绝缘系统老化状态及剩余寿命的参数[2].根据目前绝缘纤维纸制造工艺,新纸的聚合度在1 000～1 250之间;而当聚合度降至250时,绝缘纸机械强度降至50%,纤维纸寿命终了.对于变压器的绝缘状态诊断是利用有效的离、在线诊断技术进行绝缘状态参量的测量与分析[3-5],最终实现对设备绝缘状态的综合评价.

本文将25#矿物油和普通纤维素纸(0.5mm)作为研究对象,在3种温度下进行加速电热联合老化实验,以纤维纸的聚合度作为表征老化程度的标准,分析了老化过程中各类试品的老化速度,并测量了油中糠醛、DGA和水分含量,分析了他们的变化规律及其与聚合度的相关性关系.目的是在定量比较复合绝缘材料对绝缘老化速度影响的同时,研究各种常用于诊断老化的特征参量分散度的变化规律,得到老化状态参量与老化状态的对应关系从而为准确选择参量来进行多参量诊断和绝缘状态评估.

1 实 验

以金属真空老化罐作为老化实验容器,在腔体内对油纸施加高电压和机械应力.实验时将不锈钢金属腔置于高温烘箱内,分别在110℃,120℃和130℃条件下对油纸实施热老化.老化结束后在真空环境下从腔体内取出绝缘油进行测试,项目包括油中气体含量DGA、油中水分和糠醛含量;而后将金属腔打开取纸,一部分用作聚合度测试,一部分进行介质损耗频率谱测试.金属真空腔内部构造如图1所示,其中高压电极端与弹簧相连,确保将纤维纸压紧在电极两端,同时施加机械压力.

图1 金属真空老化腔内部构造

1.1 材料及试品预处理

选用样品为25#矿物油和普通变压器用纤维素纸,每层电缆纸厚度为0.5mm.实验之前,所有的绝缘材料采用真空浸渍预处理,以尽可能保证其具有相同的初始老化状态.

(1) 油的处理:将实验用油在双层中速滤纸过滤3次,以去除油中固体杂质;在80℃，50Pa的真空条件下干燥24h除去油中气体和水分.(2) 纸的处理:将绝缘纸放置于真空烘箱中以50Pa的真空度在90℃下干燥48h去除水分.(3) 油纸浸润:再将脱气后的绝缘油与纸混合,令绝缘纸以50Pa的真空度在80℃下被油浸渍24h.(4) 油纸样品制备:真空浸渍完毕后,将纸和油取出装入真空老化罐中,密封,抽真空至30Pa,充入1atm大气压氮气.每个样品由两层绝缘纸叠加而成,油纸质量比为10∶1.每个样品包括12g绝缘纸和120g绝缘油.为了简化分析,铜、钢等变压器中常用的金属材料在本次实验中未作考虑.最后,将处理好的试品放置于老化烘箱中,分别在110℃,120℃和130℃等3个温度下进行加速热老化实验.

表1 老化时间与温度的选择

1.2 实验流程

根据表1中的温度和时间做8组老化实验,每组实验对5个试样同时进行热电联合老化.实验中加载电压值为2 000V,目的是模拟变压器真实运行中油纸绝缘的电场.除去2组实验样本发生意外,共剩余39组数据.

各个参量的分析方法参照国内和国际标准.(1)绝缘纸聚合度,参照ASTM D4243及ASTM D445标准，按照国标GB1548执行;(2)油中糠醛含量,采用高效液相色谱分析仪进行测量,参照IEC 61198执行;(3)油中水分含量,采用Karl Fischer滴定法进行测量,参照国标GB 7600执行;(4) 油中溶解气体含量,参照国标GB 7623执行.其中,油中溶解气体含量、糠醛含量及水含量各测试2次,取平均值;测试的精度及重复性严格按照上述标准,若几次平行测试的分散性较大,则对该项数据进行重新测量，以便去除仪器误差和粗大误差.

2 数据处理

2.1 状态参数与纸的聚合度

纤维素纸聚合度是目前公认油纸绝缘状态最准确的表征参量.纸的聚合度与纸的机械强度有着直接的关系,同时也决定着油纸绝缘的寿命,被认为能反映最准确的老化状态.对于大多数状态参数都随着DP的下降而增长.建立状态参数与聚合度之间的关联有利于用非破坏性状态参数估计聚合度.

2.2 状态参数的T-检验筛选

为了研究状态参数如何反映油纸绝缘老化的真实状态以及哪些参数能更好更有效地反映真实老化状态，利用显著性检验对参数进行筛选.通过显著性检验, 可以排除那些与纸的聚合度相关性小或是不相关的参量.显著水平一般以α=0.025 表示显著.表2给出了非破坏性参数与纸的聚合度之间的相关系数[6].

表2 非破坏性参数与纸的聚合度之间的相关系数

T-检验的Pearson相关系数如式(1)所示.

(1)

式中rxy是两个参数之间的相关系数.

表3 显著性检验结果

表3给出了非破坏性参数与纸的聚合度之间相关系数的显著性检验结果.

当H0假设成立时,对于自由度为37的t分布:若显著性水平为0.025,其否定域为|t|> 2.026 2.经过检验,参数H2O，H2，CO，CO2，CH4，C2H6，C2H4，C2H2，总烃含量和糠醛皆处于否定域中,与纸的聚合度具有明显相关性.因此后续研究将考虑全部参数即H2O，H2，CO，CO2，CH4，C2H6，C2H4，总烃量，糠醛对纸的聚合度的影响.

2.3 多参数诊断法确定状态参数的权重

一般情况下模型的拟合精度采用标准差σ评价,σ越小则说明模型误差越小,预测精度越高.假设非破坏性参量x和老化状态S有多个非破坏性参量xi预测老化状态,则可以写成[6]:

(2)

由于每一个Si都符合均值为S0,方差为σi正态分布,则Smul也符合正态分布,其均值为S0,方差σmul可以表示为

(3)

式中ρij为xi与xj之间的相关系数.

多参量预测的标准差可以表示为[6]

(4)

通过使预测的标准差取得最小值, 即可获得预测模型中各个非破坏性参量的系数.此方法可以计算出多参量预算老化状态的最大的可靠性并给出每个参量所占的权重,它不但考虑了参量和老化状态直接的相关性,也考虑了参量之间的相关性.

DP= 0DPH2O+0DPH2+0.163 1DPCO+0.177 2DPCO2+0DPCH4+0.135 2DPC2H6+

0DPC2H4+0DPC2H2+0DP总烃量+0.524 5DP糠醛.

(5)

此时最优的标准差NV=52.645 7.从拟合公式可以看出,最优参量组为:一氧化碳、二氧化碳、乙烷与糠醛量.其中，参量的系数表明参量所占的预测权重.此时的多参量预测的可靠性NV=52.645 7.

2.4 多种方法的比较

为了证明结论的正确性,应用多参量诊断的优化算法以及多因子线性回归法分别计算最优算法的标准差,结果见表4.

根据2种不同的参数来对试样进行分类,一个是聚合度的值,另一个是乙炔值.

(1) 样品根据DP值分为2部分,即试样都具有大于(或等于)700的纸的聚合度值和试样都具有小于700的纸的聚合度值.

表4 不同数据处理手段下得到的多参数诊断的标准差NV

① 对于测量结果DP≥700的数据样本.仅有参数H2O, CO2和糠醛处于拒绝域,表现出与DP值的显著相关性.DP预测的优化计算结果为

DP=0.139 5DPH2O+0.428 3DPCO2+0.432 2DP糠醛.

(6)

此时最优的标准差NV=49.972 8.

② 对于测量结果DP<700的数据样本，仅有参量CO, CO2和糠醛处于拒绝域,表现出与DP值的显著相关性.DP预测的优化计算结果为

DP=0.402 2DPCO+0.211 6DPCO2+0.386 2DP糠醛.

(7)

此时最优的标准差NV=26.943 0.

(2) 样品根据乙炔含量值分为2部分:试样的状态参量中乙炔值为零以及试样的状态参量中乙炔值大于零.

① 对于测量结果C2H2=0的数据样本.参量H2O, H2, CO, CO2, CH4, C2H6, C2H4,总烃含量和糠醛处于拒绝域, 表现出与DP值的显著相关性.DP预测的优化计算结果为

DP= 0.357 0DPH2O+0.193 1DPH2+0.401 9DPCO+0DPCO2+0DPCH4+

0DPC2H6+0DPC2H4+0DP总烃量+0.048 0DP糠醛.

(8)

此时最优的标准差NV=35.993 0.

② 对于测量结果C2H2>0的数据样本.参量H2O, CO, CO2和糠醛处于拒绝域, 表现出与DP值的显著相关性.DP预测的优化计算结果为

DP=0DPH2O+0.294 3DPCO+0.055 7DPCO2+0.650 1DP糠醛.

(9)

此时最优的标准差NV=32.617 8.

从表4中可知,当对试样结果不做分类时,多参数诊断法并不优于一般的线性回归法.多参量诊断方法基于统计规律,更关注不同参量之间的关系.

3 油纸绝缘状态评价

3.1 两种健康状态之间的界限

从表4中可以看出,应用本文多参数诊断法,DP≥700的数据样本的优化计算标准差大于DP<700的数据样本的优化计算标准差.这意味着,当试样处于较佳状态时其预测结果的分散度较大且诊断的准确度较低;而当试样处于不佳状态时其预测结果的分散度反而较小且诊断的准确度较高.这说明文中提出的多参数诊断法更关注于数据本身的统计属性,而非仅关注于进行数据拟合.

表5表明了在给定乙炔的取值区间下,试样健康状态的事件发生的条件概率.从表5得知当没有乙炔出现时,试样有72.73%的概率具有较佳的状态(即DP≥700);而当有乙炔出现时,试样有82.35%的概率具有不佳的状态(即DP<700).

表5 在给定C2H2的取值区间下试样健康状态的条件概率

对表4中涉及到的数据样本进行条件概率计算得知,如果测量结果中有乙炔,那么聚合度估计的准确度能提高38.14%.此外,当可以估计出试样的聚合度小于700(即试样处于不佳的健康状态),若测量结果中有乙炔存在,聚合度估计的准确度将提高47.40%.当DGA测量结果中没有乙炔的出现,对油纸绝缘的绝缘状态的估计不准确,将会导致人力和财力的浪费.考虑到经济可行性,用乙炔值是否存在作为评估状态的分界.当没有乙炔存在时,将对样本做最粗略的假设,认为其处于较佳的健康状态.

3.2 基于状态参数分散性的筛选法

假设在老化实验中每组中的各个试样具有相同的老化状态,这是由于它们共同经历了相同时间下的电、热、机械应力联合作用.定义状态参量的相对分散率为一种老化状态下参量值的标准差与其均值之间的比值,不仅可以反映出同一状态参量在不同老化阶段的分散程度和变化增长情况,而且便于比较各个不同状态参量之间的分散度，如式(10)所示.

(10)

图2 各个状态参量的相对分散率随纸的状态(DP)减小而变化的趋势

从图2可以看出,总烃含量与每种烃类气体含量的相对分散率波动趋势比较混乱,与聚合度相对分散率相比差异很大,且不易看出规律;然而H2O, CO, CO2和糠醛含量的相对分散率与聚合度具有相似的变化规律,且幅值较小,说明这些参量相对分散程度较小.基于本文的老化实验结果,水分含量、一氧化碳、二氧化碳和糠醛值被筛选出来,这与之前对存在乙炔值的样本进行参量筛选的结果一致.

4 结束语

参与预测状态的参量并非越多越好,这是显而易见的.对试样的适当分类可以有利于优化计算和提高状态评估的准确性.一定程度上,诊断准确性的依赖于乙炔的存在与否:如果测量结果中有乙炔,那么聚合度估计的准确度能提高38.14%.

T检验可以用于筛选有效的状态参量来进行多参量诊断.同时文中提出的各个状态参量的相对分散率的计算方法也可以帮助筛选参量.基于老化实验结果,水分含量、一氧化碳、二氧化碳和糠醛值被筛选出来,这与之前对存在乙炔值的样本进行T检验时的参量筛选的结果一致.

后续研究需进一步通过长时间老化实验研究绝缘的老化状态表征机理,以便得到更有效和准确的参量来反映绝缘诊断的有效性.

参考文献:

[1] 郭亚丽.电力变压器油纸绝缘老化分析及其机理研究[D].重庆：重庆大学,2007：1-10.

[2] ALI M,ET Al.Measuring and understanding the ageing of kraft insulating paper in power transformers[J].IEEE Electrical Insulation Magazine,1996,12(3):28-34.

[3] T K Saha.Review of modern diagnostic techniques for assessing insulation conditionin aged transformers[J].IEEE Transactions on Dielectrics and Electrical Insulation,2003,10(5):903-917.

[4] T K Saha,P Purkait.Investigation of an expert system for the condition assessment of transformer insulation based on dielectric response measurements[J].IEEE Transactions on Power Delivery,2004,19(3):1127-1134.

[5] A M Emsley,G C Stevens.Kinetics and mechanisms of the low temperature degradation of cellulose[J].Cellulose,1994,1(1):26-56.

[6] WU K,SHEN W,MENG Y P,et al.The reliability of multi-parameter insulation diagnosis[J].IEEE Transactions on Dielectrics and Electrical Insulation,2010,17(1):280-286.