變壓器關鍵參量融合的組合診斷方法研究

張少鋒，馬德英，吳西博，王 棟，劉 陽

(國網(wǎng)河南省電力公司 電力科學研究院， 鄭州 450052)

狀態(tài)評價是當代電力系統(tǒng)能量管理系統(tǒng)的重要組成部分，尤其在電力市場環(huán)境中發(fā)揮重要作用。提高狀態(tài)評價的準確性可以有效地改善狀態(tài)維修策略制定的質(zhì)量，同時能更加及時地發(fā)現(xiàn)設備運行時所存在的問題，提高設備運行可靠性[1]。

傳統(tǒng)的評價方法多根據(jù)《Q/GDW169-2008油浸式變壓器(電抗器)狀態(tài)評價導則》(下文簡稱《狀態(tài)評價導則》)[2]進行閾值評價。然而該方法過分依賴巡檢人員的主觀判斷，降低了評價結果的客觀性和準確性。針對該問題，大量學者對狀態(tài)評價提出了多種可行的方法，如模糊數(shù)學理論[3-4]、神經(jīng)網(wǎng)絡[5-6]、可拓分析法[7]、模糊隸屬函數(shù)法[8]、專家系統(tǒng)評價法[9-10]、支持向量機[11-12]、信息融合[13]等。然而，這些評價方法大多僅針對某些參量進行計算，未對變壓器狀態(tài)建立綜合評價體系，且缺少能夠反映當?shù)貙嶋H運行所存缺陷的特征參量。因此，亟待提出一種完整、準確的綜合評價體系。

本文中基于多參量、多方法建立了一種完整的、具有現(xiàn)實意義的變壓器狀態(tài)評價體系。首先，根據(jù)例行實驗、在線監(jiān)測等數(shù)據(jù)參量確定設備狀態(tài)分值；其次，基于家族缺陷、滲漏油等巡檢特征參量對設備狀態(tài)再次打分；最后，通過對兩次分值進行融合得到設備最終分值及設備狀態(tài)。所得出的狀態(tài)評價結果更加精細化，并且由于加入了基于實地設備情況的特征參量，有效解決了傳統(tǒng)的《狀態(tài)評價導則》閾值評價方法存在的巡檢人員主觀判斷和測量儀器誤差影響，狀態(tài)評價結果顆粒度粗糙，現(xiàn)行評價體系特征參量不全面等問題，對變壓器檢修策略的制定具有參考意義。

1 綜合評價體系

首先，對變壓器進行特征參量的選取并將其分為檢測試驗類特征參量(基于例行試驗數(shù)據(jù)發(fā)現(xiàn)異常的參量)和巡檢概況類特征參量(基于巡檢發(fā)現(xiàn)異常的參量)兩類。一類為通過對變壓器進行失效模式與效應分析(failure mode and effect analysis，F(xiàn)MEA)選取基于例行試驗數(shù)據(jù)進行判斷的特征參量，并將特征參量按照故障模式進行分類；另一類為傳統(tǒng)狀態(tài)評價導則中已有的基于巡檢概況進行判斷的特征參量和近幾年當?shù)剡\行經(jīng)驗，以及各運維單位反饋的傳統(tǒng)狀態(tài)評價導則中未考慮的特征參量，如設備的運行年限，疑似家族性缺陷，制造廠家，部件型號等。其次，需確定設備基于檢測試驗類特征參量評價的狀態(tài)分值。通過統(tǒng)計近幾年故障設備案例庫中的故障原因分析，采用關聯(lián)規(guī)則挖掘各故障模式對設備的影響程度，進而得出故障模式權重；根據(jù)所需檢測試驗類特征參量數(shù)據(jù)，收集變壓器全量歷史數(shù)據(jù)，采用熵權法對不同故障模式中的特征參量進行權重計算。然后，通過構造狀態(tài)隸屬函數(shù)計算各特征參量的異常狀態(tài)隸屬度，將最高的特征參量隸屬度作為對應故障模式的異常狀態(tài)隸屬度。最后，對所有故障模式隸屬度進行加權求和得到設備的異常狀態(tài)隸屬度，即可確定基于檢測試驗類特征參量評價的設備狀態(tài)分值。

上述設備狀態(tài)的評價結果主要以歷次試驗測試數(shù)據(jù)作為依據(jù)，對設備的試驗、監(jiān)測參量值進行狀態(tài)判斷，狀態(tài)評價結果并不能完全反映設備運行狀態(tài)。因此，對設備基于巡檢概況類特征參量評價的狀態(tài)分值進行計算。通過統(tǒng)計近幾年故障案例中的故障原因，采用灰色關聯(lián)分析法對巡檢概況類特征參量的權重進行計算，即可確定設備基于巡檢概況類特征參量評價的狀態(tài)分值。

最后，對檢測試驗類特征參量和巡檢概況類特征參量進行影響程度比較，得出兩類特征參量的權重，將兩次狀態(tài)分值進行加權平均即可得出設備當前所處的實際狀態(tài)分值。進行狀態(tài)評價時，本文的評價分值采用滿分制，具體標準及運維措施如表1所示。

表1 變壓器狀態(tài)及運維措施

具體流程如圖1所示。

圖1 綜合評價流程框圖

2 關鍵參量選取

通過《狀態(tài)評價導則》及FMEA分析進行檢測試驗類特征參量的選取[14-15]，故障模式對應的特征參量選取結果如表2所示。

表2 變壓器故障模式及對應檢測試驗類特征參量

通過《狀態(tài)評價導則》和FMEA分析，并結合近幾年當?shù)剡\行經(jīng)驗，各運維單位反饋的可能造成運行風險的因素，進行特征參量的選取，結果如表3所示。

表3 變壓器巡檢概況類特征參量

3 基于檢測試驗類特征參量評價

3.1 故障模式權重計算

關聯(lián)規(guī)則是尋找同一個事件中出現(xiàn)的不同項之間的相關性。通過關聯(lián)規(guī)則即可確定各故障模式與故障程度之間的關系，再與故障程度權重系數(shù)結合即可確定故障模式對整個變壓器的影響程度。

根據(jù)實際運行經(jīng)驗，并結合變壓器典型故障案例，將故障的嚴重程度劃分為4大類故障性質(zhì)[16]，見表4。

表4 變壓器故障程度及權重系數(shù)

根據(jù)支持度的定義，在變壓器故障程度與故障模式的關聯(lián)性分析中：

1) 事務數(shù)據(jù)庫記為D；

2) 項集Ai, j={第i個故障模式中的第j個故障程度}；

3) 項集Bi={第i個故障模式發(fā)生}。

可以得到Ai, j→Bi的支持度為：

Sup(Ai, j→Bi)=P(Ai, j∪Bi)=

(1)

某綜合特征參量關聯(lián)規(guī)則Ai, j→Bi的置信度為：

(2)

根據(jù)實際運行經(jīng)驗，結合變壓器典型故障類型，劃分出10大類故障模式：絕緣受潮、鐵芯故障、電流回路過熱、繞組故障、局部放電、油流放電、電弧放電、絕緣老化、絕緣油劣化、懸浮放電。

根據(jù)式(2)分別計算與各個故障程度的置信度，再對同一故障模式中的各故障程度的置信度進行比較，根據(jù)置信度的大小來確定故障程度在該故障模式中的權重。權重計算式為：

(3)

式中：ωi, j為第i個故障模式中的第j個故障程度的權重；Ci, j為第i個故障模式中的第j個故障程度的置信度；n為第i個故障模式中包含的故障程度量個數(shù)。

根據(jù)故障程度在該故障模式中的權重及其權重系數(shù)進行加權平均，如式(4)所示，可計算故障模式對整個變壓器的影響程度。

(4)

式中：ωi為第i個故障模式的權重；W為故障程度的權重系數(shù)。

3.2 特征參量權重計算

熵權法是根據(jù)特征參量信息熵大小來確定客觀權重。若某參量的信息熵越小，表明其變異程度越大，在狀態(tài)評價中所能起到的作用也越大，應賦予較多的權重[17-19]。

假設給定m個特征參量在線監(jiān)測數(shù)據(jù)分別為X1，X2，…，Xm。其中每種參量Xi={x1，x2，…，xn}有n個量測值。對各指標數(shù)據(jù)進行標準化后的值為Y1，Y2，…，Ym，計算方法為：

(5)

(6)

式中，第j個特征參量的重要性熵值ej如式(7)所示。

(7)

第j個特征參量的信息效用程度dj=1-e(dj)。信息效用值越大，表明指標越重要，對評價的重要性就越大。第j個特征參量的權重如式(8)所示。

(8)

3.3 特征參量狀態(tài)計算

隸屬函數(shù)是在模糊集合中使用的函數(shù)，可描述元素對一個模糊集合的隸屬關系，采用[0，1]范圍的數(shù)值來表示元素隸屬于模糊集合的真實程度。通過隸屬函數(shù)可對狀態(tài)量的異常程度進行定量描述[20]。

對各故障特征參量的特點進行分析，可將其分為兩大類：正劣化的特征參量和負劣化的特征參量。根據(jù)這兩類特征參量的特點，文獻[1]通過對常見的隸屬函數(shù)進行比較分析，構造了2種隸屬函數(shù)。

1) 正劣化的特征參量隸屬函數(shù)，表示特征參量檢測值x越大時，發(fā)生故障的傾向性就越大。因此，構造式(9)所示的隸屬函數(shù)，如圖2所示。

(9)

圖2 隸屬函數(shù)μa(x)曲線

計算檢測值x的隸屬度μa(x)作為該特征參量所對應故障模式的發(fā)生概率p。

2) 負劣化的特征參量隸屬函數(shù)，表示特征參量檢測值x越小時，發(fā)生故障的傾向性就越大，情形和式(9)正好相反。因此，構造式(10)所示的隸屬函數(shù)。由式(10)可知此函數(shù)是周期函數(shù)，為使函數(shù)值有意義，規(guī)定當變量x>2b時，μ(x)=0，如圖3所示。

(10)

圖3 隸屬函數(shù)μb(x)曲線

通過上述2種隸屬函數(shù)和特征參量數(shù)據(jù)即可計算特征參量的狀態(tài)隸屬度。隸屬度越趨近于1，說明該參量的劣化程度越嚴重。

3.4 設備狀態(tài)分值計算

計算各特征參量所屬狀態(tài)的隸屬度，對各故障模式中的所有特征參量隸屬度進行加權比較。取加權后隸屬度最大的特征參量隸屬度作為該故障模式的隸屬度值。

對故障模式隸屬度進行加權求和即可得出當前變壓器的狀態(tài)隸屬度。隸屬度可反映變壓器當前狀態(tài)評價扣分值和基于檢測試驗類特征參量的變壓器狀態(tài)評價分值，其狀態(tài)分值計算式為：

T1=100(1-μ)

(11)

式中，μ為設備狀態(tài)隸屬度。

4 基于巡檢概況類特征參量評價

4.1 特征參量權重計算

灰色關聯(lián)分析法是表征2個參量之間變化曲線幾何形狀一致性大小的方法。若趨勢越具有一致性，兩者關聯(lián)程度越高，關聯(lián)度越大[21-22]。

該方法通常用來分析特征參量對于結果的影響程度，因此適用于評價各特征參量對變壓器設備狀態(tài)的影響程度，可以較好地計算各參量的權重。

設參考數(shù)列為Y=Y(k)k=1，2，…，n；比較數(shù)列為Xi=Xi(k)k=1，2，…，n，i=1，…，m。由于各因素數(shù)據(jù)的量綱可能不同，因此在進行灰色關聯(lián)法分析時，需要對數(shù)據(jù)進行量綱歸一化處理：

(12)

比較數(shù)列與參考數(shù)列在各點的關聯(lián)系數(shù)：

(13)

式中：ρ∈(0，∞)，稱為分辨系數(shù)。ρ越大，分辨力越??；ρ越小，分辨力越大。通常取ρ=0.5。

對各點的關聯(lián)系數(shù)求取均值，即為關聯(lián)程度值，其計算式為：

(14)

因此，統(tǒng)計各年份變壓器總的故障量及各特征參量的故障量，可通過灰色關聯(lián)分析法確定特征參量的權重。

4.2 設備狀態(tài)分值計算

巡檢概況類特征參量異于檢測試驗類特征參量，該類特征參量僅通過是非制判斷即可，其隸屬函數(shù)值僅取0和1兩個隸屬度。因此，當特征參量異常時，其狀態(tài)分值計算式為：

(15)

式中，ωi為部位中各參量權重。

5 實例分析

5.1 特征參量權重計算

對某省近幾年故障變壓器的故障原因進行統(tǒng)計分析，整理出243條故障模式案例信息。采用關聯(lián)規(guī)則法，根據(jù)式(1)～(4)計算各故障模式的權重，計算結果如表5所示。

表5 故障模式權重計算結果

收集某省電網(wǎng)公司例行試驗的全量歷史數(shù)據(jù)，采用熵權法計算檢測試驗類特征參量權重，計算結果如表6所示。

表6 檢測試驗類特征參量權重計算結果

續(xù)表(表6)

收集該電網(wǎng)公司近幾年的變電站變壓器故障設備的統(tǒng)計數(shù)據(jù)，采用灰色關聯(lián)分析法對數(shù)據(jù)統(tǒng)計的巡檢概況類特征參量進行關聯(lián)度的計算，關聯(lián)曲線如圖4所示。部分巡檢概況類特征參量與變壓器故障量關聯(lián)關系如圖5所示。

圖4 故障關聯(lián)曲線

圖5 巡檢概況類特征參量與故障量關聯(lián)度的關系直方圖

在采用灰色關聯(lián)分析法計算特征參量與故障設備關聯(lián)度的基礎上，加入故障嚴重程度系數(shù)及符合狀態(tài)量的主次程度系數(shù)；對部分巡檢概況類特征參量進行權重計算，加強計算特征參量對變壓器影響程度的準確性，其權重計算結果如表7所示。

表7 巡檢概況類特征參量權重計算結果

5.2 變壓器狀態(tài)評價實例

以某500 kV變電站2018年投入運行的某主變壓器為例，運行中試驗記錄：H2為55.9 μL/L，CH4為2.326 μL/L，C2H6為0.704 μL/L，C2H4為0.512 μL/L，C2H2為μL/L，CO為95.46 μL/L，CO2為498.436 μL/L，總烴為3.578 μL/L，絕緣電阻吸收比為1.35，絕緣電阻極化指數(shù)為1.53，繞組絕緣介損為0.213%，絕緣油含氣量為3.5%，絕緣油含水量為5.8 mg/L，油擊穿電壓為57.9 kV，絕緣油體積電阻率為3.65×1012，絕緣油介損為0.3%，鐵芯接地電流為28.1 mA，鐵心絕緣電阻為5 860 MΩ，繞組直流電阻為0.81%。

通過傳統(tǒng)的導則評價方法進行評價，發(fā)現(xiàn)該變壓器油中含氣量超過了閾值。按照《狀態(tài)評價導則》對應扣分標準，該指標應扣8分。根據(jù)導則規(guī)定，當單項指標小于12分時，變壓器仍為正常狀態(tài)。因此，采用傳統(tǒng)的狀態(tài)評價導則進行評價時，該變壓器運行狀態(tài)為正常。但油中含氣量已超標且該變壓器投運年限不足5年，對于該變壓器應引起注意。傳統(tǒng)狀態(tài)評價方法的狀態(tài)顆粒度較粗，不能較好地反映變壓器具體運行狀態(tài)及狀態(tài)變化的可能性。

針對上述傳統(tǒng)導則評價方法存在的問題，根據(jù)近幾年運行經(jīng)驗及各運維單位的反饋，加入導則中未反映但可能造成運行風險的特征參量，并將評價狀態(tài)進行顆粒度細化，使其能夠通過評價分值直觀地判斷狀態(tài)變化的可能性。

本文方法的具體評價過程：分別計算各故障模式特征參量的故障隸屬度，經(jīng)過加權比較后可得故障模式隸屬度，如表8所示。

表8 故障模式隸屬度

將所有故障模式隸屬度進行加權求和，可得該變壓器的隸屬度為0.215 7。因此基于檢測試驗類特征參量打分時，變壓器評分為78.43。

由該變壓器的巡檢情況及基礎信息可知，變壓器運行年限為5年內(nèi)，應對該變壓器扣16分。因此基于巡檢概況類特征參量打分時，該變壓器評分為84。

最后，對2次打分進行融合得到該變壓器的狀態(tài)評價分值，結果如表9所示。

表9 變壓器評價結果

由評價結果可知，變壓器整體屬于正常狀態(tài)。但部分參量超過了閾值，且運行年限為5年內(nèi)，分值雖在正常范圍，但與注意狀態(tài)相差甚少，應引起注意。所提出評價體系比傳統(tǒng)評價方法或單一采用某類參量進行評價的方法更加準確。

6 結論

1) 通過加權的方法將評價方法進行顆粒度細化，提高評價的準確性；

2) 采用隸屬函數(shù)解決邊界模糊性問題；基于FMEA對單一特征參量進行綜合分類，通過綜合參量即故障模式對整個設備進行評價；

3) 根據(jù)近幾年運行經(jīng)驗及各運維單位的反饋，加入了導則中未反映但可能造成運行風險的特征參量，對設備進行再次調(diào)檔，提高了評價的準確性與實際性；

4) 采用關聯(lián)規(guī)則、熵權法、灰色關聯(lián)分析法等由數(shù)據(jù)驅(qū)動的權重計算方法，提高評價的合理性與客觀性。

在所提出的變壓器狀態(tài)精細化評價方法中，建立了一種完整的綜合評價體系，有效解決了傳統(tǒng)評價方法存在的邊界模糊性等問題，提高了評價的準確性，對變壓器主要缺陷故障模式的確定及檢修策略的制定具有參考意義。