电力变压器故障诊断与状态评估方法的综合与探析

黄明明*，顾捷，孙娜

（南京工程学院电力仿真与控制工程中心，江苏南京，211167）

电力变压器故障诊断与状态评估方法的综合与探析

黄明明*，顾捷，孙娜

（南京工程学院电力仿真与控制工程中心，江苏南京，211167）

变压器是输配电系统中的重要设备之一，变压器的稳定运行对电力系统的安全稳定及保证电能质量具有重要意义。本文综合阐述了变压器故障诊断原理、研究意义、传统和智能变压器故障诊断方法、发展现状和关键问题以及进一步的研究发展方向。针对不同故障类型，相应的故障诊断分析对于找出故障点或发现潜在缺陷具有非常重要的意义。

电力变压器；故障诊断；状态评估

引言

电力变压器是电力系统的核心装置，其安全稳定的运行关系到方方面面。检测变压器的方法很多，有传统方法，智能检测法等，方法很多。本文对目前的变压器故障诊断方法进行了准确的归纳整理以及对今后变压器故障诊断的趋势进行了预测。本文对于快速了解变压器故障诊断方法具有重要的指导和参考作用。

1 电力变压器故障诊断的意义

21世纪以来，我国国民经济进入一个“井喷”期，科学技术持续进步。显然，一切的发展均离不开电能，社会对电网的总发电量及电能质量的要求日益提高，电网的安全稳定是社会持续进步的重要基础。我国有10余个跨省级的大型电网，涵盖3万多个变电站，除此之外，石油，化工，炼钢等重工业都自备电厂和变电站。近几年，电力系统也朝着自动化、大容量、特高压、大电网的大方向发展，电力工业“十二五”规划滚动报告中提到：“十一五”期间全国净增发电装机容量4.5亿千瓦，刷新了全球电力建设的新纪录，相比2010年的“五直八交”，2015年西电东送主网架形成“九直八交”的送电通道，各省(区)建成了坚强的800千伏骨干网架。而且最近几年国家在电力变压器这一领域投入很多新型设备，也研究出很多新的技术[1]。

变压器故障对电网的危害极其严重，而2013年以来，国内自然灾害频发，特别是东部沿海地区，台风，龙卷风，暴雨，暴雪等自然灾害都对电网的稳定性提出了极高的要求，其中以变压器最为典型。

变压器非计划停运屡见不鲜，变压器的内部绝缘是故障发生率最大的部位，主要是由十分恶劣的运行环境、绝缘材料老化引起的。且变压器内部结构十分复杂，电也很不均匀，随着电网电压水平的升高，越来越多的变电站建成投入运行，但故障率相比于国外，仍有很大的提升空间。提前发现隐患，及时诊断并有效处理故障，减少变压器非计划停运，提高检修水平，加强电力变压器故障诊断技术的研究，对实现早期预报故障，尽量避免恶性事故的发生，有着极为重要的实际意义。

2 变压器故障诊断原理

电力变压器是电网中调节电压升降的重要设备，它的运行状态分为：正常运行、异常运行、故障运行。三种运行状态下，变压器的运行参数会发生很大变化，例如：变压器局部温度、变压器油箱内分解的气体浓度、局部放电量等一系列参数。图1为变压器故障诊断的流程图。

图1 变压器故障诊断流程图

由图可分析出其基本原理：将变压器的实时运行参数与它正常运行状态下的参数进行比较和分析，根据参数的变化趋势，判断变压器的运行状态，从而决定保护是否动作。

3 变压器故障诊断方法

3.1 传统故障诊断方法

传统的变压器故障诊断方法大部分是通过测量变压器的电气参数，从而判断变压器的运行状态，或者通过离线试验来进行判断。例如：电气预防性试验、油色谱分析法（DGA）[2]、局部放电法[3]等，详细内容如表1所示。

表1 变压器传统故障诊断举例

3.2 智能故障诊断方法

相比于传统的变压器故障诊断功能的单一性，智能故障诊断突出的特点就是综合考虑变压器多种电气量的变化，然后按照人类思维的方式对获取到的信息进行归类和分析比对，最后对变压器的运行状态给出精准的判断。到目前为止，趋向于成熟和取得重大进步的人工智能诊断技术有：专家系统、人工神经网络、模糊聚类、遗传算法、灰色诊断以及数据挖掘等，其中又以专家系统[5]和神经网络法（ANN）[6]更为突出。表2列出了两种方法的异同点。

表2 变压器智能故障诊断举例

4 发展现状及关键问题

随着计算机技术的发展以及人工智能的优化，新的变压器技术不断涌现出来，但是绝大多数方法目前只能用仿真手段证明其可行性，真正可以做出实物，形成有效产品的是少之又少。从文献[7-9]不难看出，变压器故障诊断领域的关键问题有以下几点：

（1）数据库不完整。目前有效的变压器故障诊断设备几乎都是基于可信的故障状态参量制造而成的，若变压器故障时，故障状态参量变化在现有数据库中匹配不到，诊断就可能出现误差乃至错误，导致严重的后果。不断完善数据库将是此类方法的关键所在。

（2）信息融合技术的研究。传统方法诊断模型建立单一，测量的状态参量很少，从而得到的诊断结果可靠性也不高，多种信息融合的变压器故障诊断研究应运而生，借助先进的信息融合技术，利用信息的互补性特点提高变压器故障诊断的可靠性将是未来的研究热点。

（3）多种变压器故障诊断方法的综合研究。单一的故障诊断法缺陷很大，顾此失彼，将多种算法和模型适当结合，引入新的数据挖掘技术可很好的弥补这个缺陷，也是当下很火的研究方向。

（4）产品开发。目前为止，变压器故障诊断大多只限制于仿真，实用化程度不高，所以电力企业应加大科研力度，早日研究出行之有效的产品。

5 进一步的研究课题和发展方向

21世纪以来，随着越来越多的大电网的出现，并网、联网等一系列决策的提出和推行，保障电网的安全稳定运行成为重中之重，对变压器故障诊断的要求也越来越高，新兴、先进的变压器故障诊断技术不断涌出，当下要数“学科交叉”最为热门。

学科交叉，顾名思义就是指多门学科相互交叉、融合，取各学科的优势进行结合，进而产生比单学科更好的解决问题的方法。科学上的新理论、新发明的产生，新的工程技术的出现，经常是在学科的边缘或交叉点上，重视交叉学科将使科学本身向着更深层次和更高水平发展，这是符合自然界存在的客观规律的。

近几年的时间里，兴起了许多基于非电力学科的变压器故障诊断方法，即将其他模型应用于变压器故障诊断。例如：基于信息融合[10-11]、基于自由权在BP神经网络的运用[12-15]、基于熵权[16-18]、基于RF[19]改良的三比值法[20]等。如图2所示，以基于支持向量机（SVM）和遗传算法（GA）为例，据文献[21]所述，基于SVM和GA优选的新特征参量较常用DGA和IEC三比值诊断正确率提高10%-25%。

图2 基于SVM和GA的诊断法

这些方法都是基于非电力领域知识的变压器故障诊断方法，且相比于单一的故障诊断方法，它们都有很明显的优势，主要体现在处理更快速，定位更精准，准确率更高等。相信很长一段时间内，将交叉学科引进变压器故障诊断技术中，是未来我们研究的主要方向和研究热点。

在交叉学科思想的研究中，引进信息融合技术，建立多参量诊断模型，将多种变压器故障诊断方法有机结合，提高故障诊断率是很值得研究的一个方向。

6 结束语

变压器作为电力系统的核心设备之一，其安全可靠性是电力系统安全稳定运行的重要保障。本文通过一系列政策、事例及数据说明了电网的安全稳定运行对于加快我国经济发展步伐以及提高人民的生活水平具有举足轻重的地位，对变压器的安全稳定运行提出了极高的要求。 综合阐述了传统、智能以及基于非电力知识的变压器故障诊断方法、发展现状及关键问题，指出学科交叉的优点以及它在变压器故障诊断中所发挥的重要作用，对于读者全面了解变压器故障诊断具有指导作用。

[1]马仲能,钟立华,卢错. 基于电力设备全寿命周期成本最优的检修策略研究[J]. 电力系统保护与控制,2011,39(16)： 34-39.

[2]赵婉芳,王慧芳,邱剑等. 基于油色谱监测数据的变压器动态可靠性分析[J]. 2014,38(22)： 39-49.

[3]陈金祥. 基于介质窗口和UHF传感器的变压器局部放电检测与定位方法[J]. 电网技术,2014,38(6)： 1676-1680.

[4]李国昌. 变压器局部放电在线监测方法综述[J]. 动力与电气工程,2011,(15)： 148.

[5]高松,刘志刚,徐建芳,等. 基于模型诊断和专家系统的牵引变压器故障诊断研究[J]. 铁道学报. 2013,35(7)： 42-49.

[6]周建华,胡敏强. 自构形神经网络在变压器故障诊断中的应用[J].电工技术学报,2004,19(9)： 77-81.

[7]减利川. 基于油中溶解气体分析的变压器状态监测系统研究[D]. 华北电力大学,2016.

[8]肖燕彩,朱衡君,张霄元,等. 基于溶解气体分析的电力变压器在线监测与诊断技术[J]. 电力自动化设备,2006,26(6)： 93-96.

[9]赵悦冰. 电力变压器状态在线监测技术[J]. 电力科技,2013,3：136-137.

[10]Xue L W,Qing M L .Reliability Assessment of the Fault Diagnosis Methodologies for Transformers and a new Diagnostic Scheme Based on Fault Info Integration[J]. IEEE. 2013,Vol. 20,NO,6. page(s)：2292-2298.

[11]彭剑,罗安,周柯,等. 变压器故障诊断中信息融合技术的应用[J].高电压技术,2007,33(3)： 144-147.

[12]Lu H X,Ye Y D,Zheng Z G. Transformer Fault Diagnosis Algorithm based on Entropy-weighting Information Bottleneck Method[J]. IEEE 2015,2015 International conference,page(s)： 127-130.

[13]张宇航,兰生. 基于广义神经网络与模糊聚类的变压器故障诊断[J].高压电器. 2016,52(5)： 116-120.

[14]苗长新,申坤,钟世华,等. 基于优化神经网络和 DGA 的变压器故障诊断[J]. 高压电器,2016,52(11)： 163-168.

[15]石鑫,朱永利. 深度学习神经网络在电力变压器故障诊断中的应用[J]. 电力建设,2015,36(12)： 116-122.

[16]赵峰,李硕. 基于熵权和灰关联度的变压器故障诊断[J]. 电工电能新技术,2015,34(1)： 57-61.

[17]杜正聪,牛高远. 基于加权模糊聚类算法的变压器故障诊断方法[J].高压电器,2014,50(4)： 42-48.

[18]蔡红梅,陈剑勇,苏浩益. 基于灰云模型的电力变压器故障诊断[J].电力系统保护与控制,2012,40(12)： 1521-155.

[19]Xi C,Hong M C,Lin K L. Fault Diagnosis of Transformer Based on Random Forest [J]. IEEE 2011,International conference,Page(s)：132-134.

[20]吕守国,崔玉新,冯迎春,等. 基于综合分析方法的变压器故障诊断技术与软件开发[J]. 电力系统保护与控制,2017,45(10)： 123-128.

[21]汪可,李金忠,张书琦,等. 变压器故障诊断用油中溶解气体新特征参量[J]. 中国电机工程学报,2016,36(23)： 6570-6579.

Synthesis and Analysis of the Fault Diagnosis of Power Transformer

HUANG Mingming*,GU Jie,SUN Na
(Power simulation and control engineering center of Nanjing Institute of Technology Nanjing,Jiangsu Nanjing,211167,China)

The transformer is one of the most important equipment in the transmission and distribution system,The stable operation of transformer is very important to the security and stability of power system and to guarantee the power quality. The principle and significance of transformer fault diagnosis are expounded in this paper and traditional,intelligent and transformer fault diagnosis method based on cross discipline. The corresponding fault diagnosis analysis is very important for finding fault points or finding potential defects.

power transformer; fault diagnosis; condition assessment

TM85

A

1672-9129(2017)06-0109-03

10.19551/j.cnki.issn1672-9129.2017.06.037

黄明明,顾捷,孙娜,等. 电力变压器故障诊断与状态评估方法的综合与探析[J]. 数码设计,2017,6(6)： 109-111.

Cite：HUANG Mingming,GU Jie,SUN Na,et al. Synthesis and Analysis of the Fault Diagnosis of Power Transformer[J]. Peak Data Science,2017,6(6)： 109-111.

2017-02-07；

2017-03-15。

黄明明（1992－），江苏南京，南京工程学院在读研究生，研究方向，电力变压器保护，大数据挖掘。

Email：2396499537@qq.com