变压器关键参量融合的组合诊断方法研究

张少锋，马德英，吴西博，王 栋，刘 阳

(国网河南省电力公司 电力科学研究院， 郑州 450052)

状态评价是当代电力系统能量管理系统的重要组成部分，尤其在电力市场环境中发挥重要作用。提高状态评价的准确性可以有效地改善状态维修策略制定的质量，同时能更加及时地发现设备运行时所存在的问题，提高设备运行可靠性[1]。

传统的评价方法多根据《Q/GDW169-2008油浸式变压器(电抗器)状态评价导则》(下文简称《状态评价导则》)[2]进行阈值评价。然而该方法过分依赖巡检人员的主观判断，降低了评价结果的客观性和准确性。针对该问题，大量学者对状态评价提出了多种可行的方法，如模糊数学理论[3-4]、神经网络[5-6]、可拓分析法[7]、模糊隶属函数法[8]、专家系统评价法[9-10]、支持向量机[11-12]、信息融合[13]等。然而，这些评价方法大多仅针对某些参量进行计算，未对变压器状态建立综合评价体系，且缺少能够反映当地实际运行所存缺陷的特征参量。因此，亟待提出一种完整、准确的综合评价体系。

本文中基于多参量、多方法建立了一种完整的、具有现实意义的变压器状态评价体系。首先，根据例行实验、在线监测等数据参量确定设备状态分值；其次，基于家族缺陷、渗漏油等巡检特征参量对设备状态再次打分；最后，通过对两次分值进行融合得到设备最终分值及设备状态。所得出的状态评价结果更加精细化，并且由于加入了基于实地设备情况的特征参量，有效解决了传统的《状态评价导则》阈值评价方法存在的巡检人员主观判断和测量仪器误差影响，状态评价结果颗粒度粗糙，现行评价体系特征参量不全面等问题，对变压器检修策略的制定具有参考意义。

1 综合评价体系

首先，对变压器进行特征参量的选取并将其分为检测试验类特征参量(基于例行试验数据发现异常的参量)和巡检概况类特征参量(基于巡检发现异常的参量)两类。一类为通过对变压器进行失效模式与效应分析(failure mode and effect analysis，FMEA)选取基于例行试验数据进行判断的特征参量，并将特征参量按照故障模式进行分类；另一类为传统状态评价导则中已有的基于巡检概况进行判断的特征参量和近几年当地运行经验，以及各运维单位反馈的传统状态评价导则中未考虑的特征参量，如设备的运行年限，疑似家族性缺陷，制造厂家，部件型号等。其次，需确定设备基于检测试验类特征参量评价的状态分值。通过统计近几年故障设备案例库中的故障原因分析，采用关联规则挖掘各故障模式对设备的影响程度，进而得出故障模式权重；根据所需检测试验类特征参量数据，收集变压器全量历史数据，采用熵权法对不同故障模式中的特征参量进行权重计算。然后，通过构造状态隶属函数计算各特征参量的异常状态隶属度，将最高的特征参量隶属度作为对应故障模式的异常状态隶属度。最后，对所有故障模式隶属度进行加权求和得到设备的异常状态隶属度，即可确定基于检测试验类特征参量评价的设备状态分值。

上述设备状态的评价结果主要以历次试验测试数据作为依据，对设备的试验、监测参量值进行状态判断，状态评价结果并不能完全反映设备运行状态。因此，对设备基于巡检概况类特征参量评价的状态分值进行计算。通过统计近几年故障案例中的故障原因，采用灰色关联分析法对巡检概况类特征参量的权重进行计算，即可确定设备基于巡检概况类特征参量评价的状态分值。

最后，对检测试验类特征参量和巡检概况类特征参量进行影响程度比较，得出两类特征参量的权重，将两次状态分值进行加权平均即可得出设备当前所处的实际状态分值。进行状态评价时，本文的评价分值采用满分制，具体标准及运维措施如表1所示。

表1 变压器状态及运维措施

具体流程如图1所示。

图1 综合评价流程框图

2 关键参量选取

通过《状态评价导则》及FMEA分析进行检测试验类特征参量的选取[14-15]，故障模式对应的特征参量选取结果如表2所示。

表2 变压器故障模式及对应检测试验类特征参量

通过《状态评价导则》和FMEA分析，并结合近几年当地运行经验，各运维单位反馈的可能造成运行风险的因素，进行特征参量的选取，结果如表3所示。

表3 变压器巡检概况类特征参量

3 基于检测试验类特征参量评价

3.1 故障模式权重计算

关联规则是寻找同一个事件中出现的不同项之间的相关性。通过关联规则即可确定各故障模式与故障程度之间的关系，再与故障程度权重系数结合即可确定故障模式对整个变压器的影响程度。

根据实际运行经验，并结合变压器典型故障案例，将故障的严重程度划分为4大类故障性质[16]，见表4。

表4 变压器故障程度及权重系数

根据支持度的定义，在变压器故障程度与故障模式的关联性分析中：

1) 事务数据库记为D；

2) 项集Ai, j={第i个故障模式中的第j个故障程度}；

3) 项集Bi={第i个故障模式发生}。

可以得到Ai, j→Bi的支持度为：

Sup(Ai, j→Bi)=P(Ai, j∪Bi)=

(1)

某综合特征参量关联规则Ai, j→Bi的置信度为：

(2)

根据实际运行经验，结合变压器典型故障类型，划分出10大类故障模式：绝缘受潮、铁芯故障、电流回路过热、绕组故障、局部放电、油流放电、电弧放电、绝缘老化、绝缘油劣化、悬浮放电。

根据式(2)分别计算与各个故障程度的置信度，再对同一故障模式中的各故障程度的置信度进行比较，根据置信度的大小来确定故障程度在该故障模式中的权重。权重计算式为：

(3)

式中：ωi, j为第i个故障模式中的第j个故障程度的权重；Ci, j为第i个故障模式中的第j个故障程度的置信度；n为第i个故障模式中包含的故障程度量个数。

根据故障程度在该故障模式中的权重及其权重系数进行加权平均，如式(4)所示，可计算故障模式对整个变压器的影响程度。

(4)

式中：ωi为第i个故障模式的权重；W为故障程度的权重系数。

3.2 特征参量权重计算

熵权法是根据特征参量信息熵大小来确定客观权重。若某参量的信息熵越小，表明其变异程度越大，在状态评价中所能起到的作用也越大，应赋予较多的权重[17-19]。

假设给定m个特征参量在线监测数据分别为X1，X2，…，Xm。其中每种参量Xi={x1，x2，…，xn}有n个量测值。对各指标数据进行标准化后的值为Y1，Y2，…，Ym，计算方法为：

(5)

(6)

式中，第j个特征参量的重要性熵值ej如式(7)所示。

(7)

第j个特征参量的信息效用程度dj=1-e(dj)。信息效用值越大，表明指标越重要，对评价的重要性就越大。第j个特征参量的权重如式(8)所示。

(8)

3.3 特征参量状态计算

隶属函数是在模糊集合中使用的函数，可描述元素对一个模糊集合的隶属关系，采用[0，1]范围的数值来表示元素隶属于模糊集合的真实程度。通过隶属函数可对状态量的异常程度进行定量描述[20]。

对各故障特征参量的特点进行分析，可将其分为两大类：正劣化的特征参量和负劣化的特征参量。根据这两类特征参量的特点，文献[1]通过对常见的隶属函数进行比较分析，构造了2种隶属函数。

1) 正劣化的特征参量隶属函数，表示特征参量检测值x越大时，发生故障的倾向性就越大。因此，构造式(9)所示的隶属函数，如图2所示。

(9)

图2 隶属函数μa(x)曲线

计算检测值x的隶属度μa(x)作为该特征参量所对应故障模式的发生概率p。

2) 负劣化的特征参量隶属函数，表示特征参量检测值x越小时，发生故障的倾向性就越大，情形和式(9)正好相反。因此，构造式(10)所示的隶属函数。由式(10)可知此函数是周期函数，为使函数值有意义，规定当变量x>2b时，μ(x)=0，如图3所示。

(10)

图3 隶属函数μb(x)曲线

通过上述2种隶属函数和特征参量数据即可计算特征参量的状态隶属度。隶属度越趋近于1，说明该参量的劣化程度越严重。

3.4 设备状态分值计算

计算各特征参量所属状态的隶属度，对各故障模式中的所有特征参量隶属度进行加权比较。取加权后隶属度最大的特征参量隶属度作为该故障模式的隶属度值。

对故障模式隶属度进行加权求和即可得出当前变压器的状态隶属度。隶属度可反映变压器当前状态评价扣分值和基于检测试验类特征参量的变压器状态评价分值，其状态分值计算式为：

T1=100(1-μ)

(11)

式中，μ为设备状态隶属度。

4 基于巡检概况类特征参量评价

4.1 特征参量权重计算

灰色关联分析法是表征2个参量之间变化曲线几何形状一致性大小的方法。若趋势越具有一致性，两者关联程度越高，关联度越大[21-22]。

该方法通常用来分析特征参量对于结果的影响程度，因此适用于评价各特征参量对变压器设备状态的影响程度，可以较好地计算各参量的权重。

设参考数列为Y=Y(k)k=1，2，…，n；比较数列为Xi=Xi(k)k=1，2，…，n，i=1，…，m。由于各因素数据的量纲可能不同，因此在进行灰色关联法分析时，需要对数据进行量纲归一化处理：

(12)

比较数列与参考数列在各点的关联系数：

(13)

式中：ρ∈(0，∞)，称为分辨系数。ρ越大，分辨力越小；ρ越小，分辨力越大。通常取ρ=0.5。

对各点的关联系数求取均值，即为关联程度值，其计算式为：

(14)

因此，统计各年份变压器总的故障量及各特征参量的故障量，可通过灰色关联分析法确定特征参量的权重。

4.2 设备状态分值计算

巡检概况类特征参量异于检测试验类特征参量，该类特征参量仅通过是非制判断即可，其隶属函数值仅取0和1两个隶属度。因此，当特征参量异常时，其状态分值计算式为：

(15)

式中，ωi为部位中各参量权重。

5 实例分析

5.1 特征参量权重计算

对某省近几年故障变压器的故障原因进行统计分析，整理出243条故障模式案例信息。采用关联规则法，根据式(1)～(4)计算各故障模式的权重，计算结果如表5所示。

表5 故障模式权重计算结果

收集某省电网公司例行试验的全量历史数据，采用熵权法计算检测试验类特征参量权重，计算结果如表6所示。

表6 检测试验类特征参量权重计算结果

续表(表6)

收集该电网公司近几年的变电站变压器故障设备的统计数据，采用灰色关联分析法对数据统计的巡检概况类特征参量进行关联度的计算，关联曲线如图4所示。部分巡检概况类特征参量与变压器故障量关联关系如图5所示。

图4 故障关联曲线

图5 巡检概况类特征参量与故障量关联度的关系直方图

在采用灰色关联分析法计算特征参量与故障设备关联度的基础上，加入故障严重程度系数及符合状态量的主次程度系数；对部分巡检概况类特征参量进行权重计算，加强计算特征参量对变压器影响程度的准确性，其权重计算结果如表7所示。

表7 巡检概况类特征参量权重计算结果

5.2 变压器状态评价实例

以某500 kV变电站2018年投入运行的某主变压器为例，运行中试验记录：H2为55.9 μL/L，CH4为2.326 μL/L，C2H6为0.704 μL/L，C2H4为0.512 μL/L，C2H2为μL/L，CO为95.46 μL/L，CO2为498.436 μL/L，总烃为3.578 μL/L，绝缘电阻吸收比为1.35，绝缘电阻极化指数为1.53，绕组绝缘介损为0.213%，绝缘油含气量为3.5%，绝缘油含水量为5.8 mg/L，油击穿电压为57.9 kV，绝缘油体积电阻率为3.65×1012，绝缘油介损为0.3%，铁芯接地电流为28.1 mA，铁心绝缘电阻为5 860 MΩ，绕组直流电阻为0.81%。

通过传统的导则评价方法进行评价，发现该变压器油中含气量超过了阈值。按照《状态评价导则》对应扣分标准，该指标应扣8分。根据导则规定，当单项指标小于12分时，变压器仍为正常状态。因此，采用传统的状态评价导则进行评价时，该变压器运行状态为正常。但油中含气量已超标且该变压器投运年限不足5年，对于该变压器应引起注意。传统状态评价方法的状态颗粒度较粗，不能较好地反映变压器具体运行状态及状态变化的可能性。

针对上述传统导则评价方法存在的问题，根据近几年运行经验及各运维单位的反馈，加入导则中未反映但可能造成运行风险的特征参量，并将评价状态进行颗粒度细化，使其能够通过评价分值直观地判断状态变化的可能性。

本文方法的具体评价过程：分别计算各故障模式特征参量的故障隶属度，经过加权比较后可得故障模式隶属度，如表8所示。

表8 故障模式隶属度

将所有故障模式隶属度进行加权求和，可得该变压器的隶属度为0.215 7。因此基于检测试验类特征参量打分时，变压器评分为78.43。

由该变压器的巡检情况及基础信息可知，变压器运行年限为5年内，应对该变压器扣16分。因此基于巡检概况类特征参量打分时，该变压器评分为84。

最后，对2次打分进行融合得到该变压器的状态评价分值，结果如表9所示。

表9 变压器评价结果

由评价结果可知，变压器整体属于正常状态。但部分参量超过了阈值，且运行年限为5年内，分值虽在正常范围，但与注意状态相差甚少，应引起注意。所提出评价体系比传统评价方法或单一采用某类参量进行评价的方法更加准确。

6 结论

1) 通过加权的方法将评价方法进行颗粒度细化，提高评价的准确性；

2) 采用隶属函数解决边界模糊性问题；基于FMEA对单一特征参量进行综合分类，通过综合参量即故障模式对整个设备进行评价；

3) 根据近几年运行经验及各运维单位的反馈，加入了导则中未反映但可能造成运行风险的特征参量，对设备进行再次调档，提高了评价的准确性与实际性；

4) 采用关联规则、熵权法、灰色关联分析法等由数据驱动的权重计算方法，提高评价的合理性与客观性。

在所提出的变压器状态精细化评价方法中，建立了一种完整的综合评价体系，有效解决了传统评价方法存在的边界模糊性等问题，提高了评价的准确性，对变压器主要缺陷故障模式的确定及检修策略的制定具有参考意义。