1、i本科毕业论文（20 届）基于油中溶解气体分析的电力变压器故障诊断研究所在学院专业班级 电气工程及其自动化学生姓名指导教师完成日期ii目 录摘要 .IAbstract .II1 前言 .11.1 电力变压器故障诊断的重要意义 .11.2 电力变压器故障诊断背景 .21.3 变压器故障诊断技术的发展 .21.3.1 专家系统 .21.3.2 人工神经网络 .31.3.3 变压器 DGA 技术 .32 变压器的故障类型及诊断方法 .42.1 电力变压器的类型与结构 .42.2 电力变压器的绝缘结构 .52.3 变压器故障的原因与种类 .62.3.1 变压器故障的原因 .62.3.2 变压器故障的种
2、类 .62.4 电力变压器油中溶解气体分析 .72.4.1 电力变压器内气体析出的原因 .72.4.2 变压器内部故障类型与油中溶解气体含量的关系 .82.4.3 三比值法 .82.5 意义 .103 人工神经网络 .113.1 人工神经网络概述 .113.1.1 人工神经网络理论 .113.1.2 人工神经网络的特点 .113.1.3 人工神经网络基础 .113.2 神经网络的分类 .123.3 BP 人工神经网络的学习过程 .133.3.1 BP 人工神经网络的拓扑结构 .133.3.2 BP 网络的训练过程概述 .144 变压器故障诊断中的 BP 网络设计 .174.1 引言 .174.
3、2 基于 BP 网络的诊断方法的设计 .174.2.1 输入层设计 .174.2.2 输出层设计 .174.3 样本的收集 .184.4 隐含层层数和节点数的确定 .204.5 BP 网络结构中参数的确定 .214.6 结果分析 .215 今后待研究的问题 .21参考文献 .22致 谢 .23iiiContentsChinese Abstract .IEnglish Abstract.II1 Introduction .11.1 The importance of power transformer fault diagnosis.11.2 Fault diagnosis of power t
4、ransformers background .21.3 Development of the fault diagnosis technology of transformer .21.3.1 Expert System.21.3.2 An artificial neural network.31.3.3 Dissolved Gas Analysis .32 Transformer fault type and its diagnosis method .42.1 Types and structures of power transformer .42.2 Power transforme
5、r insulation systems.52.3 Fault causes and types .62.3.1 Cause transformer failure .62.3.2 Transformer fault type .62.4 Analysis of dissolved gases in transformer oil .72.4.1 Power transformers in the gassing because .72.4.2 Transformer faults with dissolved gas content of the relationship.82.4.3 3-
6、ratio method.82.5 significance.103 Artificial neural network .113.1 Overview of artificial neural network .113.1.1 Theory of artificial neural network.113.1.2 Characteristics of the artificial neural network.113.1.3 The basis of artificial neural network .113.2 Classification of neural networks .123
7、.3 BP artificial neural networks for learning .133.3.1 The topology of BP artificial neural network.133.3.2 BP network training course overview .144 Design of BP network in transformer fault diagnosis .174.1 Introduction .174.2 Design of diagnosis method based on BP network .174.2.1 The input layer
8、design .174.2.2 Output layer design.174.3 Sample collection .184.4 Determination of layers and the number of nodes in the hidden layer.204.5 The structure parameters of BP networks to determine.214.6 Analysis of results .215 Issues to be studied in thefuture .21References .22Acknowledgment.23I基于油中溶解
9、气体分析的电力变压器故障诊断研究摘要：电力变压器是电力系统中核心设备之一，它的安全稳定运行将直接影响供电可靠性和系统正常运行。电力变压器承担着电压变换、电能分配的重要作用。电力变压器正常运行保证电力系统安全、可靠、优质、经济的运行，必须最大限度避免和减少电力变压器故障和事故的发生。对电力设备进行在线监测与故障诊断，是实现设备预知性维修的前提，也是保证设备安全运行的关键。变压器油中溶解的气体含量和成分可以有效体现运行中变压器内部的绝缘故障情况。关键词：电力变压器 溶解气体分析 故障诊断 神经网络IIBased on the Analysis of Gases Dissolved in Trans
10、former Oil Power Transformer Fault Diagnosis ResearchAbstract Power transformer is one of the core equipment in the power system, it will directly affect the safe and stable operation of power supply reliability and the normal operation of system. Bear the voltage transform power transformer, power
11、distribution. Normal operation of power transformer can ensure power system safe, reliable, high quality, economic operation, to avoid and reduce the maximum power transformer faults and accidents. For on-line monitoring and fault diagnosis of power equipment, and is the premise to realize equipment
12、 unexpected maintenance, also is the key to ensure the safe operation of the equipment. The concentration of dissolved gas in transformer oil and ingredients can effectively reflect the insulation of the transformer internal fault in the operation of the situation. This paper introduces in detail th
13、e transformer internal fault conditions, the characteristic and the content of dissolved gas in transformer oil, severity fault, fault type relationship with characteristics of gas contentKeywords : power transformer ; dissolved gas analysis ; fault diagnosis ; neural network21 前言1.1 电力变压器故障诊断的重要意义随
14、着国民经济的持续快速发展，各行各业对供电需求的不断增加，我国的电网建设已经从城市孤立电网发展成为大区电网、西电东送、南北互供、全国联网的格局，电力系统正在向超高压、大电网、大容量和自动化的方向发展 1。近些年，由于电网容量的与日俱增以及大部分用电用户对供电可靠性要求的提高，电力设施维修费用也在逐年增加。如何采取合理的维修策略，制定科学的维修计划，以保证在较高可靠性的前提下降低维修费用，已经变成我国电力行业面临的主要研究课题。状态维修是以设备的实际工况为依据，通过状态监测、可靠性评价及寿命预测等先进技术手段来判断设备的当前状态，对故障的部位、危害水平以及发展趋势做出判断，识别故障的早期征兆，并依
15、据分析和诊断结果，在设备性能条件下降到一定程度或故障将要发生之前进行维修。通过对电力变压器进行定期预防性维护，实时监测高压设备的实际运行情况，检测与诊断其潜伏性故障或缺陷，提高诊断水平，努力做到具有针对性的检修及维护，以期达到早期识别并预报故障，避免恶性事故发生的目的。电力变压器是电力系统最重要也最昂贵的设备，其安全运行直接关系到电网的供电可靠性。变压器故障诊断技术研究是电力变压器状态维修的首要工作。鉴于电力变压器老化和故障机理繁杂难懂，电力变压器故障诊断技术的研究是一项必要而且相当繁重的任务。电力变压器不同运行工况或不同历史运行记录，即便是同类电力变压器，其状态也有可能不同；相同运行工况下，
16、不同类型的变压器，其状态也有可能不同。研究电力变压器的状态与运行工况、历史运行记录的关系，把握其规律，对变压器状态做出准确评估，这对变压器实施状态维修、降低变压器维修费用和提高变压器可靠性具有重要的理论意义和实际应用价值 2。运行中的变压器发生的故障不同，产生的现象或信息也就不同。变压器的故障诊断就是根据变压器故障的征兆，对变压器故障的类型、部位及危害做出判断。变压器绝缘状态监测与故障诊断的作用：（1）判断运行设备当前处于正常状态还是异常状态；（2）若有故障，则判断故障的性质、种类和原因，例如是绝缘故障还是过热故障或机械故障，若是绝缘故障，则需分辨是绝缘老化、受潮；若是放电性故障，则需要判断是
17、哪种类型的放电等等；（3）根据故障信息或根据其处理结果，预测故障的可能发展，即对故障的严重程度，发展趋势做出诊断；（4）提出控制故障的措施、防止和消除故障的方法；（5）提出设备维修的合理方法和相应的反事故措施；（6）对设备的设计、制造、装配等提出改进意见，为设备的现代化管理提供科学依3据和建议 3。国内外许多的资料表明，开展故障诊断的经济效益是明显的，据日本统计，在采用诊断技术后，事故率减少 75%，维修费降低 25%-50%，英国对 2000 个国营工程的调查表明，采用诊断技术后每年节省维修费 3 亿英镑，用于诊断技术的费用仅为 0. 5 亿英镑，净获利 2.5 亿英镑。如果在在我国将故障诊
18、断技术推广，每年可减少事故 50%-70%，节约维修费用 10%-30%，效益相当可观。1.2 电力变压器故障诊断背景最近几年，我国电力行业积极应用在线监测技术开展状态检修，加强设备的常规测试，及时消除了部分设备的安全隐患，避免了一些重大事故的发生。根据国家电力监管委员会发布的电力可靠性指标，全国电网 2004 年供电可靠率为 99.82%，2005 年供电可靠率为 99.766%，2006 年供电可靠率为 99.849%，这与发达国家的供电可靠率 99.99%相比仍有非常大的差距。长期以来，我国电力系统的电力设备检修策略主要采用以时间为标准的定期维修。虽然定期维修一般可在维修时发现设备存在的
19、缺陷，对保证设备的安全和经济运行发挥重大作用，但是，定期维修存在“过剩”和“不足”的缺陷，导致了维修费用的浪费和设备可靠性的下降，因此，国内对从定期维修制到状态维修制的转变表现出了普遍的关注 4。从以停电进行预防性试验为基础的预防性维修逐步过渡到以在线监测为基础的状态维修，是电力系统发展的必然趋势，而能否对电力变压器的运行状态进行在线监测及故障诊断则是实现状态维修的关键。虽然在设计大型电力变压器时，要求它具有相当高的耐热等级、足够的电气强度、优良的机械性能及良好的工艺性，但制造过程中的偶然因素加上运行过程中的电磁力、热应力、湿热环境、环境污染等会造成其性能逐渐劣化，而且这种劣化过程具有不可逆和
20、不断加速的特性。大量资料表明，变压器绝缘性能的劣化是导致事故发生的主要原因。据 1984 年至 1986 年间我国 110kV 及以上的电力变压器事故分析表明，由于绝缘劣化引起事故的台数占事故总台数的 68%，事故容量为总事故容量的 74%，而 1990 年的统计分别是 76%和 65% 5。1.3 变压器故障诊断技术的发展1.3.1 专家系统专家系统(Expert System)是一个智能计算机程序系统，是人工智能中最活跃的一个应用领域。它是一个具有大量的专门知识与经验的程序系统，它根据某领域多个专家提供的专业知识进行推理和判断，模拟人的决策过程去解决通常需要专家才能解决的复杂问题。Ries
21、e 在 1986 年公布的 TOGA 系统是最早用于电力变压器故障诊断的专家系统，不久就有许许多多相似的系统被应用到各种实际工程中 6。开发专家系统需要有丰富经验的专家共同参与，合作完成。考虑到变压器故障诊断的专业性、经验性以及复杂性，尽管人们在电力变压器绝缘4故障诊断专家系统的开发中取得了一些研究成果，但同时也存在一定的问题，主要表现在如图 1-1 所示 7:知识获取的瓶颈问题诊断推理不确定性问题知识维护困难知识获取主要依靠工程师将该领域专家的知识移植到计算机中,导致了诊断系统知识库的不完备,当遇到一个没有相应规则与之对应的新故障现象时,专家系统显得无能为力对于一些数学相关性不确定的故障现象
22、的诊断,其准确性难以保证一般采用较简单的产生式结构构造知识库,算法复杂图 1-1 专家系统的缺陷1.3.2 人工神经网络人工神经网络(Artificial Neural Network，简称 ANN)是 20 世纪 80 年代以来人工智能领域兴起的研究热点。它是在现代神经科学研究成果的基础上提出的，试图通过模拟大脑神经网络处理、记忆信息的方式进行信息处理。最近十年，人工神经网络的研究工作不断深入，它以非线性并行处理成为主流，人工神经理论的发展，为故障诊断提供了新的途径。国内外学者和专家利用概率神经网络、结合遗传算法的多层前馈网络、基于竞争学习理论的自组织网络等建立了相应的故障诊断神经网络模型，
23、对变压器故障诊断进行了新的探索 8。1.3.3 变压器 DGA 技术变压器油中溶解气体分析(Dissolved Gas Analysis，简称 DGA)是变压器内部故障诊断的重要手段，它为间接了解变压器内部隐患提供了技术支持。DGA 技术对发现变压器内部潜伏性故障及其发展趋势非常有效，因此在电力设备预防性试验中占据重要位置。目前， 110kV 及以上等级的大型电力变压器主要是采用油-纸绝缘结构，在其老化过程中和故障初期，油中溶解了由于油纸绝缘劣化所产成的气态化合物（低分子烃、氢气以及碳的氧化物等），利用色谱技术进行定量分析各气体的成分含量和产气快慢推断故障类型及故障危害程度，进一步判断设备内部
24、情况，这就是变压器溶解气体分析技术 9。我国电网中有一半以上的故障变压器都是通过变压器 DGA 技术检查出来的。DGA的数据采样不需要停电，不受外界电磁因素的影响，廉价，而且技术先进，数据精度高。DGA 技术作为系统中对充油电力设备常规使用的监测手段，因其可以及时发现变压器内5部存在的潜伏性故障而得到普遍应用。2 变压器的故障类型及诊断方法2.1 电力变压器的类型与结构电力变压器的主要作用是在电力系统中调节电压，它是各类型变压器中被广泛应用的一种变压器，它包含许多其它不同的类型，如图 2-1 所示：电力变压器单相三相油浸式干式油浸式干式特种式中、小型大型特大型额定电压 220-330KV 以上容量在 315MVA 以上超高压 额定电压在 500KV 以上普通三相干式环氧浇注式三相有载调压气体绝缘变压器蒸发冷却式变压器硅油变压器图 2-1 电力变压器分类从电力变压器的各类型可以看出，大型电力变压器基本都是油浸式的，油浸式电力变压器的主要结构如图 2-2 所示。6油浸式电力变压器器身铁芯绕组绝缘引线和分接开关变压器
