基于历史数据概率分布的变压器在线预警研究

臧利川，田沛，李博

(1.华北电力大学 (保定)自动化系，河北 保定 071000；2.华北电力大学云南电网有限责任公司研究生工作站，昆明 650217；3.云南电网有限责任公司电力科学研究院，昆明 650217)

基于历史数据概率分布的变压器在线预警研究

臧利川1，2，田沛1，李博3

(1.华北电力大学 (保定)自动化系，河北 保定 071000；
2.华北电力大学云南电网有限责任公司研究生工作站，昆明 650217；3.云南电网有限责任公司电力科学研究院，昆明 650217)

利用基于历史数据概率分布的在线预警方法，划分出精确的变压器状态空间，找到必要的关注程点，此方法能有效的消除环境、生产厂商等外界因素对变压器的影响。

预警；卡方分布检验；概率分布

0 前言

根据设备的运行状态决定该设备的检修时机，为实施状态检修，确保主设备安全运行的有效手段就是对电力系统的关键设备实施在线监测。变压器色谱在线预警系统通过在线监测，建立设备的故障预警机制，及时准确地预报设备内部已存在的故障性质、类型、部位、严重程度，并预测故障的发展趋势，从而减少变压器突发性事故的发生。而现在的预警策略仅仅简单的根据固定导则中的固定的气体分数去预警，没有划分更加精确的预警区间，不能确定需要引起的关注程度。

1 基于固定阈值的变压器预警

正常运行的变压器由于电、热应力的作用也会释放出少量的气体，而故障发生时，故障点会加速绝缘材料的分解，导致气体分解速率达到极限值或者气体量达到极限值。根据现场工作人员现场经验和规程规定对变压器油中溶解气体进行分析和判断。在利用油中气体来对变压器进行预警时，通常将监测到的油中各组分气体的含量与导则或者经验值进行比较，如果任意的一种气体或者总烃量超过了导则或者经验值，就要进行预警，以引起运维人员的注意，并且及时的查找故障的原因。但是，气体浓度并不能完全正确判断变压器异常与否，因为有时候，非故障因素也能使特征气体的含量急剧升高，如何排除非故障因素的影响，是基于油中气体分析的变压器预警的难题。再者，基于固定阀值的预警机制完全忽略了设备间和设备所处环境的差异性，这是这项预警机制的重大缺陷。

2 变压器预警应用实例

在进行故障诊断之前，必须进行必要的预警初步判断变压器的运行状况，而精确的预警有利于下一步的故障诊断。首先，采集大量变压器正常运行的数据，作出概率分布的估计；利用统计分析的手段，对估计概率分布进行验证；根据决策需要和样本分布的特点，确定重点的关注区间；根据概率密度函数计算历史数据的均值，划分出状态边界。流程图如1。

图1 变压器异常预警流程

以某110 kV变电站采集到的氢气的油色谱数据为例进行分析。

1)对数据进行统计。根据数据的范围，将(0～154)划分成22个区间，计算每个区间内数据的数量，可以得到其概率分布如下图：

图2 气概率分布图

2)根据经验知识可知，其概率分布符合自由度为n(不确定)的卡方分布，见表1。

表1 卡方分布检验

3)利用数据统计工具SPSS对数据进行分析，其概率分布符合自由度为13的卡方分布。

表2 氢气浓度累积概率 (单位：uL/L)

4)自由度确定之后，由其概率分布的密度函数可求得其均值。自由度为13的密度函数：

其中，Γ α()称为伽马函数，定义为：

5)由表1可知，当气体超过120 uL/L时，应予以密切关注，所以求解均值是求解正常运行下的均值：

经计算M=12.999，由图2的氢气概率分布图可知，在区间[7-14]数据分布最密集，可见计算均值是符合实际情况。

6)由于关注部分仅为均值右侧数据增长的区域，以均数为基数，用 (4)式计算累积概率，算得，P(M)=0.551 4。

分别计算大于基数10%、20%、30%、40%、50%、60%、70%、80%、90%、100%的累积概率。

由表2可知，近80%的正常运行数据都分布在超过均值30%以内，因此，当氢气浓度超过均值30%时应该引起注意，由上表，划分状态区间，确定预警的程度。将16.887～19.485(超过均值30%～50%)定义为一级预警，提醒人员注意；将19.485～22.784(超过均值50%～70%)，定义为二级预警状态，变压器有较大可能出现故障；超过22.784，定义为三级预警状态，应该及时检查，确定故障点和故障类型。

7)利用上述方法，对另一个220 kV进行分析。由表3可知，其概率分布符合自由度为5的卡方分布：

表3 景洪变概率分布检验

由上述步骤，划分出其状态空间：将超过均值30%～50%定义为一级预警，提醒运行人员注意；将超过均值50%～70%，定义为二级预警状态，变压器有较大可能出现故障；超过90%，定义为三级预警状态。

3 结束语

由上述两个变电站的实例可以得出，由于两个变电站变电站在气候条件、设备运行状态和设备生产厂家等客观条件上存在显著差异，造成了在运行过程中反应在油色谱数据上的不同，基于历史数据概率分布的预警方法可以有效的消除这些影响，做到精确预警。

[1] DL/T722-2000，变压器油中溶解气体分析和判断导则[S].

[2] 温敏敏，宋建成，宋渊，等.矿用隔爆型干式变压器故障预警系统设计 [J].煤炭科学技术，2014(5).

[3] 齐仁龙，朱小会，李大海.变电站数字化智能预警管控系统设计 [J].新乡学院学报 (自然科学版)，2013(1).

[4] 顾克拉，顾冰，姚建峰.220 kV变压器色谱在线预警系统的应用 [J].浙江电力，2011(11).

[5] 王勇，王秋红，张占龙.变压器实时损耗在线监测及预警系统 [J].重庆科技学院学报 (自然科学版)，2012 (3).

[6] 杨廷方.变压器在线监测与故障诊断新技术的研究 [D] .华中科技大学，2008.

[7] Duval M.A.Review of faults detectable by gas-in-oil analysis in transformers[J].IEEE Electrical insulation magazine，2002，18(3)：8-17.

Research on Online Warning Based on Probability Distribution of Historical Data

ZANG Lichuan1，2，TIAN Pei1，LI Bo3
(1.North China Electric Power University，Baoding，Hebei 071000，China；2.Postgraduate Workstation of Yunnan Power Gird Company，North China Electric Power University，Kunming 650217，China；3.Yunnan Electrical Power Research Institute，Yunnan Power Grid Co.Ltd.，Kunming 650217，China)

Online early warning methods based on historical data probability distribution can?the exact division of the state space，determine the necessary degree of concern，effectively eliminate these effects.

online warning；chi-square test；probability distribution

TM76

B

1006-7345(2015)06-0048-03

2015-07-06

臧利川 (1988)，男，硕士，助理工程师，华北电力大学自动化系，从事研究变压器状态监测技术 (e-mail)625013488＠qq.com。

田沛 (1958)，男，硕士，教授，华北电力大学自动化，从事图像处理、模式识别等方面的研究 (e-mail)23458252＠qq.com。

李博 (1986)，男，工程师，云南电网有限责任公司电力科学研究院，研究方向为电力系统输电线路在线监测 (e-mail)flymicheal＠163.com。