湿热环境干式变压器运行状态智能监测方法初探

广州供电局电力试验研究院 范伟男 莫文雄 王勇

1 前言

变压器主要由铁心、一次绕阻和二次绕阻、分接变换装置、冷却系统及绝缘系统等组成。环氧浇注干式变压器由于其免维护、高可靠性、 无污染、难燃防火和抗短路能力强等特点，在电网系统获得广泛应用。

广州电网公司配网系统大量采用干式变压器，但由于广东省濒临南海，高压设备不可避免地会受到温度、湿度、盐雾等各种环境因素的作用，影响其长期稳定运行。如高温高湿环境会导致电气设备金属材料的腐蚀和绝缘材料的老化，空气湿度大导致绝缘性能下降，干式变压器内部运行积累的灰尘也容易吸收水分，使绝缘电阻降低，最终导致绝缘性能差，电压击穿，发生短路故障。

湿热沿海地区长期处于高温高湿环境，干式变压器室内部通风不好，高温高湿下有利于霉菌的生长。霉菌自身含有的水分和代谢过程中分泌出的酸性物质与绝缘材料相互作用，使设备绝缘性能下降。盐雾对电气设备的影响与空气湿度有密切关系，在湿润的空气中，盐雾电离出大量氯离子，氯离子穿透金属表面的防护膜与内部金属发生化学反应，另外氯离子具有一定的水合能，容易吸附在设备表面的孔隙和缝隙，导致金属材料的零部件腐蚀，长期处于近海的高湿度高盐雾环境中，电气设备内部的线圈和触头腐蚀后，会导致电接触不良，使电气设备发生短路或绝缘性能下降，给整个干式变压器的安全运行带来不利影响[1]。

广州电网公司属于典型的湿热沿海环境，目前国内外关于湿热沿海环境条件下干式变压器状态检测的研究较少，因此笔者对湿热沿海地区的干式变压器智能状态监测技术进行分析，探讨了湿热沿海环境条件对干式变压器状态智能监测的方法。

2 干式变压器的主要故障

干式变压器主要故障包括如下几点：

局部放电。空气潮湿、表面积尘、漏水引起的表面爬电；树脂绝缘和绕包绝缘的包封绕组，在制造过程中绝缘内部存在气隙或气泡，形成绝缘内部放电；变压器内部尖角和毛刺在高电场强度作用下，引起的电晕放电。变压器金属接地部件之间、导电体之间电气连接不良、松动，异物引起的悬浮放电。

温度变化。干式变压器环境温度不应超过40度，绕组不能过热（发热异常、散热异常、异常运行过热）。

湿度。周围空气的相对湿度应低于93%，线圈表面不应出现水滴。

铁心多点接地。铁心绝缘铁轭、穿心绝缘筒等绝缘材料，由于凝露受潮降低绝缘性能导致低阻性多点接地；铁心漏磁吸引金属粉尘导致铁心多点接地；高温导致硅钢片绝缘老化、局部过热严重，硅钢片质量、加工不合理，片间绝缘破坏造成多点接地。

绝缘电阻下降。大多由绕组表面凝聚水汽、积聚灰尘、绝缘材料受潮引起。

其它。跳闸，异常噪声等。

在以往的工作中，只能通过日常巡检和定期的停运对干式变压器进行检查与维护，观察干式变压器内部各个紧固件有无松动发热，绕组绝缘表面有无龟裂、爬电和碳化痕迹，声音是否正常，对于变压器内部绝缘情况，在运行期间无法得知，只能在停运时期进行预防性试验。

电力设备的绝缘部分是薄弱环节，最容易被损坏或劣化。绝缘故障具有随机性、阶段性、隐蔽性。绝缘缺陷大多数发生在设备内部，从外表上不易观察到。微弱的绝缘缺陷，特别是早期性绝缘故障，对运行状态几乎没有影响，甚至绝缘预防性试验根本测试不到。这就决定了定期的预防性试验无法及时准确地发现绝缘隐患。

变压器带电检测技术主要有特高频局放检测法、超声波局放检测法、红外测温检测法、射频检测法等检测方法，这些检测方法各有其优缺点，在现场得到了不同程度的应用。

3 系统简介

湿热环境干式变压器运行状态智能监测系统综合采用特高频、红外及可见光、热点温度、负荷电流、环境温湿度监测技术对干变运行状态及环境状态进行监测，解决干变运行过程中局部放电及温升故障，系统分为各传感器模块，汇集节点，云服务器平台组成，通过各传感器对变压器故障的各参量进行监测，并传输至汇集节点，汇集节点通过4G通讯方式将数据传输至后台云服务器展示，并对数据进行分析和处理，综合判断变压器是否出现异常情况运行。系统框架图如图1所示。

图1 系统框架图

3.1 特高频局放监测

特高频局放监测主要针对干式变压器内部局部放电缺陷的监测。采用全相式特高频传感器，带宽为300～1500MHz，传感器等效高度≥8mm，安装于干式变压器外部进行监测，采用传感器方向性及三频检分别检排除外界干扰信号，并通过云服务器的大数据分析对异常信号进行类型识别。

3.2 红外温度监测

红外温度监测主要针对干式变压器的温升变化进行监测，系统采用红外传感器像素为384×288，监测并显示干式变压器运行过程中平均温度、最大温度，能够设置报警温度阈值。

3.3 热点温度监测

变压器绕组绝缘的安全可靠性决定了干式变压器的安全运行和使用寿命，因此对变压器绕组温度的监测极其重要。系统利用预埋在干式变压器三相绕组线包中的三只Pt100铂热电阻来检测干式变压器线包的温升，通过RS485接口上传至汇集节点。并实际应用过程中通过设定相应的温度报警值，来提示运行人员变压器运行情况。

3.4 负荷电流监测

为了不影响变压器保护继电器的电流保护功能，电流信号取自变压器进线柜的二次电流测量回路。同时为了保护电流互感器的安全运行，对于电流互感器为了不增加二次负担，采用穿芯的形式进行安装。

3.5 环境监测

环境监测主要测量干变室内环境的温度、湿度。通过在重要部位安装带液晶显示的温湿度传感器对干变室环境温湿度实现监测，既可在温湿度传感器表面实时看到当前的温度和湿度数值，亦可通过RS485接口和通讯协议采用总线的方式将信号接入汇集节点，进行温湿度的实时监测。

3.6 汇集节点

接收汇总各监测单元的采集数据、采集参数、通信参数、工作状态等。提供测点配置功能，建立测点信息并关联对应的传感器，建立干式变压器监测模型。处理汇集的传感器采集数据，初步判断数据是否异常，并将每个传感器的采集数据关联到测点配置信息上，形成干式变压器监测模型的数据。通过4G将经过处理后的数据、异常告警信息、各传感器采集参数及工作状态上传至云服务器。

3.7 云服务器

云服务器为整个系统最重要的部分，通过后台监测、深度学习大数据诊断、主动预警策略等功能及算法的开发和应用，对各监测数据进行处理，诊断分析、展示，并提供预警信号、为运行人员提供各种运行数据和可靠、准确的故障信息。

4 深度学习类型识别

云服务器中通过大量特高频局放检测数据样本，利用深度神经网络算法的监督学习机制，对深度深度神经网络进行训练并应用，能够有效的提高干式变压器局放检测数据的智能化诊断水平。云服务器中结合电力设备局放缺陷诊断的实践应用，构建设备局放缺陷的深度神经网络诊断模型，将网络层数设为不低于22层、神经元个数不低于5000万个，且具备可扩展性。深度学习的类型识别智能技术基于大量局放异常数据样本，利用自学习技术的算法演进机制，训练深度神经网络，优化模型参数，不断修正干式变压器异常状态诊断模型，提高电力设备异常状态智能诊断的准确性。

图2 深度神经网络算法诊断流程图

5 主动预警策略

目前状态监测工作存在高压设备内部感知技术不完善、监视手段不全，部分在线监测数据准确性差、实效性不强，难以准确反映设备实际状况；缺乏有效准确的预警模型，实时数据价值未得到充分利用，诊断滞后，忙于事后的故障分析；站内积累的主辅设备监测数据缺乏有效的管理和分析手段，无法对设备状态进行自动分析评估，异常发生时需人工综合各类信息进行筛选、评价，工作量大、效率低、准确性不可控等问题。本系统后台云服务器中，利用下列预警技术，解决原有监测系统的不足之处。

5.1 阈值预警

根据电网的相关标准规定设置风险预警阈值，将当前监测数据与预警阈值进行比较，如果监测数据不在相应的预警阈值范围内，则认为监测对象符合预警条件，生成预警事件。

5.2 关联预警

关联预警主要是通过在海量运行和应用数据中查找存在于项目集合或对象集合之间的关联、相关性或因果结构。关联充分利用大数据关联分析手段，对监测系统及被监测设备的各类指标进行关联分析，挖掘相关模式，从而实现预警。如：局放缺陷与负荷电流及环境温湿度之间的关系，发热缺陷与运行电流及局放监测数据之间的关系。

5.3 趋势预警

趋势预警通过对各状态监测传感器监测数据的趋势分析来判断是否会达到预警触发条件。趋势预警需要与阈值预警相结合，当状态监测数据小于阈值触发值时以阈值预警为主，当状态监测数据大于阈值触发值时以趋势预警为主，通过判断状态监测数据变化率实现趋势预警。

5.4 横向预警

横向预警表示与同类干式变压器监测数据相比较形成的预警，如果集群中某干式变压器的监测数据远远大于其他设备，则认为需要对其进行风险预警。

5.5 状态预警

实现状态预警主要判断各监测单元、数据采集主机及后台系统的通讯是否正常。系统状态可分为正常状态、失联状态和不稳定三种状态。正常状态表示系统能够按照设定的频次正常接收各传感器传输的数据，失联状态表示系统连续两次接收不到各传感器接收的数据，不稳定状态表示系统经常接收不到各传感器传输的数据，但是达不到失联标准。