基于变压器运行机理建模的设备状态趋势分析与故障诊断

李洪坤，梁猛，杨雪飞，吴振凯，杨光照，林欣森

（1.超高压输电公司柳州局，广西 柳州 545000；2.埃克斯工业（广东）有限公司，广东 广州 510000）

0 前言

目前，国内多采用三维建模可视化技术对变电站内变压器等设备建模，虽然一定程度上解决了传统管理方法所存在的管理协同工作的难题，但随着电力系统呈现开放式的发展趋势，其非线性、高维度、分层、分布式等特征给三维数字可视化带来巨大的挑战。单纯的三维数字可视化建模难以精确描述设备之间、设备内部的联动机制和约束关系，无法整合设备运行的相关环境信息，进而难以实现对变电站设备运行状态过程的综合性分析[1-7]。

因此，需要深入的开展对变电站设备间的联动机制、约束关系及动态运行过程表达方式方法的研究，探索运行机理建模的实现方法。变压器作为变电站中较为昂贵的设备，尤为需要开展针对变压器的运行工作机理建模、数字孪生体数据融合、运行状态过程推演预测、智能故障诊断分析、智能预测性运维等研究工作，通过构建可以描述变压器离散事件过程的数字孪生系统，为后续基于数字孪生开展变压器状态预测与故障诊断等方面奠定模型基础[8-14]。

基于上述情况，本文采用ROPN（面向资源的高级Petri 网建模技术）系统工程建模方法对变压器运行状态过程进行全方位、细粒度的机理建模，构建变压器运行系统的数字孪生体，实现变压器物理系统与虚拟镜像系统的信息交互回馈，通过虚实交互回馈、数据融合分析、决策迭代优化等手段，为变压器物理系统运行增加和扩展新的能力。

1 高级系统工程建模技术——ROPN

Petri（Resource -Oriented Petrinet）网作为目前较为流行的建模方法，能够对离散并发系统进行很好的描述。同时Petri 网适合于描述系统状态和行为的改变，而状态趋势及故障是以设备状态和行为变化为特征的，状态趋势与故障的产生和传播是一个动态过程，因此Petri 网可以很好地表示系统状态和行为的变化关系，准确地描述系统的产生和传播特性。

但传统Petri 网在进行对生产系统的建模时有一个共同的特征：生产系统越复杂，该类模型的规模就会快速增长。因此本文提出了基于一种高级Petri 网的系统工程建模技术（ROPN，Process Oriented Petrinet），通过建立紧凑的系统工程模型实现复杂生产系统建模。

1.1 变压器运行机理的ROPN建模研究

通过严格的数学表述及直观的图形表达，基于ROPN 技术的变压器机理建模不仅可以描述生产系统的动态运行过程，也可以较好地处理异步并发事件。对于变压器机理建模，其实质是构建变电站变压器各功能环节在不同状态下机理模型的数学表达式。具体介绍如下：

1）机理模型的定义

机理模型，亦称白箱模型。是根据设备、生产过程、工作原理的内部机制、规律或者物质流的传递机理，经严格推导建立起来的精确数学模型。机理模型的优点是参数具有非常明确的物理意义，易于调整，所得的模型具有很强的适应性。

2）机理模型的构建流程

如图1中所示，首先需根据系统的结构和遵循的内在科学规律（物理定律、化学定律等）构建初步的机理模型，然后在系统运行时的大量输入、输出数据，借助合适的优化算法，获取高精度的机理模型。

图1 机理模型构建过程

3）机理模型的表现形式

机理模型可以是一个数学表达式或者多个数学表达式的组合，每个数学表达式均代表着该功能环节在某种状态下的运行机理。

1.2 ROPN建模研究案例

下面以变压器差动保护装置为例进行ROPN离散事件系统工程建模过程。

差动保护是变压器的保护装置，它是根据“电路中流入节点电流的总和等于零”原理制成的；差动保护把被保护的电气设备看成是一个节点，正常时流进被保护设备的电流和流出的电流相等，差动电流等于零。当设备出现故障时，流进被保护设备的电流和流出的电流不相等，差动电流大于零。当差动电流大于差动保护装置的阈值时，执行保护动作，将被保护设备的各侧断路器跳开，使故障设备断开电源。差动保护原理简单、保护范围明确、动作不需延时，一直用于变压器做主保护。

基于差动保护的工作原理，其保护过程的ROPN 离散事件系统工程建模如图2所示。

图2 变压器差动保护装置ROPN离散事件系统工程建模

其中：库所p1表示差动电流监测装置；库所p2表示故障报警装；库所p3表示故障诊断与维修过程；变迁t1表示差动保护装置执行保护动作使得变压器停止工作；变迁t2表示故障维修完毕且恢复变压器工作状态；变迁t3表示解除故障报警。

在该ROPN 离散事件系统工程建模中，库所p1中的令牌和变迁t1具有颜色，分别用C(p1)和C(t1) 表示。C(p1) 是差动电流监测装置所获取的差动电流值，而C(t1)是差动保护装置的保护阈值。

当C(p1) ＞C(t1)时，变迁t1使能，可以触发。触发变迁t1后，p1中的令牌消失，而p2和p3分别进入下一个令牌，分别代表着保护装置进行故障报警和故障排除。当工程师接收报警信息后，可人为解除报警，故控制库所pc1表示解除报警。当工程师确认故障排除时，可恢复变压器工作状态，故控制库所pc2表示恢复变压器工作状态。这样，当t2触发时，令牌从库所p3移动到p1中，回到对差动电流进行监测的状态。差动保护工作原理简单，因此其ROPN 离散事件系统工程建模规模相对简单紧凑。

2 变压器数字孪生体构建

2.1 变压器数字孪生体数据融合分析研究

变电站变压器在运行过程中会产生大量的检修和管理数据，且数据增长速率非常快，数据种类繁多。因此为实现物理实体中获取全面的数据，变电站变压器数字孪生体的构建必然需要解决数据采集和数据融合的问题。

数据融合是多方面、多层次的处理过程，其主要功能在于对来源不同的不同种类的数据进行检测分析，从而获得更准确的状态信息。数据融合可以处理较多的问题，比如数据偏差、错误数据、异构数据、数据内部联系等。通过数据融合算法，实现变电站孪生体对物理实体的全方位映射及信息交互回馈。

本文从多个层级建立数据融合体系，并通过多种数据融合算法实现变电站变压器数字孪生体对其物理系统变化进行实时反馈，以及综合分析决策。变电站变压器系统数字孪生体多级数据融合体系的建立首先需要建立变电站设备信息采集通道，以实现对变电站变压器物理系统运行状态全面数据的获取。通过应用于前端设备的传感器（监测单元）对设备运行数据进行采集，经RS454/RS485 传输到通信管理单元，然后采用南网专用通信接口协议，将采集数据汇总到多级数据融合平台。平台数据经过清洗处理并导入数字孪生系统，形成对现实物理系统的虚拟仿真。源源不断的数据导入为数字孪生系统提供了大数据计算资源，再通过引入的人工智能对大数据进行综合分析，实现变压器运行状态推演预测。

2.2 变压器运行状态推演预测分析

基于变电站变压器系统的ROPN 模型，采用可达图分析法对变电站变压器系统模型进行分析，结合智能计算和大数据技术实现实时预测变压器系统生产运行状态变化，并建立变电站变压器系统运行状态模型库以及突发事件应急指令库，对突发事件进行实时推荐智能应急响应指令，实现规范化操作与控制，尽可能减少突发事件对变电站系统造成的影响，不仅在一定程度上节省大量的人力、物力与财力，也可以避免人为操作不当导致的严重后果，保障系统的安全与稳定。

基于变电站变压器的ROPN 系统工程运行机理模型，设定以达成对设备的预测性维护为目标，从而建立变电站变压器运行状态推演分析系统。变压器运行状态推演分析系统的建设流程如图3所示。

图3 变压器运行状态推演分析系统建设流程

1）接入设备的监测数据，构建监测数据指标在时间维度上的趋势图，以振动监测数据为例，如图4所示。

图4 某站主变的振动监测数据示意图

图4为对某站主变的振动监测数据的频域分析图，在此处研究振动趋势分析变化，则可以预测出设备早期缺陷，防微杜渐，可防范于未然。

2）设备状态的推演分析。主要采用两种方式，一种是基于设备的机理模型，代入设备的监测数据进行推理计算，针对推理结果进行设备状态的推演分析，如图5所示。

图5中为了推演变压器的状态，会综合考虑变压器油的状态（油温、油位、油色谱、油杂质等），运行时的电流、有功功率、无功功率、短路发生、振动、噪音等，环境状态（气温、相对温度等）。

图5 变压器状态推演过程示意图

另一种是根据设备监测数据指标的趋势图，进行设备在时间维度上趋势图的对比分析等，以此来推演设备的状态，如图6所示，当设备的监测指标在不同的时间段上，经过对比分析，发现发生剧烈变化时，则代表着设备可能发生异常，需要及时进行检修维护。

图6 监测数据时间维度对比分析示意图

2.3 变压器智能故障预测诊断分析研究

如果以变电站主变压器的主要故障为研究对象，构建ROPN 系统工程故障诊断模型。其需建立的业务流程如下：

Step 1：业务分析，对系统中的故障情况进行分析归纳，从故障的特性出发进行故障类型的梳理；

Step 2：故障逻辑分析，对以往故障发生的情况以及故障发生的原因等数据，进行统计计算；并进行故障产生逻辑的推理分析；

Step 3：根据ROPN 系统工程建模方法，建立ROPN 系统工程故障诊断模型。

Step 4：AI 优化模型进行ROPN 系统工程故障诊断模型的参数优化，达到最优的ROPN系统工程故障诊断模型。

其故障预测分析具体案例将在下文进行阐述。

3 验证方法

3.1 基于历史数据验证

对于如何验证变压器故障诊断和分类的准确性，其首要思路是模型需基于历史数据中变压器故障发生的事件案例，获取历史故障发生时的设备监测数据，代入故障诊断和预测模型中进行推理分析，将输出模型的预测结果与实际结果进行对比，以此来进行系统效果的验证。

3.2 实际线上验证

在建立模型通过基于历史数据的验证后，可在系统部署上线后，将设备监测数据实时输入故障诊断和预测模型中进行推理分析，当有真实故障发生时，将模型的预测结果与实际结果进行对比，以此来进行系统效果的验证。

3.3 实际效用说明

下面以预测绕组线圈受短路电流冲击造成变形或损坏为例进行实际效用说明。

变压器在电力系统中挂网正常工作，其电磁参数皆趋近额定值。但当系统中运行的突然空载重合闸、突然变化的用电负荷以及二次侧出口处突发短路故障等外部不可抗力因素作用于变压器上时，会危及变压器运行的稳定性、安全性。特别当变压器发生短路时，非常大的短路电动力会瞬间作用于其绕组之上，尽管过程极其短暂，但是如果变压器绕组在承载短路能力方面存在缺陷，绕组即会发生毁坏，造成严重的事故，电网正常运行将受到极大危害。因此依靠本方案建立的故障预测系统，针对绕组线圈故障的预测，具体实现方式如图7所示。

图7 AI预测模型迭代优化过程

通过故障预测平台的建设，提前感知预测变电站主变压器设备故障发生的可能性与时间节点，及时进行预测性的设备维护，避免主变短路等事故的发生，保障电网生产运行的安全。如基于AI 预测模型，通过分析油样色谱中氢、乙炔、总烃等故障特征气体的含量的变化趋势，来预测未来一段时间内变压器匝间短路故障的发生的概率大小，当超过设定的概率值时，则认为故障在预测的时间段内将会发生，需要进行提前的设备维护[15-21]。

4 结束语

针对目前油浸式电力变压器建模所普遍采用的三维可视化技术，本文指出该方法存在无法精准描述故障设备之间、设备内部的联动机制和约束关系等问题，并提出使用面向资源的高级Petri 网建模技术（ROPN）进行分析、预测和解决。通过阐述基于ROPN 建模技术的变压器状态运行趋势分析和故障诊断分析模型建立流程，并以变压器绕组线圈故障预测为例子，验证出该ROPN 技术在电力系统中构建物理对象与虚拟环境一一映射实施的可行性与准确性。本文所采用的技术建模架构可以与目前电力系统所使用的数据平台进行有效整合和使用，实现变压器运行状态趋势及故障预测诊断分析精确预测，具有较强的推广价值和应用前景。