基于概率分析法的变压器热故障诊断研究

《基于概率分析法的变压器热故障诊断研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、1506化工自动化及仪表第40卷基于概率分析法的变压器热故障诊断研究崔昊杨许永鹏杨俊杰曾俊东唐忠(上海电力学院电子与信息工程学院，上海200090)摘要针对传统方法采用温度信息诊断变压器过热性故障结果与实际状态存在误差的情况。提出基于概率论的贝叶斯理论变压器故障诊断方法。由于变压器工作状态与温度、运行年限因素问呈现明显的非线性特征，利用非线性的SGompertz模型和幂指数增强模型对传统贝叶斯理论模型中的线性模型进行了优化，并依据概率最大隶属性原则评估设备运行所处的状态。模拟结果表明：在设备运行温度区间，线性与

2、非线性评估模型诊断结果差异明显，优化模型诊断结论体现出变压器的运行状态与使用年限、运行温度存在强烈的非线性关联。关t词变压器故障诊断贝叶斯理论概率分析状态评估中圈分类号THl65+．3文献标识码A文章缩号1000-3932(2013)12-1506-．04随着建设坚强智能电网目标的提出，电力系统对电气设备的安全提出了更高的要求。在此背景下，促进电网节点核心功能设备——电力变压器由“预防性维修”向“状态维修”转变成为当务之急。实现这一转变的先决条件在于确保设备运行状态评估的准确性¨’2

3、。由于变压器发生过热故障时

4、往往呈现温度升高的表象，使得温度成为评估其运行状态的重要标识量¨1。传统的基于温度信息的变压器热故障诊断技术采用“温度阈值”方法H1，即温度高于某阈值就认为设备存在故障，而低于某阈值就认为设备正常。然而，电气设备的损坏一般是渐进过程，不同使用环境和使用年限出现过热故障时的温度界限各不相同，因此，阈值温度法的诊断结果往往不能反映电力设备实际的运行状态，很容易造成误判和错判。为解决该方法无法规避的原理性缺陷，近年来提出并发展了以神经网络”J、模糊逻辑MJ、突变理论"1和贝叶斯理论H’91为代表的故障诊断法。其中，比

5、较典型的是以概率论为基础的贝叶斯理论，该理论是近年来不确定性知识表达与推理领域兴起的一种有效的数据挖掘技术¨0．⋯，具有算法相对简单及功能容易实现等优点。尽管贝叶斯模型在设备状态诊断过程中考虑到了设备的温度和老化这些影响因素，并提出通过分析设备的过热故障概率来评估其实际运行状态的方法，但传统的贝叶斯评估方法仅将上述影响机制归结为线性分布模型，这并不符合温度和老化影响设备运行状态的实际情况，从而导致诊断结果与设备真实状态往往存在较大差别。为此，笔者采用非线性的SGompertz(SG)模型和幂指数增强模型对贝叶斯

6、模型中与运行温度和设备老化相关的项目进行补偿，并依据概率最大隶属性原则评估了设备运行所处的状态。1理论模型及其影响因素由于温度阈值法仅将设备分为“正常”和“故障”两种运行状态，这种评判规则不符合实际情况，还应存在介于两者之间的“可疑状态”。该状态会对设备产生一定影响，却又不会造成严重危害，可以在加强检测的基础上继续运行。“可疑状态”的引入，使基于温度信息评估电力设备运行状态时，需要依据设备处于此3种状态的概率，采用概率最大隶属性原则来诊断设备的热故障。同时，运行温度和设备老化对设备运行状态的影响也必须予以充分考

7、虑。1．1理论模型设电力设备运行时的各种状态概率为：正常状态概率P(s。)、可疑状态概率P(S：)、故障状态概率P(．s，)，P(S；)=A；，因子A；为未考虑温度和老化因素时P(s。)的概率数值，理想情况下认为收稿日期：2013_07-19(修改稿)基金项目：国家自然科学基金资助项目(61107081，61202369)；上海市教育委员会科研刨新基金资助项目(IOYZl58，12ZZl76)第12期崔昊杨等．基于概率分析法的变压器热故障诊断研究其是常数。显然{P(S．)，P(S：)，P(S，)}构成了设备运行

8、状态概率的完备事件组，因此满足以下关系：P(SI)+P(S2)+P(S，)=1(1)其中，0≤P(S；)=A。≤1(i=l，2，3)。因此：Al+A2+A3=1(2)若考虑运行温度和设备老化这些影响设备状态的因素，P(S；)可修正为P(Si)=A；+B；(T，t)，B；(r，t)是使用年限和运行温度的补偿因子m1。3为使∑P(S；)=1仍然能够成立，丑；(r，t)应分别满足：一Bl(T。I)+B2(T，t)+B3(T，t)=0(3)设P(SlfT，t)、P(S2lT，t)和P(S3IT，t)分别表示变压器的运行

9、年限为t、运行温度为r时设备处于正常、可疑和故障状态的几率，由贝叶斯理论可知‘12’131：p(s。iT)；善型竺坠．E．P(S；)P(TISl)‘-I：善型塑盟型-’f：l，2，3(4)．∑．[Al+B‘(T，t)]P(TIS‘)其中，P(TIS。)、P(TIS：)、P(TIS，)分别表示正常、可疑和故障状态下电力设备温度达到r的3概率，由概率密度理论可以得到：∑P(TIs；)=l(