变压器故障油色谱分析(通用9篇)
变压器故障油色谱分析 篇1
变压器故障诊断中应综合各种有效的检测手段和方法, 对得到的各种检测结果要进行综合分析和评判, 根据DL/T596—1996电力设备预防性试验规程规定的试验项目及试验顺序, 通过变压器油中气体的色谱分析这种化学检测的方法, 在不停电的情况下, 对发现变压器内部的某些潜伏性故障及其发展程度的早期诊断非常灵敏而有效, 对保证变压器安全、可靠、优质运行有十分重要的意义。
一、气相色谱法的原理
色谱法又叫层析法, 它是一种物理分离技术。它的分离原理是使混合物中各组分在两相间进行分配, 其中一相是不动的, 叫做固定相, 另一相则是推动混合物流过此固定相的流体, 叫做流动相。当流动相中所含的混合物经过固定相时, 就会与固定相发生相互作用。由于各组分在性质与结构上的不同, 相互作用的大小强弱也有差异。因此在同一推动力作用下, 不同组分在固定相中的滞留时间有长有短, 从而按先后秩序从固定相中流出, 这种借在两相分配原理而使混合物中各组分获得分离的技术, 称为色谱分离技术或色谱法。
当载气携带着不同物质的混合样品通过色谱柱时, 气相中的物质一部分就要溶解或吸附到固定相内, 随着固定相中物质分子的增加, 从固定相挥发到气相中的试样物质分子也逐渐增加, 也就是说, 试样中各物质分子在两相中进行分配, 最后达到平衡。这种物质在两相之间发生的溶解和挥发的过程, 称分配过程。分配达到平衡时, 物质在两相中的浓度比称分配系数, 也叫平衡常数, 以K表示, K=物质在固定相中的浓度/物质在流动相中的浓度, 在恒定的温度下, 分配系数K是个常数。
由此可见, 气相色谱的分离原理是利用不同物质在两相间具有不同的分配系数, 当两相作相对运动时, 试样的各组分就在两相中经反复多次地分配, 使得原来分配系数只有微小差别的各组分产生很大的分离效果, 从而将各组分分离开来。然后再进入检测器对各组分进行鉴定。
二、充油电气设备故障诊断的基础知识
众所周知, 绝缘油是由H2、CO、CO2、烃类等成分组成的混合物。当变压器内部发生故障时, 其初期会分解出各种气体, 溶解于变压器油中, 当故障严重时, 也可能聚集成游离气体。各种气体产生的条件不同, 如局部放电, 通过离子反应、断裂主要生成H2, 通过积累重新化合成甲烷、乙烯、乙烷、乙炔等气体, 重新化合时分别需要各自的温度和能量。一般说来, 乙烯是在高于甲烷和乙烷的温度 (大约500℃) 下生成的, 乙炔一般是在800℃~1200℃的温度下生成的, 而且当温度降低时反应被迅速抑制, 作为重新化合的产物而积累。因此, 大量的乙炔是在电弧中产生的。
三、变压器内部故障实例
浙江华电乌溪江水电厂湖南镇站3号主变, 型号为SFP9-120000/220, 额定容量120MVA。该变2006年12月投运时, 油中含微量乙炔, 安装部门认为是带油焊接变压器外壳加强筋引起, 后经油脱气处理后, 乙炔含量为0.38μL/L, 于2007年1月正式投入运行。
投产后, 电厂每3个月做1次色谱分析, 对变压器运行状况进行跟踪, 测得各次分析数据都在正常范围内, 运行情况正常。
该变压器总烃变化情况见表1
2008年7月22日, 3号主变轻瓦斯动作。取油样作色谱分析后, 测得的数据与7月7日数据比较见表2。
应用GB/T 7252—2001变压器油中溶解气体分析和判断导则中判断故障性质的三比值法:
乙炔/乙烯=14.5/680=0.02编码为0
甲烷/氢=409/306=1.34编码为2
乙烯/乙烷=680/113=6.02编码为2
即三比值编码022的故障性质为“高于700℃高温范围的热故障。故障的范围大约在铁芯中的小热点, 铁芯短路, 接头接触不良, 铁芯与外壳的环流。”因甲烷、乙烯二者之和占总烃的80%以上, 故判断为裸金属过热性故障。
由于主变是恶性循环的热故障, 故障点主要集中在A相分接开关, 离瓦斯继电器最近, 并且故障点变压器油的产气速率极高, 使主变轻瓦斯保护得以正确动作以及试验工作及时正确的判断, 使3号主变能及时停运, 避免了故障进一步扩大。经大修后投入电网运行, 色谱分析跟踪投运后一天、四天、十天试验数据正常。
四、总结
综上所述, 利用气相色谱分析变压器油的气体组分及其含量, 能够使技术人员充分掌握并监测变压器的运行状态, 能够提前知道变压器内部是否存在潜伏性故障, 即在变压器运行中 (不停电、不吊芯的情况下) , 通过常规检测及色谱分析就可以把变压器内有无故障、有什么样性质的故障诊断出来, 这对于变压器的维护保养起到关键性的指导作用, 从而更好地保证电力设备的安全经济运行。
变压器油色谱在线监测与故障诊断 篇2
前言
本文主要分析了变压器远程在线监测系统,针对监测状况判断了故障情况,阐述了在当前形式下系统信号采集功能测试、监测系统在供电状况的应用情况。介绍了在以有色谱在线监测状态下,结合计算机技术的应用下,对故障进行诊断分析,最终根据状态监测数据以及诊断结果,进一步加强了变压器在线监测以及故障诊断的效果,促进电力系统正常高效运行。
在当前,随着我国电力系统容量在不断增大,电压等级水平在不断提高,供电部门要求的可靠性在不断提高,因此这就对电力系统提出了更高的要求,使得设备要加强在线监测,及时排查各种故障。本文针对变压器有色谱进行研究,对绝缘油中溶解气体含量进行监测、分析以及故障判断,最终实现了变压器健康正常运行的效果。本文在研究油色谱在线监测与故障分析中,解决了监测数据的本地存储以及显示,方便了远程监控,提升了电力系统运行的效率。本文主要采用卫士2000系统,对变压器进行远程在线监测以及解决了故障分析。
一、采用卫士2000系统进行在线监测和故障分析
该系统在具体应用过程中,具体以MGA2000-6型变压器色谱在线监测系统进行监测。基于Web页的访问方式,经过系统授权的用户,通过网络登陆系统随时查看设备的运行状况,了解谱图数据。在监测过程中针对变压器状态信息进行在线监测,并将数据以无线的方式实时传送至远程监控系统中,之后进行交互,实时接收远程监控数据。在色谱技术的应用下,依据在线数据以及其他在线监测状态量对变压器或者是其他的设备进行故障判断。另外这种监测以及故障诊断实现了远程数据服务效果,并且对现场在线监测设备的远程软件起到了一定的升级和维护功能。该系统应用的原理是:针对现场单元采集到的变压器油色谱数据进行智能谱峰分析,并将数据以及相关的参数按照压缩格式最终上传到油色谱中心服务器中。在完成解压将其分类,并且存储到SQLServer2000数据库中,另外通过MIS网络,以远程的方式来实时数据、历史数据、谱图数据设备运行状态数据以及相关参数存储和观察。
系统的功能表现在:完成变压器数据采集以及存储功能。在远程监控系统中对数据进行分析、诊断之后进行数据上报。在通信技术的应用下,将监测到的数据上报色谱浓度数据、谱图数据以及报警参数和设备的运行状态等。系统的特点表现在:采用B/S架构,该系统能够促进用户通过浏览器进行直接访问,为系统提供各种数据以及参数,并且在运行过程中提高了安装以及维护性能,有效地降低了运行的成本;系统采用可靠的智能谱峰识别技术,针对不同时间能够识别峰的位置以及具体高度。
二、变压器油色谱在线监测与故障诊断分析的技术分析
为了提高变压器油色谱在线监测与故障诊断分析效果,其中关键的技术分析如下:Web Service技术的应用,该系统采用B/S系统架构,最终达到数据以及业务的共享性。然而该技术在应用过程中针对复杂的业务处理过程中具有一定的逻辑性,能够有效地实现分布式以及安全处理效果,这就提高了系统运行效率,降低了系统的负荷以及网络宽带,最终实现了集成方案。该技术包括服务协调用协议SOAP,服务描述协议WSDL和服务发现协议UDDIL以及服务流描述语言WSFL;IEC60870-5-104技术。该技术是一种标准的电力规约,在通信技术中连接请求由主控站发起,主控站尝试连接被控站2404端口,在接收到应答之后,经过TCP/IP3次握手之后,建立了连接通道,将数据传输完毕之后,主控站和被控制站都完成的连接释放,最终在激活数据传输之后,被控站以突发模式传输组分数据,谱图数据以及设备状态等。
三、卫士2000变压器远程在线监测与故障诊断系统的具体应用
该系统有效地对变压器进行在线监测以及故障诊断,在应用过程中对运行人员了解、总结油色谱报警数据的特点和规律,有着一定的引導作用,为管理人员提供了故障分析数据,促进变压器正常、安全运行。该系统以多种显示方式,在数据显示页面中实时数据的传输以及应用,为监测提供了重要途径。在数据显示中具有直观性以及形象性。然而谱图数据是服务器端采集到的原始数据,将每次采集到的谱图数据保存在谱图文件中,通过操作本系统进行查看和分析远程服务器上的谱图数据,最终可以查看出计算机中存储的谱图数据。变压器油色谱在线监测与故障诊断过程中,当数据状态处于报警状态时,在系统中显示的是红色报警提示。该数据通过报警信息窗口显示出来,将这些数据采用改良三比值法,大卫三角形法以及立方图示法,针对数据进行诊断。另外在系统监测过程中可以对氢气、一氧化碳与、甲烷乙烯等六种气体进行高精度的在线监测。采用卫士2000系统,利用恒温负压吹扫脱气原理,提高了数据在线监测的可靠性;采集油样经过过滤之后对其进行废气物处理,促进安全性不断提高。另外该技术的应用具有多级稳定控制功能,具有很强的稳定性以及可靠性,并且环境适应能力较强。在线监测过程中还可以采用无缝集成套管绝缘在线监测,实现了对变压器油解气体、油中微水、局部放电以及温度,负荷趋势和油位等进行在线监测,具有一定的可扩展性。
四、总结
变压器故障油色谱分析 篇3
现代电力系统的一个极其重要设备就是大型电力变压器, 其能否正常运转直接关系着整个电力系统运行的安全稳定。若出现绝缘故障或不正常运行时, 则将有CO、H2等气体从变压器油中分解出来, 并部分在水中溶解。以往对变压器绝缘状况进行诊断, 多采用DGA——这种对油中气体进行分析的技术, 由于这个技术具有价廉高效且非破坏性等优点, 故得到较为广泛的应用。但这种传统离线DGA同样也有很多不足之处, 诸如操作过程受人为因素影响较大、且较复杂、具有较长的时间间隔等, 因而在应用上受到的制约也较大。随着科技的发展, 使得变压器油中溶解气体的离线监测向在线监测发展, 这种在线监测技术在当前应用已经相当成功, 且基于这个技术, 应用灰色预测技术, 建立起一个灰色预测模型, 这个模型可用于预测溶解于变压器油中气体在未来时刻的浓度, 在此基础上, 再推断出未来时刻变压器的绝缘状态。由此可见, 在对溶解于油中气体进行分析时, 这种在线监测技术可把离线DGA的缺点有效克服掉, 对离线DGA起到了很好的补充, 这对变压器故障诊断及状态检修水平的提高起到了很大的促进作用。以下就结合油色谱分析的在线预测系统, 应用灰色预测方法及BPNN对未来时刻溶解于油中的气体浓度、变压器的绝缘状态进行预测和诊断。
1溶解于变压器油中气体在线监测装置的基本结构分析
溶解气体在线监测装置基本原理, 见图1所示。
从上图可知, 这个在线监测装置由油气分离单元等部分所构成:①油气分离单元, 油气分离的完成是通过高分子薄膜来完成, 这个薄膜只许气体透过而不许油透过, 并在特定气室保存气体, 再过一段时间, 此薄膜两边气体将到达动态平衡;基于控制单元的控制, 把相应阀门打开, 在载气作用下, 促使气室中气体到达检测传感器单元;气体传感器再将CO、CO2、CH4等6种气体的浓度分别转化为对应的电信号。②温度控制单元, 能对气体检测单元的工作温度进行有效控制, 对于确保气体检测单元正常运转具有重要的作用。③测量控制单元, 能够对油气分离单元、气体检测单元等进行有效控制, 并通过RS485向主计算机 (监控中心) 发送。④监控中心主计算机具有几大作用:预测油中溶解气体浓度;智能诊断系统故障;及时显示数据分析及预测结果;进行报警和打印等。
2建立预测故障模型
2.1 关于灰色预警模型的建立
上世纪八十年代初, 这个系统理论由我国教授邓聚龙所创建, 这是一个信息不完全系统, 即构成这个系统主要是2部分:①已知信息;②部分未知信息。其最大特点就是, 对于预测模型的建立, 只要掌握一些已知历史数据, 再通过AGO (累加生成) 运算即可。故当前在很多领域得到极其广泛应用, 特别是对于相关变压器油中溶解气体浓度的预测更加适合。
这个灰色系统理论, 一组差分方程为其灰色模型, 可以GM (a, b) 来表示这个模型, 其中a为差分方程的阶数, b为差分方程的变量个数;有关GM (1, 1) 这个灰色预警模型是当前最常用的模型。以下就灰色预警模型GM (1, 1) 的建模过程进行阐述, 这个GM (1, 1) 主要是关于变压器油中溶解气体浓度的:
令M (0) 表示非负原始建模数据序列, 这个数据序列包含有x个样本点:则
M (0) = (m (0) (1) , m (0) (2) , ……, m (0) (x) ) , 其中, m (0) (i) ≥0, I = 1, 2, 3, ……, x。
把M (0) 进行一阶累加生成 (1 - AGO) , 通过运算就可把一阶累加生成序列求出:
M (1) = (m (1) (1, ) , m (1) (2) , ……, m (1) (x) ) , (a)
其中m (1) (k) =undefined, k =1, 2, 3, ……, x, (b)
m (1) (k) , k =1, 2, 3, ……, x, 可用下式表示其对应的白化差分方程:
undefined (c)
上式 (c) 就是灰色动态模型GM (1, 1)
若undefined, 由最小二乘法, 可求得, undefined, (d)
对灰色白化差分方程进行求解, 可得到m (1) (k) 的预测值序列undefined (1) (k) :
undefined, k =1, 2, 3, ……, x, (e)
把undefined (1) (k) 进行一阶累加还原运算, 就可得到m (0) (k) 的预测值序列undefined:
undefined, k =1, 2, 3, ……, x , (f)
2.2 检验预测模型的精度
一旦建立起灰色预测模型GM (1, 1) 以后, 就要检验这个预测模型的精度, 这些模型只有经过检验符合要求才能在实际当中进行预测。在各种预测模型精度检验方法中, 比较常用的是平均相对误差检验方法, 其进行参考的精度等级如表1所示:
2.3 进行故障诊断
三比值法这种离线色谱分析法是当前电力运行部门比较常用的故障诊断方法, 这种诊断方法对于变压器的潜伏性故障能够比较准确的诊断。但因其具有比较固定的编码区间, 相关数据在区间交接处, 极易出现误判。此外, 这种诊断方法因无效编码的存在, 缺乏故障现象与之相对应, 故只能误判为无故障, 这样就可能把原本存在的故障隐藏起来, 致使故障的严重程度无法被准确体现出来。实践表明, 应用BPNN——误差反传学习神经网络智能诊断方法, 可以有效克服上述的不足, 具体诊断流程见图2所示。
由图2可知, 对于乙炔或总烃的浓度先进行判断, 并与规定的注意值进行比较, 若比规定注意值低, 则可判断变压器正常, 就可结束诊断过程;反之, 有关下一步的诊断就要继续进行。接着对产气率υ进行考察, 并与设定值δ进行比较, 若υ<δ, 则变压器正常, 可结束诊断过程;反之, 继续应用BPNN法进行诊断故障。
有关BP神经网络故障诊断模型是由3层构成:①输入层;②隐含层;③输出层。其中输入向量和输出向量如表2所示:
以学习过程来确定各层神经元间的连接, 正向传播输出过程及反向传播调整过程等2部分组成学习过程。通过正向传播, 把输入信号从输入层传向输出层, 若所期望的输出达不到输出层, 则输出信号的误差将进行沿原路反向传播, 重新回到输入端, 对各层神经元间连接权值进行修改, 最大限度减小误差。完成此过程, 就可以通过BP神经网络来对变压器进行故障诊断。
3结语
实践表明, 以上介绍的在线监测系统能够很好地对变压器油中溶解气体浓度进行在线监测, 特别是基于其在线监测数据所建立的灰色预测模型, 更能把未来时刻变压器油中溶解气体浓度进行有效预测, 这对于保障变压器的正常运行以至整个电力系统的正常运转都具有很重要的意义。
参考文献
[1]孙才新.变压器油中溶解气体的在线监测[J].电工技术学报, 2010 (11) .
[2]邓聚龙.灰色系统控制理论[M].武汉:华中科技大学出版社, 2009 (5) .
变压器故障油色谱分析 篇4
关键词:油色谱研究;变压器;绝缘状态;检测技术
中图分类号:TM855 文献标识码:A 文章编号:1006-8937(2015)26-0020-02
在当前的电网正常运行过程和变压器正常运行过程中,加强变压器绝缘状态检测变得越来越重要。只有加强状态检测,才能避免相关问题出现,避免工作人员人身健康受到威胁,保障变压器运行稳定性。要想有效落实变压器绝缘状态检测工作,就必须大力应用状态检测技术,及时掌握变压器运行情况和故障产生情况。变压器状态检测过程相对比较复杂,检测流程也比较多,检测难度比较大。因此必须应用良好的状态检测技术,及时识别变压器运行情况和相关故障。本研究主要介绍主要的检测技术,通过选择油色谱分析方法,完成状态检测工作,从根本上降低变压器事故产生率。
1 常见的变压器绝缘故障研究
1.1 短路故障研究
在变压器绝缘故障当中,短路故障是比较常见的,主要是指引线以及绕组短路问题,另外相和相之间也可能会出现该故障。当这种故障出现之后,会导致变压器受损。在出现短路电流之后,就会导致变压器过热,破坏变压器相关材料,进而出现变压器事故,对于变压器绕组设备来说,在短路状态下要承受电动力,最终出现绕组变形问题。另外,当引线位置不当,也会在放电之后出现绝缘受损问题和短路事故。
1.2 放电故障研究
在变压器运行过程中,只有保证绝缘放电强度充足,才能维持相关设备的正常运行和应用,如果放电太弱的话,就会导致变压器运行时间大大缩短。而当出现放电故障之后,就会大大降低变压器绝缘设备的性能。首先,当电粒子和变压器绝缘相冲击之后,就会导致绝缘结构出现异常,还会导致绝缘设备温度提升,最终出现绝缘碳化等相关问题。然后,当局部放电问题出现之后,就会产生相关化合物质,在和水分有效结合之后,就会出现硝酸物质,导致变压器绝缘侵蚀问题出现。最后,当变压器局部放电之后,就会使得削弱变压器绝缘的散热能力,导致放电问题更加严重,最终导致绝缘受损问题。
1.3 过热故障研究
当出现过热故障之后,就会导致变压器绝缘热解,最终再出现电弧性热点问题之后,导致变压器设备受损。另外还会影响电网的正常运行,在出现过热故障之后,就会导致停发电问题出现,导致人们无法正常用电。
1.4 绝缘油故障研究
变压器油在变压器运行当中是不可缺少的,只有保证油品质量,才能保证变压器和相关设备正常运行。在变压器老化之后,油也会随之变质,会出现一系列异常现象,导致放电增强,最终导致变压器绝缘损坏。
2 应用情况研究
2.1 在可燃性气体总量有效测量过程中的应用
如今,基于油色谱研究的变压器绝缘状态检测技术得到了实际应用,应用效果是比较显著的。在具体的应用过程中,主要采取了油色谱装置检测措施,对变压器设备绝缘状态进行了解。常见的可燃性气体主要有氢气、一氧化碳等,而通过应用基于油色谱研究的变压器绝缘状态检测技术,可以检测出这些气体的总量,但还无法确定到每个气体的准确含量,且该技术应用造价相当高。
2.2 在单一氢气组成情况中的应用
在变压器相关设备过热问题出现之后,就可能会产生氢气,另外当变压器局部放电之后,也可能会产生氢气。在基于油色谱研究的变压器绝缘状态检测技术应用基础上,已经发明了相关装置,在应用这些装置之后,可以了解相关信号输出情况,进而了解气体成分。这种装置结构不太复杂,可以应用在变压器故障最初检测过程中,为后期色谱深入研究奠定基础,但使用该装置无法辨别具体的故障产生种类。
2.3 在多种气体组成成分辨别中的应用
如今,在线色谱检测仪器已经被创新和完善出来,通过应用该仪器,可以准确辨别出多种气体,掌握气体当中的具体组成成分,如今测量气体量多大的仪器是TrueGas仪器。另外,澳大利亚发明的DRMCC仪器,还可以准确地掌握设备运行状态,可以有效收集到油中的多种物质数据,进而测量气体具体成分和具体浓度。
3 油色谱研究工作流程介绍
随着我国科学技术的不断发展,智能化的油色谱研究工作流程被设计出来,针对具体的工作流程来说有以下几个步骤:
①在PC发动指令之后,仪器就会自动进行检测,另外也可以采取手动按键措施,开展状态检测工作;②保证电磁阀2正常通电,使得气路当中充满载气,在气路系统当中充满空气之后,避免热导设备受损问题出现,在开机之前,还要保证载气输通完成,机器重启时间和载气输通时间呈现出正比例关系;③有效落实加热设备正常通电工作,相应的柱箱以及相关检测仪就会逐渐升温;④进行基线有效采集,观察研究基线平稳情况;⑤确定基线平稳之后,要对电磁阀1进行相应有效操作,保证其通电,在完成载气输通工作之后,使得油当中的相关融解气体通入到色谱柱中,随之进行相关数据收集和有效上传;⑥在实现载气有效推动的基础上,相关混合气体会实现分离,那些吸附力较小的气体就会被推出,在所有气体都分离结束之后,结束相关数据采样工作;⑦实现装置有效关闭,进行检测仪断电操作,在检测仪温度降低之后,进行载气关闭操作;⑧结束一次检测。
4 结 语
综上所述,基于油色谱研究的变压器绝缘状态检测技术应用效果显著,利用该技术可以提升变压器状态检测效率,保证变压器运行安全。另外,还必须加强对变压器检测人员的教育培训,实验人员必须按照相关规定和标准进行状态检测,要合理利用相关检测设备。要加强检测安全控制,提前做好应急措施,强化变电器试验人员的安全意识和风险意识。要从各个方面入手,提高变电器人员的检测水平,不仅要保证状态检测方案设计合理性,把电压和电流持续时间控制在标准范围之内,而且还要加大变压器维护力度。
参考文献:
[1] 王炯,单锋.在线油色谱检测技术在变压器运行中的应用[J].水电站机电技术,2012,(4).
[2] 郭辉.变压器运行中对在线油色谱检测技术的应用[J].中国电业(技术版),2013,(6).
[3] 倪晋兵,黄延庆,徐国八,等.主变压器绝缘油色谱异常原因研究[J].华东电力,2013,(9).
[4] 梁文焰,黄蔚.主变压器油色谱在线监测技术应用研究[J].广西电力, 2010,(1).
变压器故障油色谱分析 篇5
不同类型的故障, 气体成分特点也不一样。例如, 局部放电, 产生氢气;温度太高就会产生甲烷和乙烯, 严重放热时也有少量的乙炔;电弧发生故障时产生乙炔和氢气。不一样的能量, 大小不相同的故障的特点, 沼气生产的速度也是不一样。天然气的生产更少的潜在故障的初始阶段, 产气速率较慢;温度高的故障源, 天然气生产方面的故障更大, 气体更速度。了解这个道理, 就要对绝缘油色谱热解产生的气体进行分析, 这对我们分析和判断变电器设备有很大的帮助。
1过热性故障
1.1裸金属过热。如果绝缘油分解是由变压器设备的热量而引起的, 统称裸金属过热。是一个焊接不强的分接开关而导致开关接触不良;铁芯多点接地、局部短路等等。油色谱气体的主要特点是, 烃类也增加, 这也是甲烷与乙烯气体的主要特性, 一般是达80%以上的总烃类。当故障点温度很低时, 甲烷比例就越大;随着温度升高, 乙烯比例也会随之增加。随后, 氢气也会急剧增加, 但是没有烃类气体的迅速。温度严重过热时也会有少量的乙炔气体, 但是不超过6%。
1.2固体绝缘过热。温度过热时就会涉及固体绝缘材料, 就会有低分子烃类气体的产生, 随后也会产生一氧化碳和二氧化碳。
1.3低温度过热。变压器由于长期负荷状态或者有其他原因, 致使固体绝缘承受大面积的低温长期过热绕组时, 温度上油色谱也不分解, 只会出现一氧化碳与长时间的低温碳化加速过热的绝缘纸产生的二氧化碳, 其中包含一氧化碳所反映故障而且会涉及一些固体绝缘的特性。
2放电性故障
2.1高能量放电 (电弧放电) 。线圈层间绝缘击穿, 电压温度过高导致电弧引起的闪络, 和电容屏击穿电弧所引起的故障。这种异常或者故障的气体速度很快, 气体量大。故障气体主要是氢气 (总烃20%~70%) 与乙炔, 接下来产生的是乙烯和甲烷。故障的能量很大, 所以总烃类比较高导致固体绝缘一氧化碳也是比较高的。
2.2低能量放电 (火花放电) 。一种间歇放电故障。由于接地不良, 核心里面的芯板, 通过螺杆的芯接触不良而引起悬浮放电。分析出天然气主要成分是乙炔与氢气, 随后产生乙烯与甲烷气体。但是能量有较小的故障时, 一般总烃含量就不是太高。
2.3局部放电故障。带电体经常发生在悬浮带电体空间或者油浸纸绝缘气体悬浮带电体空间, 放电气体的特性会产生氢气、随后是甲烷。 (能量密度高, 也会有少量乙炔气体) 一般不超2%。
3受潮
变压器设备里面受到潮湿的时候, 气隙绝缘水与固体油发生局部放电除外, 那时就会产生氢气。也是因为水和铁的化学反应是电解电场水, 所以产生大量氢气。结论, 在变压器里面受到潮湿时的氢气含量高。
3.1油色谱异常数据
2014年04月的一个早晨, 某变电站一带天气非常的恶劣, 变压器跳闸的开关两侧出现故障。检查后发现:广告牌的铝金属不小心吹到变压器上了, 以致于造成变压器110k V, 侧C相导线由铝金属对其中气体取样铜管放电, 导致在变压器开关两侧, 变压器启动保护自动跳闸操作。事件发生后结论得出, 进行全面的测试与检验变压器发现, 在C波段的高电压侧相绕组存在明显变形或者位移, 其他的高电压正常;油色谱的试验结果见表1。
3.2色谱异常数据分析
从表1的数据看出, 变压器的事件前的色谱属于正常状态, 表明变压器的里面没有异常。在铝金属零件造成变压器开关跳闸, 以致于油色谱的数据出现异常。结果说明, 在油色谱试验中电弧放电, 通过《变压器油中溶解气体分析与判断》为三比值法的指导方针, 确定电弧放电故障类型。确定放电可能是线圈的原因, 层间的短路、相间的闪络, 导致箱壳或其他接地放电。2014年04月前, 实验数据中没有发现C2H2, 用色谱分析数据值的异常, 乙炔/乙烯=0.4<1, 在这一分接开关没有操作, 不应该是一种负荷开关泄漏的结果。和C相高压导线的铝金属, 对气体取样铜管放电, 电弧燃烧产生明显痕迹, 高压实验获得的数据的变形很明显。据故障信息的电流8.28ka, 比正常高几倍的浪涌电流, 大电流, 从而可以判断出电弧放电的瞬间浪涌, 是在运行中产生绕组变形非常明显。在放电中气体产生电弧的一些特点, 因为这个过程是非常快的。实证分析后所产生的特征气体, 处理后决定进行电力变压器运行。根据测试结果, 送电变压器油色谱来观察, 气体各成分都相对稳定, 无上升的趋势。这件事情发生后某变电站对变压器的工作维护措施, 做了一些变化: (1) 提高油色谱检测变压器的频率, 在各油色谱数据的情况下的测试, 安排周期, 直到正常的油色谱数据。 (2) 经过六个月后跟踪, 主变压器绕组变形的变化, 接下来就是根据实验的情况确定; (3) 局部放电测试与红外测试温, 在当天最大负荷观察, 主变压器油温度负荷曲线相同的时间是不是正常的。经过跟踪变压器, 没有发现设备的异常。因此, 取消跟踪, 保持设备的正常运行与维护措施。
结语
我们在使用变压器特征气体法的时候, 在三比值法进行分析与判断的时候就更可靠;我们可以当变压器有过热故障的时候, 运用微量分析的方法;比如综合烃类气体有, 过热检测特性的关系时, 同时再研究相对产生气体的速率比率, 并且依据CO与CO2的比例进行判断过热与固体绝缘材料, 这时才可以准确无误的判断出变压器设备的异常或故障的性质。在短时间内的气体电弧放电的特性会出现, 这就构成了一个主变压器总烃组成部分, 继续跟踪与分析将没有意义。到那时就必须立即停工检查故障, 这将是一种非常安全可靠的办法。
色谱分析方法对变压器设备油色谱中气体的内容, 是可以很有效的进行早期诊断变压器里面的潜伏性故障的存在。工作上的应用, 是要对异常或故障、缺陷的不同的发展阶段, 进行不同的分析判断方法, 工作时的实际情况与电压气体设备外面的结合, 进行测试数据, 充分的发挥出石油与化学检测的灵敏度, 更容易的正确评价设备状态或者根据维护设备的策略, 提高变压器的安全运行的可靠性。通过分析, 明白了变压器停用检测处理是非常必要和及时的。我们从中也可以积累到分析与判断处理的经验。所以, 在日后的工作中建议使用者, 在变压器设备运行的过程中, 多加强专业人员对现场的巡检, 定期检查和维修以及监督, 以免造成异常或者故障的发生。
参考文献
[1]谭志龙, 等.电力用油 (气) 技术问答[M].北京:中国电力出版社, 2006.
[2]王晓莺, 等.变压器故障与监测[M].北京:机械工业出版社, 2004.
变压器故障油色谱分析 篇6
1 变压器内部故障特性
变压器的内部故障一般分为热故障和电故障两大类。热故障通常为变压器内部局部过热、温度升高。根据其严重程度,热性故障常分为轻度过热(一般低于150℃)、低温过热(150~300℃)、中温过热(300~700℃)、高温过热(一般高于700℃)四种故障工况。电故障通常指变压器内部在高电场强度作用下,造成绝缘性能下降或劣化[3]。根据放电能量密度不同,电故障又分为局部放电、火花放电、高能电弧放电三种。
2 变压器故障联合诊断分析法
变压器故障定位诊断中,利用油气量和电气量进行联合诊断,可以有效提高故障诊断效率和准确可靠性[3]。绝缘油和固体绝缘材料在潜伏性故障下会发生裂解并产生氢气H2、烃类气体(甲烷CH4、乙烷C2H6、乙烯C2H4、乙炔C2H2)、一氧化碳CO、二氧化碳CO2等气体[4]。通过油的色谱分析,对特征气体含量进行纵向对比或将产气速率与规范值进行横向对比,可以准确判断变压器内部是否存在安全隐患或故障。IEC三比值法利用五种特征气体的三对比值,即:C2H2/C2H4、CH4/H2、C2H4/C2H6与规范编码进行对比,即可判断变压器内部故障性质。通过对绝缘电阻及吸收比、泄漏电流、介质损耗因数tgδ及电容量、直流电阻、空载试验、短路试验、交流耐压、绕组频响、现场局部放电、红外热成像等特征量的测量和测试,可以准确判断设备故障程度、部位。
油气量可灵敏地诊断设备内部的早期故障,实现对内部故障的初步定性,但对故障部位的准确定位和对涉及具有同一气体特征的不同故障容易出现误判问题;电气量虽能实现对故障部位进行准确定位,但其测试前不能对故障进行详细定性分析,增大故障排查难度[5]。因此,联合电气试验、油气分析及设备运行检修等特性进行联合诊断分析,可以对内部故障的性质、部位、原因、绝缘或部件损坏程度等进行准确判断和定位,实现油气量与电气量两类特征量的互相验证、互相补充[5]。以油色谱分析和以继电保护动作为主线的故障诊断分析流程分别如图1和图2所示。
3 变压器故障联合诊断实例分析
3.1 开关接触故障
3.1.1 故障现象
35 kV变电站1#主变,其型号:S9-5000/35-10.5,两侧电压 :35±2×2.5%/10.5 kV ,接线组别 :Yd11,高压侧为无载调压。2011年11月27日对变压器大修后交接试验,所有预试项目合格并当天投运,运行时中压分接开关在第三挡。2012年1月21日对主变色谱监督,发现异常。随后跟踪监督,发现故障气体有增长趋势,于2012年1月29日进行停电检查试验。
3.1.2 故障分析
1)油色谱分析初步定性。为及时排查故障,从计算监控系统中提取出变压器故障前后的油色谱分析数据,如表1所示。从表1可以看出,在1月21日故障发生时,总烃、氢气、乙炔含量均超过注意值,且存在快速增长趋势,初步判断变压器内部存在故障。按照《变压器油中溶解气体分析和判断导则》(以下简称《导则》)(GB/T 7252-2001)中的三比值法要求,分别对1月21日和1月28日的色谱数据分析,计算得编码组合为“022”,定性变压器内部存在高于700℃的高温过热性故障。初步推断过热可能是由分接开关接触不良、引线夹件螺丝松动或接头焊接不良、涡流导致铜过热、局部短路、层间绝缘不良、铁芯多点接等引起。2)电气试验准确定位。为进一步准确定位故障类型及部位,2012年1月29日安排停电试验。根据油色谱分析结果,拟进行下列试验:(1)绝缘电阻及吸收比、极化系数测量;(2)泄漏电流测量;(3)介质损耗因数tgδ测量;(4)直流电阻测量;(5)变比试验[6]。按照试验要求逐一进行测试,发现(1)、(2)、(3)、(5)项试验均正常,测试值均满足规范要求;(4)项试验直流电阻不合格,进一步判断变压器内部过热故障可能由导电回路接触不良引起,试验数据如表2所示。
μL/L
从表2可知,分接开关在1、2、5挡时高压侧直流电阻均正常,而3、4挡时数据严重超标且BC、CA相对AB增加许多。该现象表明故障可能由第3、4挡的C分接开关接触不良引起。
由于春节期间停电困难、时间较紧等原因,变压器未及时停电进行吊罩检查,将分接开关切换到2挡并进行色谱监督坚持运行。在色谱监督期间发现各组分气体基本维持稳定,无增长趋势。同年3月对变压器进行吊芯检查,发现分接开关在3挡和4挡的C相存在严重接触不良,触点已变黑,动触点和静触点有错位现象。经检修人员处理后,重新测试直流电阻合格,并经脱气等处理重新投运后,一切监测指标正常,变压器色谱跟踪至今无异常现象,故障得到成功处理。
3.2 低压绕组复合故障联合诊断
3.2.1 故障现象
220 kV变电站1#主变,型号为SFPSZ7—120000/220,额定容量为120 000/120 000/60 000 kV A,额定电压为230/121/10.5 kV ,联接组标号为YN,yno,d11。
2011年1月21日11时10分,该变电站一条110 k V线路182开关距离保护动作跳闸,重合不成功,线路故障发展为AB两相接地短路,保护加速动作跳闸。同时,1号主变本体重瓦斯动作,1号主变三侧开关跳闸保护。现场提取保护装置故障信息和故障录波信息表明:该110 k V线路发生单相短路,折算一次故障电流7 603.2 A,持续时间约100 ms。现场查看发现:1号主变本体有喷油现象;主变铁芯接地扁铁处由于短路电流造成明显的烧灼痕迹。
3.2.2 故障分析
1)油色谱分析初步定性
变压器正常运行的油色谱测试均按照周期每6个月测试一次。所有试验数据均无异常,最近6次色谱数据正常,变压器运行正常,事故当日气相色谱数据如表3所示。
μL/L
从表3可知,事故当日总烃、C2H2含量超过注意值,变压器内部存在明显故障。按照《导则》中的三比值法进行计算,其编码组合为“102”,故障类型定性为电弧放电。
2)电气试验准确定位
为进一步准确定位故障类型及部位,拟进行下列试验:
(1)绝缘电阻及吸收比、极化系数的测量(包括铁芯绝缘);(2)频谱法绕组变形试验;(3)低电压空载试验;(4)测量直流电阻;(5)变比试验。试验结果为:(1)铁芯绝缘电阻为0;(2)绕组绝缘:低压侧ax对地绝缘电阻为0,其余绕组绝缘正常;(3)中对低变比差A相达到4.45,高对低A相变比差达4.51,高对中变比差正常;(4)低压直流电阻为ax偏大;(5)绕组变形测试:由频谱波形可以看出低压绕组波形畸变严重;(6)空载试验(低电压)A相电流偏大。
结合油化验和高压试验数据进行联合诊断,分析得出结论为:(1)铁芯存在多点接地故障;(2)低压a相绕组明显变形,线圈有接地、短路故障;(3)变压器内部存在电弧性短路故障,初步判定在低压a相绕组上。
经变压器返厂解体后发现:
(1)低压a相线圈严重变形,低压a相线圈上部绝缘损坏,部分线圈断裂,并且与铁芯搭接在了一起,搭接处的线圈及铁芯均已烧熔;(2)上铁轭有一处烧损的绝缘纸相对较多,低压a相绕组与铁芯搭接后可能是通过该处上铁轭某一点接地;(3)中压A相线圈有扭曲变形,中压B相有明显的贯穿性变形。经厂家低压a相绕组更换处理后重新投运,故障得到成功处理。
4 结语
以油色谱分析和继电保护动作特性为主线,结合电气试验的联合故障诊断,实现变压器故障分析中油气试验和电气试验的有机整合,实现故障诊断分析功能的集成互补,能够准确可靠分析出变压器内部存在故障类型和故障部位,确保变压器安全可靠、节能经济、高效稳定运行。
摘要:根据故障时变压器内部油气量和电气量特征,按照相关标准和试验规程要求,以色谱分析和继电保护动作特性为主线,结合一台35 k V变压器开关接触不良和一台220 k V主变重瓦斯动作两个实例,对联合诊断方法的准确可靠性进行验证。实践结果表明:联合诊断可以准确地进行故障诊断和定位,具有良好的可行性和适用性。
关键词:变压器,油色谱,电气试验,故障定位
参考文献
[1]张一军.变压器油色谱分析法在变压器故障判断中的应用[J].电工技术,2012(10):14-15.
[2]叶佩.用溶解气体分析法分析诊断产品试验故障[J].电气时代,2013(3):72-73.
[3]赵全胜,邵庆华,宋建辉,等.一台220 k V变压器总烃超标分析及处理[J].电工电气,2013(3):34-36.
[4]韩长利,仇明,李智.用油色谱分析方法检测变压器故障[J].变压器,2011,48(8):57-60.
[5]王萍.利用油色谱分析判断变压器故障及处理[J].电器工业,2011(5):57-60.
变压器故障油色谱分析 篇7
变压器作为电力系统中的核心设备, 其运行状况直接关系到电力系统的安全、稳定运行。长期以来, 一直采用的定期检修和巡视检查中缺陷处理的检修方式, 存在着一定的局限性, 比如天津军粮城发电有限公司的六台主变压器、六台高压厂用变压器, 只要满五年就要进行一次大修, 每两年进行一次小修, 但大多数情况下, 都没有发现问题, 此种检修方式具有一定的盲目性, 浪费人力、物力。同时, 由于机组检修, 特别是小修要求的任务重、工期紧, 在检修过程中由于人工失误而埋下新的故障隐患。还有变压器的耐压试验, 容易使其绝缘恶化, 影响变压器的寿命。而且随着变压器容量越来越大, 发生故障时造成的危害也越大。因此, 变压器在线故障监测, 势在必行。通过在线故障监测的诊断, 可以有针对性的对变压器进行检修或者延长检修周期, 在保证变压器稳定工作的前提下, 延长其使用寿命, 提高系统运行的稳定性、可靠性。
1变压器油气体色谱分析
大型变压器主要采取油绝缘及散热, 在正常运行状态下, 变压器油及固体有机绝缘材料会逐渐变质、老化, 分解出微量的气体 (包括H2、CO、CO2、CH4、C2H6、C2H2、C2H4等) 。当其内部发生放电故障、局部过热、绝缘受潮时, 上述气体的产生速率会加快。天津军粮城发电有限公司12台主、厂变及3台启备变每季度都要取油实验, 进行气体色谱分析, 这对于提前发现变压器内部部分故障隐患极为有效, 且灵敏度较高。
2基于油气体色谱分析的人工神经网络分析
人工神经网络是一种应用类似于大脑神经突触联接的结构进行信息处理的数学模型, 具有大规模并行处理信息的能力。BP (Back Propagation) 神经网络, 是一种按误差逆传播算法训练的多层前馈网络, 是目前应用最广泛的神经网络模型之一。它的学习规则是使用最速下降法, 通过已有的样本进行试验, 不断调整各层的权值和阈值, 使其满足工作要求。其模型拓扑结构包括输入层、隐层和输出层。一般情况下, 选用一个隐藏层就足够了, 此时其结构如图1所示。
基于油气体色谱分析的人工神经网络根据变压器故障类型与变压器油检测中气体成份的含量关系, 利用BP网络的非线性映射能力, 采用非循环的训练算法, 当输入层信号为xi时, 隐含层输出和输出层输出分别为:
式中, ω为权值, θ为阈值。
训练学习的过程为:
1) 权值初始化:=Random;2) 依次输入P个学习样本;3) 依次计算各层的输出:x'j及yk;4) 计算出各层的反传误差:
5) 按照权值修正公式, 修正各层的权值或阀值;6) 按照新的权值, 再次计算x'j、ky及EA, 若对每个k及p, 都满足则学习终止。否则转步骤 (2) 继续新的一轮学习。
权值更新为:
3基于油气体色谱分析的BP神经网络故障诊断实例
在实际应用中, 将变压器油检测中各种气体成份的含量, 转化为相应的学习样本, 输入到BP神经网络中, 通过上述方法, 确定最终的权值, 建立新的网络结构后, 再向新的BP神经网络中输入样本, 即可得到最终的分析结果。
下面, 以变压器油气体色谱检查为例, 变压器发生故障时, 其油中气体色谱的检测值如表1所示:
(μL/L)
通过BP神经网络分析, 变压器1高能放电为1.00, 其余为0, 说明故障为高能放电;变压器2低能放电为1.00, 其余为0, 说明故障为低能放电;变压器3高温过热为0.97, 其余为0, 说明故障为高温过热;变压器4低能放电为0.99, 其余为0, 说明故障为低能放电。上述结果表明, 基于油气体色谱分析的人工神经网络故障诊断在变压器的故障诊断中是非常有效的。
4结论
本文简要介绍了变压器油的气体色谱分析, 对BP神经网络做了简要说明, 并结合故障变压器的油气相色谱检测值, 说明基于油色谱分析的人工神经网络故障诊断对故障的各种状态, 都能作出正确的判断, 利于变压器在运行过程中, 提前发现隐患, 确保其安全运行。
摘要:本文简要介绍了变压器传统检修方式的局限性及变压器油气体色谱分析方法, 系统的阐述了变压器基于油气体色谱分析的BP神经网络故障诊断, 对尽早发现变压器潜伏故障, 保障设备安全运行, 有着重要意义。
关键词:变压器,油气体色谱分析,故障诊断
参考文献
[1]操敦奎.变压器油色谱分析与故障诊断.中国电力出版社, 2010.
变压器故障油色谱分析 篇8
1 瓦斯气体的分析与判断
变压器油在温度、电池和催化剂等作用下会分解产生某些特定的气体。溶解于油中的这些气体含量的变化与变压器内部是否存在故障或故障类型有着密切的关系。大致可以这样理解:
(1) 局部过热或轻微放电产生的气体绝大部分溶解于油中后处于平衡状态。
(2) 对于高温过热或火花放电等故障, 产生的气体速度大于溶解到油中的速度时, 就可能形成气泡。气泡在上升过程中, 一部分溶解在油中, 未溶解的气体则被置换出来进入气体继电器中, 当继电器的气体积累到一定程度后, 继电器发出信号。
(3) 对于高能量的电弧放电故障, 将有大能量故障气体迅速生成, 所形成的气泡迅速上升并聚集到气体继电器里, 甚至产生油流冲击气体继电器, 引起轻、重瓦斯保护动作, 以跳闸方式阻止故障扩大。
1.1 气体、变压器油的收集
如果气体长时间留在气体继电器中, 那么某些组分, 特别是油中溶解度大的组分很容易回溶到油中, 从而改变气体继电器里的游离气体成分。当气体继电器动作后, 除应立即采集继电器中的气体进行分析外, 还应取油样进行溶解气体分析, 并比较油中溶解气体与继电器游离气体的组分浓度, 以判断游离气体与油中溶解气体是否处于平衡状态, 进而可以判断故障的发展速度与性质。
1.2 判断方法
(1) 用色谱法测出油样和游离气体中各组分的浓度。
(2) 把游离气体中各组分的浓度换算成平衡状况下油中溶解气体浓度的理论值。如果理论值和实测值近似相等, 那么可以认为气体是在平衡调价下释放出来的。应查这些故障气体的来源或继电器原因。当实测值高于理论值或某些气体的组分浓度较高时, 说明变压器存在潜伏性故障。当理论值明显高过油样实测值时, 说明释放气体较多, 变压器内部存在故障。
1.3 注意事项
(1) 当变压器重瓦斯保护动作跳闸后, 变压器油将停止循环, 故障点附近油中的高浓度故障气体向四周扩散的速度变得很慢。若故障持续时间很短, 故障点据取样部位较远, 则取样与跳闸的时间间隔越短, 油样中故障气体含量就越低, 而此时气体继电器中的故障气体浓度因回溶教师而升高;反之, 油样中故障气体浓度会慢慢变高, 气体继电器中气体组分浓度会降低。
(2) 大量统计结果表明, 根据色谱分析及平衡依据判断变压器内部故障的准确性很高, 多数为变压器进入空气引起, 造成这个原因的主要有密封垫破损、法兰结合面变形、油循环系统进入气体等, 还有就是在吊装过程中或注入油时窜入大量气体等。少数原因是因为内部故障引起的, 匝间短路、分接开关处接触不好、引出线与端子间接触不好等都能产生气体打破平衡, 特别是油中H2、C2H2和总烃含量均大幅超过标准值时, 就可以判断为内部故障。
2 事故案例介绍
2012年4月6日, 35kv主变S9-6300/35的轻瓦斯光字牌动作, 由于此主变是2009年末才投入运行的新变压器, 每年都进行一次相关检查及实验从没发现异常, 突然出现轻瓦斯信号应引起足够的重视, 对此运行人员除了采取对气体继电器放气的措施外, 还加强Á了主变的巡检力度及负荷的监控等措施。但随着运行时间的推移, 到4月7日止共发生轻瓦斯动作信号4次。每次动作间隔时间逐渐减少, 最后一次动作时间间隔是4小时。
2.1 利用并列变压器法简单判断
4月8日9时把S7-5000/35备用变压器和S9-6300/35变压器并列运行, 此时S9-6300/35变压器的运行电流已经从单台运行时的85A降为49A, 运行24小时后未见异常, 运行5天后观察轻瓦斯继电器仅能看见黄豆大的小气泡, 初步判断此次轻瓦斯动作和主变的运行负荷有很大关系。
2.2 单台运行再做进一步判断
4月13日8时S7-5000/35退出运行后, 主变运行电流上升到84A5小时后再次出现轻瓦斯动作信号。但到底是什么原因引起轻瓦斯动作呢, 是密封不严进入空气受潮还是内部有轻微的放电现象呢, 于是我们收集了气体、变压器油样, 送到电业相关部门做进一步验证。结果见表1。
由表1可知, 该变压器中H2、C2H2和总烃含量均大幅超过标准值 (220KV及以下电压等级的运行变压器油中特征气体含量的注意值规定H2为150μL、C2H2为5μL、总烃为150μL) 。表明变压器内部已经存在严重故障。
变压器故障油色谱分析 篇9
随着电力系统状态检修工作的深入,可靠性理论的研究越来越受重视。故障率是最常用的可靠性指标之一,设备的风险评估、寿命预测、检修决策等均需要用到它。传统的基于时间统计的故障率模型由于无法反映设备状态变化而难以适用于状态检修。目前使用基于整体状态评价结果的故障率模型,然而由于状态评价结果获得的时间跨度比较大,工程实际中通常一年或大修前后才进行一次整体评价,因此该故障率难以反映短期状态变化的设备可靠性。变压器自身绝缘老化和运行状态等将导致内部潜伏性故障率发生变化[1],基于实时状态监测数据的变压器动态可靠性研究能为短期检修决策提供内部潜伏性故障率信息,因此成为研究热点。
国内外在电力变压器动态可靠性方面取得的成果还鲜见报道[2,3,4],主要原因是状态监测信息的获得在内容广度和时间频度上还存在不足,并且模型建立与验证都较为困难。电力变压器油中溶解气体分析(DGA)技术较为成熟,监测频度已较高,多应用于状态评估和故障诊断[5,6]。文献[2]利用电力变压器DGA数据和马尔可夫过程建立了电力系统运行风险评估中的变压器时变停运模型,给出了估计内部潜伏性故障率的方法。文献[3]利用DGA特征气体含量和产气率研究变压器时变停运模型,也是采用马尔可夫模型。上述研究均未考虑役龄对故障率的影响,而役龄对故障率的影响是必然的。此外,上述研究均采用基于状态划分和时间统计的马尔可夫模型,因此当变压器的DGA数据属于同一种状态的时间相同时,故障率总是相同的,即无法反映不同DGA数据下的故障率。
本文在利用电力变压器DGA数据中特征气体含量和气体总量产气速率的基础上,考虑将设备役龄作为重要影响因素之一,采用最小二乘支持向量机(least square support vector machines,LS-SVM)建立模型,利用变压器实时状态监测信息进行变压器内部潜伏性故障率的实时预测,为变压器短期风险评估和检修决策提供动态可靠性依据。需要说明的是,模型在训练和验证时需要故障率数据做参考和比较,目前没有其他方法可以获得,不得已采用马尔可夫模型计算的故障率作为参考,因此在因素分析中还会讨论基于马尔可夫模型的故障转移率和故障率。
1 影响变压器故障率的因素
1.1 DGA特征气体含量
油浸式变压器主要通过油介质进行绝缘与冷却,在过热、放电、受潮等情况下会导致油中发生物理、化学变化分解出各种特征气体。例如:局部放电时总烃含量不高,氢气含量较高;过热时乙烯和甲烷含量较高;电弧放电时会有乙炔等。因此利用DGA特征气体含量可以分析变压器内部潜伏性故障的发展程度,反映放电、短路冲击等老化加速因素[6,7,8,9]。IEEE标准中对DGA特征气体含量的划分[10]如表1所示。
注:TDCG表示可燃性气体总量。
在应用表1判别变压器状态时,采用上限原则,即只要某一种特征气体或TDCG体积分数达到后3种等级(等级2,3,4),则认为变压器进入该等级。文献[2]利用DGA特征气体含量建立了四状态马尔可夫状态空间模型,如图1所示。
λ12,λ23,λ34为状态转移率,均是统计值,利用如下公式计算:
式中:λi,i+1为状态i到状态i+1的状态转移率,i=1,2,3;tij表示变压器j处于状态i的统计时间;k表示共有k台变压器。
1.2 气体总量产气速率
正常情况下充油电力设备在热和电场的作用下,会老化分解出少量的可燃性气体,但产气速率比较缓慢。潜伏性故障处于发展阶段,仅仅凭借油中特征气体含量并不能很准确地判断内部是否存在潜伏性故障及发展程度,产气速率对于判断故障有无、严重程度及发展趋势更为直观[7]。IEEE标准中有根据TDCG的产气速率划分的追踪分析周期,如表2所示。
把表1和表2结合起来,可以重新进行变压器的状态划分。先依据DGA特征气体含量由表1确定变压器的状态等级,然后依据状态等级和产气速率确定变压器运行状态,将表2中的追踪周期为每年1次和每季1次划分为“正常状态”,每月1次为“注意状态”,每周1次为“异常状态”,每天1次为“故障状态”。至此得到了基于DGA特征气体含量和产气速率的状态划分。
对某地区10台220kV变压器进行DGA数据及检修记录等材料的收集和统计,利用式(1)进行故障转移率的计算,与文献[2]中仅利用DGA特征气体含量的方法进行计算结果比较,如表3所示。
注:1时间计算结果四舍五入,如处于状态1的时间是844d,则为120.6星期,即为121星期;2状态4为故障状态,持续时间相对较短,由于在状态转移率和故障率计算中不被用到,故本表格不再进行状态4持续时间统计。
得到状态转移率后,利用马尔可夫模型进行故障率的计算,具体方法见附录A。当变压器处于状态1(正常状态)时,得到仅考虑DGA特征气体含量情况下和在此基础上考虑气体总量产气速率情况下的内部潜伏性故障率随时间变化的曲线,如图2所示。由图2可知,考虑了气体总量产气速率后得到的故障率要低于仅考虑DGA特征气体含量的情况。
1.3 设备役龄
在可靠性研究中,役龄对设备健康状态的影响已经受到重视。文献[11,12]通过状态评估数据,研究了与役龄相关的可靠性改进模型和参数计算方法。上述研究表明,考虑了设备役龄因素后,故障率模型将更逼近真实。在电力变压器动态可靠性研究中,当变压器处在不同役龄下的相同状态时,变压器故障率也应有所不同。
图3为变压器的状态变化示意图。
t4时刻该变压器检修完毕重新投运进入状态1,在不同的役龄T1和T2下,该变压器属于状态1的时间相同,按照文献[2]的计算方法,此时的变压器故障率相同,而根据实际经验,由于役龄T均发生变化,T1和T2时刻下的故障率是有区别的,且随着役龄的增加,故障率会有所提高,如图3红色虚线所示。后续的实例研究也表明役龄对变压器故障率具有重要影响。
2 动态可靠性模型的选择和建立
2.1 模型的选择
变压器故障率和各影响因素之间没有明确的函数映射关系。对于非线性的映射关系,往往采用学习方法。传统的学习方法(如神经网络方法)只有在样本数目趋于无穷大时其性能才有理论上的保证[13]。由于电力变压器本身具有较高的可靠性,发生故障的概率较低,并且由于历史管理原因,能收集到的可信状态数据量较少,利用传统学习方法研究变压器的动态可靠性存在困难,所以考虑采用统计学习方法。统计学习方法不仅针对小样本,并且从理论上保证了得到的解是全局最优的,避免了神经网络方法中经常出现的局部极值问题。
支持向量机理论[14]基于统计学习方法理论,具有很好的非线性逼近能力和泛化能力,是专门研究小样本情况下机器学习规律的重要理论。LS-SVM将传统支持向量机中的不等式约束改为等式约束,并且将误差平方和损失函数作为训练集的经验损失,从而把解二次规划问题转化为求解线性方程组问题,提高了求解问题的收敛精度和速度[15,16],因此本文采用LS-SVM建立模型。
2.2 基于LS-SVM的变压器故障率预测建模
假设状态监测系统装置对电力变压器本身的运行没有影响,利用LS-SVM对电力变压器故障率进行预测建模的基本步骤如下。
步骤1:将电力变压器的DGA特征气体含量、气体总量产气速率、设备的役龄作为输入参数,将故障率作为输出参数,构建LS-SVM的训练样本。
步骤2:选择适当的核函数,将训练样本输入LS-SVM中进行样本学习,获得输入和输出间的映射关系。
步骤3:输入新的参数数据(DGA特征气体含量、气体总量产气速率、设备役龄)到LS-SVM中,得到新的预测值。
其预测流程如图4所示。
目前该模型建立的难点是训练所需的故障率难以获得,本文的目标就是求解它,这就形成了死循环。由于目前国内外根据变压器状态监测数据进行故障率计算的方法研究基本上利用马尔可夫模型或其变形,因此本文也采用马尔可夫模型进行计算,获得训练样本的故障率。
3 算例分析
采用某地区一台220kV油浸式变压器的状态监测数据进行算例分析。该台变压器的状态监测数据获取频率单位为次/d,算例中选取具有代表性的一部分数据进行分析。
首先准备训练样本。选取附录B表B1所示的一台变压器多个状态下的24组DGA特征气体含量、气体总量产气速率和当时的役龄T作为样本输入数据。采用马尔可夫模型计算设备的故障率,计算时采用考虑气体总量产气速率的状态转移率λ12=0.008 06,λ23=0.013 51,λ34=0.022 73,得到随时间变化的内部潜伏性故障率曲线λ(t),根据每组数据进入该状态的时间计算出对应的故障率,作为样本的输出数据。表B1中,由于一开始电力变压器处于正常状态的时间较长,选取训练样本时为了尽量涵盖整个过程,时间间隔较长,当状态监测发现变压器出现注意状态时,缩短了时间间隔。
利用MATLAB软件进行LS-SVM的编程,选取径向基函数(K(xi,x)=exp{-‖x-xi‖2/(2σ)2})作为核函数,调整惩罚度参数c和函数参数σ进行训练(本算例中选择c为100,σ为0.2),获得输入和输出样本的映射关系。
该变压器每天均有相关输入数据的记录,本算例选取其中的10组数据作为预测输入,得到该映射下的预测输出,如表4所示。
注:产气速率为绝对产气速率,下表同。
表中,当输入数据中只包含DGA各特征气体含量和气体总量产气速率时,得到的预测故障率为λ1;加入设备役龄因素T后得到的预测故障率为λ2;利用马尔可夫模型计算得到的故障率为λ。
由表4可以发现,λ1,λ2,λ的变化趋势是一致的。由于故障率存在难以验证的困难,变化趋势一致而数值相对接近,表明本文提出的动态故障率模型可以作为研究设备动态故障率的一种有效方法。加入役龄T之后得到的预测故障率λ2更接近于计算值λ,两者相对误差均低于7%,基本稳定在5%左右。
在考虑设备役龄T的情况下,参照图3,选取该变压器检修后进入状态1(正常状态)的5组DGA数据进行故障率预测,如表5所示。
已知该变压器检修后投入运行的役龄为第341个星期,则表5中选取的5组数据分别与表4的前5组数据进入状态1的时间对应,但役龄T不同。预测所得故障率λ2比表4中的λ2大,更符合设备会随着役龄的增长而逐渐老化的实际经验,而采用马尔可夫模型计算的λ则无法反映这种区别。
4 结语
本文采用LS-SVM模型对变压器内部故障率进行动态计算,为短期决策提供内部潜伏性故障率信息。分析表明:1除变压器的DGA特征气体含量和气体总量产气速率外,设备役龄为影响变压器潜伏性故障率的重要因素;2由于传统的马尔可夫模型计算故障率,不仅计算过程复杂,且计算得到的故障率与状态类型划分密切相关,难以反映属于同一状态的不同监测信息对故障率的影响。本文采用的LS-SVM对于小样本情况下建立非线性模型是有效的,对监测信息的识别度高并且计算速度快,可以作为变压器动态可靠性计算模型。
需指出的是,绕组热点温度是衡量电力变压器热特性的重要指标[17],本应作为影响故障率的因素,然而目前工程实际中直接测量绕组热点温度较为准确且技术较成熟的是荧光式光纤测量系统,但其价格昂贵且维护困难[18],所以目前国内一般通过测量变压器的顶层油温等来估计绕组热点温度,因此该数据的可信度还有待研究。
附录见本刊网络版(http://www.aeps-info.com/aeps/ch/index.aspx)。
摘要:动态可靠性是电力变压器进行短期风险评估、检修决策等的依据。文中首先分析能反映变压器可靠性的因素,选择油中溶解气体分析(DGA)数据中特征气体含量、气体总量产气速率、设备役龄为关键影响因素。然后采用最小二乘支持向量机作为动态可靠性模型,进行变压器动态故障率预测。最后用算例分析了影响因素和模型的合理性,并与采用马尔可夫状态空间模型计算的故障率结果进行了比较。结果表明,设备役龄是影响变压器内部潜伏性故障率的重要因素,最小二乘支持向量机方法作为变压器动态可靠性模型具有计算速度快、监测信息的识别度高的优点。
【变压器故障油色谱分析】推荐阅读:
变压器故障分析06-25
变压器早期故障分析07-31
变压器故障分析诊断08-03
变压器的常见故障分析10-10
变压器油10-08
变压器补油措施06-05
变压器故障维修07-18
变压器局部放电故障05-22
变压器内部绝缘故障08-26
变压器故障的综合诊断07-18