大型电力变压器故障检测技术

近年来，随着在线监测技术、计算机技术和人工智能技术的发展，利用油中溶解气体分析技术和模糊逻辑（Fuzzy Logic）、专家系统（Expert System）人工神经网络（Artificial Neural Network，ANN）电力变压器绝缘潜伏故障的诊断有效实现，大大提高了故障诊断的准确性、可靠性和效率，为变压器故障诊断技术的发展开辟了新的途径。根据变压器故障检测方法，可总结为以下类型：

1.油中溶解气体成分比值法的诊断方法

对于大多数油浸式电力变压器，变压器油箱会产生一些可燃气体，溶解在油中的可燃气体可以根据这些特殊气体的含量和比例确定变压器油纸绝缘系统的热分解性质。首先，该技术用于油浸式变压器的故障诊断Barraclough 等人提出使用CH4/H2、C2H6/CH4、C2H4/C2H6 和C2H2/C2H4 变压器故障诊断采用四种比值方法。而在后来的IEC 比值在标准中 C2H6/CH4 一般采用修改后的三比值法，Rogers 进一步对IEEE和IEC 详细分析和说明了气体组分比值的编码和使用方法。在长期使用IEC599 发现有些情况不符合实际情况，无法诊断某些情况。因此，中国和日本电气协会都是对的IEC 其他溶解气体成分分析方法也得到了广泛的应用。

2.模糊逻辑诊断方法

美国控制论学家L.A.Zadeh 第一次提出了模糊诊断方法，现在模糊诊断方法得到了更广泛的应用。模糊逻辑的方法有利于表达界限不清的定性知识和经验。它利用隶属度函数概念来区分模糊 ，处理模糊关系，模拟人脑实施规则推理，解决实际不确定性。事实上，变压器存在一些故障原因不明确的问题。传统方法无法解释或难以描述故障机制之间的大量不确定关系和模糊关系，模糊逻辑方法可以有效解决变压器中故障的不确定关系，为电力变压器的故障提供了新的解决方案。常用于电力变压器故障诊断Regers 比值法存在临界比值判断缺陷，提出了电力变压器故障诊断方法的模糊集理论，将模糊逻辑技术引入传统比值法，模糊比值边界，该方法在变压器多故障诊断中具有良好的应用效果，列故障诊断方法，包括编码组合法、模糊聚类技术Petri这些模型充分考虑了数据本身的模糊性，可以有效提高复杂数据集的性能，从而提高变压器故障诊断的准确性。

3.专家系统的诊断方法

专家系统是人工智能的重要分支。它是一个计算机程序系统，可以在一定程度上模拟八位人类专家的经验和推理过程；根据用户提供的数据信息，利用系统中存储的专家经验或知识进行推理和判断，较后给出用户决策的结论和可信度。电力变压器故障诊断是一个非常复杂的问题，涉及多种因素。根据各种参数做出正确判断，必须有坚实的理论基础和丰富的运行维护经验；此外，由于变压器的容量、电压等级和运行环境不同，同一故障在不同变压器中的性能也不同。专家系统具有较强的容错性和自适应性，可以根据诊断中获得的知识修改自己的知识库，以确保知识的完整性。因此，可以有效地诊断不同类型的电力变压器。电力变压器故障诊断专家系统可以通过总结电力变压器的故障原因和类型，综合利用油中溶解气体分析的故障检测知识来判断故障性质，利用模糊逻辑更好地处理故障诊断中的模糊问题，解决专家系统难以获得完整知识的瓶颈，通过黑板模型结构建立适合多专家合作诊断的结构。

4.人工神经网络的诊断方法

以数学模型模拟神经元活动的人工神经网络是一种基于模仿大脑神经网络结构和功能的信息处理系统。人工神经网络具有自组织、自适应、自学、容错和强大的非线性接近能力，可以实现预测、模拟和模糊控制，是处理非线性系统的有力工具。根据电力变压器故障中溶解气体的成分和含量，利用人工神经网络高度的非线性映射、自组织和自学习能力诊断变压器故障一直是近年来的研究热点，开发了一系列基于人工神经网络的故障诊断方法，如两步ANN 方法、反向传播人工神经网络、决策树神经网络模型、组合神经网络分层结构模型、径向基函数神经网络等，不断提高神经网络算法的收敛速度、分类性能和准确性。

5.其它诊断方法

除上述四种方法外，还有一些方法也用于变压器的故障诊断。将神经网络与证据理论有机结合，补充两者优势，获得多神经网络与证据理论相结合的变压器故障综合诊断方法。通过自组织抗体网络和抗体生成算法，决电力变压器故障诊断问题，根据仿生生物免疫系统中抗体对抗原的有效识别和记忆机制。此外，还有基于信息集成、粗糙集理论、组合决策树、贝叶斯网络、人工免疫、新径向基函数网络和支持向量机的变压器故障诊断方法。