基于信息融合技术变压器的故障检测综述.docx
- 文档编号:29748109
- 上传时间:2023-07-26
- 格式:DOCX
- 页数:17
- 大小:344.47KB
基于信息融合技术变压器的故障检测综述.docx
《基于信息融合技术变压器的故障检测综述.docx》由会员分享,可在线阅读,更多相关《基于信息融合技术变压器的故障检测综述.docx(17页珍藏版)》请在冰豆网上搜索。
基于信息融合技术变压器的故障检测综述
基于信息融合技术变压器的故障检测
摘要:
电力变压器故障的多样性、不确定性和各种故障之间联系的复杂性构成了故障诊断技术上的难点,仅靠单一的故障特征量和诊断方法无法完成诊断任务。
把信息融合引入变压器故障诊断中,将油色谱分析与电气试验等其他信息相结合,建立基于信息融合技术的变压器故障诊断模型。
对变压器故障进行分层决策,不仅能判定故障性质,还能初步判定故障部位,提高故障诊断结果的准确性,最大限度地减小不确定性。
关键词:
信息融合;变压器;故障诊断
Abstract:
Asthefaultinformationofpowertransformershascharacteristicssuchascomplementarities,redundancyanduncertainty,thediagnosistaskcantbefinishedbythesimplefaultcharacteristicvectorandthediagnosismethod.ThebasicideasofinformationfusionareintroducedandDGA(DissolvedGasAnalysis)iscombinedtightlywithotherinformationsuchastheresultsofconventionalelectricaltestofpowertransformer.Thepowertransformerfaultdiagnosismodelbasedoninformationfusionisbuilt.Themodelscandiagnosebothfaultpropertyandfaultspot,soastoimprovereliabilityandloweruncertaintyinfaultdiagnosis.
Keywords:
informationfusion;powertransformer;faultdiagnosis
绪论
变压器是输变电系统中最重要的设备之一,其工况好坏直接影响系统安全。
变压器故障诊断过程之根本目的是获取变压器运行时的状态信息,并对变压器性能进行评价。
但如何对大量信息进行处理和综合利用是变压器故障诊断技术重点研究问题。
信息融合技术是当前迅速发展起来的热门技术,在人工智能、目标识别、医学诊断等领域已得到广泛应用,但在变压器故障诊断领域,仍处在初级阶段。
本文在对大型变压器故障诊断信息进行分类基础上,提出基于信息融合的诊断思想,论述了变压器故障诊断中信息融合技术利用的方法和技术手段。
第一章变压器故障检测与信息融合技术的结合概况
1变压器故障诊断信息分类和综合应用
1.1变压器故障诊断信息分类
变压器故障诊断过程中,可用变压器信息很多,归类如下:
(1)溶解在变压器油中的特征气体含量及产气速率:
用各种(低分子化合物)烃类气体在变压器油中单位体积含量及产生速率来分析、探测变压器内部局部放电情况,并通过油色谱分析法(三比值法、四比值法、特征气体法)初步分析变压器故障,此法可简单反映变压器内部局部放电的水平。
(2)微水分析法:
最初用把栅场效应管作变压器油中溶解氢气监测传感器,后来用催化燃烧测试技术测量油中游离氢含量和微水含量,从而了解变压器内部绝缘状况(由于游离态气泡含水分、杂质等容易产生油中悬浮电位,继而产生电小桥导致击穿电压下降,对变压器危害甚大)。
此法只能对变压器监测起片面作用。
(3)温度监测法二主要测油温和绕组热点温度,反映变压器安全热效应。
(4)直流及绕组电阻测量:
绕组、直流电阻的测量可方便有效的考核绕组纵绝缘和电流回路连接状况,反映绕组匝间短路、绕组断股、分接开关及导线接头接触不良等。
实际上它也是判断各相绕组直流电阻是否平衡、调压开关档位是否正确。
单纯依靠绝缘电阻绝对值大小对绕组绝缘作出判断,其灵敏度、有效性较低。
故必须结合吸收比或极化指数、介质损耗因数和泄漏电流试验,才能对其做出真正可靠的绝缘试验。
(5)其他:
变压器本身的部分电气特性,如电压、电流值等,甚至变压器工作噪声也能为变压器故障诊断提供有效信息。
1.2变压器故障诊断信息综合利用
变压器故障诊断应充分利用各种信息,不应局限于一种信息。
从诊断学角度来看,诊断信息都是模糊、不精确的。
诊断对象用一方面信息来反映其状态行为都是不完整的,只有从多方面获得关于同一对象的多维信息,并融合利用,才能对变压器进行更可靠、准确的监测与诊断。
2信息融合技术
信息融合是将来自不同信息源的信息进行处理,信息集成是将各级信息融合过程进行合成。
两过程最终目的是通过对多传感器(多源)信息协同利用以产生对被测对象或过程的最佳估计。
多传感器信息融合的优点表现在信息冗余性、容错性、互补性、实时性和低成本性。
系统信息融合相对信息表征分3类。
(l)数据层融合
数据层融合法中,匹配的传感器数据直接融合,而后对融合的数据进行特征提取和状态(属性)说明。
实现数据层融合的传感器必须是相同的或匹配的,在原始数据上实现关联,且保证同一目标或状态的数据进行融合,传感器原始数据融合后,识别的处理等价于对单传感器信息处理。
最简单、最直观的数据层融合法是算术平均和加权平均法。
(2)特征层融合
特征层状态属性融合就是特征层联合识别,它实际是模式识别。
多传感器系统为识别提供比单传感器更多的有关目标(状态)的特征信息,增大了特征空间维数。
具体融合法是模式识别相应技术,只是在融合前,融合系统首先对传感器数据进行预处理以完成特征提取及数据配准。
即通过传感器信息变换,把各传感器输入数据变换成统一的数据表达形式(即具有相同的数据结构),在数据配准后,还必须对特征进行关联处理,对目标(状态)进行的融合识别,就是基于关联后的联合特征矢量。
具体实现技术包括参量模板法、特征压缩和聚类分析、人工神经网络及基于知识的技术等。
(3)决策层融合
决策层融合通过关联处理、决策层融合判决,最终获得联合推断结果。
决策层融合输出是1个联合决策结果。
所用主要方法有Bayesian推断、Dempster一Shaefr证据理论、模糊集理论、专家系统等。
多传感器信息融合技术故障诊断过程是根据从对象某些检测得到的故障特征(故障模式),经信息融合分析处理,判断是否存在故障及查找故障源的过程。
3信息融合的变压器故障诊断系统结构
根据变压器故障及信息融合技术特点,在变压器故障系统中,用图1信息融合故障诊断模型。
3.1数据采掘技术
数据采掘是从数据库中抽取隐含的、以前未知的、潜在有用信息的过程。
被开采出来的知识,能用于信息管理、查询处理、决策支持、过程控制及其它应用。
数据采掘所要发现的典型知识包括相关、分类、分簇等规则和序列模式等。
3.2基于数据层融合的故障报警数据层信息融合是信息融合和故障诊断的低层形态。
主要完成数据标准化及数据越界报警功能。
对变压器某些故障模式,在二元假设前提下,把观测空间分割成Z0和Z12个区域。
当传感器信息(或转换后的特征量)处于Z0中时,可假定为故障没发生,否则判定故障发生。
选取适当的判决域,使重复试验中错误概率最小。
3.3基于特征层与决策层数据融合的故障诊断
特征层融合需检测层的融合结果及有关诊断对象描述的诊断知识融合结果。
诊断知识来源包括先验的各种知识及通过数据采掘系统得到的有关对象运行的新知识。
故障发生时,不能确定故障发生个数,无法判定观测数据是由真实故障还是由噪声、干扰等产生的。
这些不确定因素破坏了观测数据与故障源之间的关系,需进行特征层信息融合,即故障诊断。
决策层融合信息来源是特征层的数据融合结果和对策知识融合的结果,根据决策层数据融合结果,可采取相应故障状态下的对策。
特征层和决策层信息融合在本系统中基于同一套专家系统和数据采掘模块运作;同时,给出故障诊断结果和提出相应故障对策,将其合为一层进行设计。
3.4故障诊断信息融合过程描述
(1)对来自于传感器的特征量进行有效性分析,排除坏数据对诊断过程不利影响。
(2)对特征数据进行标准化处理,形成统一特征表述,以便数据匹配和特征关
联一致性,保证信息融合成功。
(3)利用基于故障机理内在因素的专家系统,用匹配知识规则,引入模糊推理,从而得到特征信息与变压器故障信息间关联性质,完成故障初步诊断。
(4)通过人机接口,由操作人员提供环境信息,并对诊断结果进行校正与核实。
(5)诊断过程完成后,其典型案例要存入数据库,通过必要数据采掘为以后决策融合作必要准备。
4变压器故障检测一般流程
5本章小结
变压器故障诊断过程实质上是对反映变压器运行状态的多源信息进行获取、融合并加以利用的过程。
因此,向多传感器信息融合发展是变压器故障诊断发展的必然之路。
本文在分析变压器故障诊断和信息融合技术特点基础上,提出具有数据采掘功能的基于信息融合技术的变压器故障诊断系统一般模型及实现技术,实践证明,信息融合技术用于变压器故障诊断,将提高诊断的可靠性和准确性。
第二章多传感器信息融合与层次分类故障检测模型
对于信息融合技术在变压器故障检测上的应用,清华大学在大型变压器和电机的局部放电监测中,对取样电流传感器进行了深入探讨[1],并引入了新的故障特征识别方法[2],数字形态学也被引入用于提取监测信息的波形特征[3];此外,西安交通大学在变压器的监测中,尝试了将油中气体分析与电气试验结果相结合的综合诊断方法[4]。
这些都在很大程度上对在线监测与故障诊断技术的发展起了促进作用。
将信息融合的基本思想引入变压器故障诊断中,可以提高故障诊断结果的可靠性,最大限度地减小不确定性。
1多传感器信息融合技术
多传感器信息融合技术将来自不同信息源的信息进行处理,最终目的通过对多传感器(多源)信息的协同利用,产生对被测对象或过程的最佳估计[5]。
目前,该技术已应用在智能制造、过程监测、机器人、导航、目标识别、医学诊断等领域,但在电力系统仍处在初级阶段,还需要进行深入的研究和探讨。
如电网运行与控制、电力设备状态监测、故障诊断技术和电力调度等,利用数据集成与信息融合技术进行故障诊断,可以提高故障诊断的可靠性[6]。
信息融合具有数据层、特征层、决策层三个层次,它能将来自多传感器或多源的信息和数据进行综合处理,从而得出更为准确、可靠的结论,可根据不同的应用背景选择相应的融合层次和算法。
对于电力变压器通过研究油色谱分析基础上的信息融合技术,将油色谱分析与电气试验等其他信息相结合,建立基于信息融合技术的变压器故障诊断模型,对变压器故障进行分层决策,不仅能判定故障性质,还能初步判定故障部位。
Shafer指出,证据对某一命题A的影响,必须包括至少两条信息:
A的置信度,它的否命题的置信度。
这两条信息用命题的置信度和似真度表示。
对于所有的,有如下的定义:
定义 设m1和m2是2Ω上的两个相互独立的基本概率赋值,焦元分别为A1,…,Ak和B1,…,Br.
又设则:
m(C)=
上式中,若K1≠1,则m确定一个基本概率赋值;若K1=1,则认为m1,m2矛盾,不能对基本概率赋值进行组合;K11时,对高度冲突的证据进行正则化处理将会导致与直觉相悖的结果。
定理1 设e1,e2,…,em为m个证据,对于ej(j≤m),如果是识别框架Θ上的mass函数,P(ej)是ej的概率,则:
2基于层次分类变压器故障诊断模型
准确的故障诊断需要多源信息的支持,即对诊断的要求越高,越需要各方面的信息。
为适应变压器的故障诊断信息“多层次”的特点,提出分级决策模型,逐步寻找支持信息,使变压器的故障诊断不断深入,逐渐靠近故障的真实情况;另一方面,采用分级决策也降低识别框架的复杂程度,减少证据组合的运算量,从而提高了证据推理的效率,基于证据理论的变压器故障诊断分层决策模型,如图2所示。
图2 基于证据理论的变压器故障诊断分层决策模型
(1)一级决策融合 一级诊断的目标是要确定是否有故障发生,以及确定故障类型。
这一层的诊断分析是直接在对变压器的运行状况实行在线监测的基础上进行。
油中溶解气体分析技术是目前对油浸变压器进行故障诊断最方便、最
有效的手段之一,这一级融合故障诊断建立在油中溶解气体分析的基础上。
异常现象、气体注意值、产气速率、降负荷运行后气体含量测定结果均是偏重于对变压器的状态监测,判定是否有故障发生;在证据存在的情况下,利用关键气体法及新导则IEC-60599对故障进行判定;对判定结果进行一级融合,从而确定故障类型。
一级融合的证据空间E={ei},i=0,1,…,n,其中ei表示“降负荷运行后气体含量测定结果”,“关键气体法”,“新导则IEC-60599诊断”等,根据实际证据存在,选择合适的证据组成证据空间;一级融合的识别框架为Θ0={F0,F1,F2},其中,F0,F1,F2分别表示“无故障”,“放电故障”,“过热故障”。
(2)二级故障诊断决策融合 二级诊断决策,即在一级决策的基础上,继续寻找相应的证据,对故障部位进一步判别,使故障诊断的结论逐步准确、精细,对应于识别框架的细化,这种细化使得故障判决的层次更加分明,从而获得关于故障点的更详尽的信息。
在对变压器故障部位进行深入研究的基础上,确定故障部位判定的分层识别框架。
第一层识别框架Θ1={G1,G2,G3,G4,G5},其中,G1,G2,G3,G4,G5分别表示涉及“固体绝缘的放电”,“不涉及固体绝缘的放电”,“导电回路过热”,“导磁回路过热”,“受潮,非正常老化等”。
这一层的判定建立在一级决策融合的基础上,将故障部位粗分,确定故障部位大概的范围。
根据故障发生的部位、原因,分别将前述粗分时的G1,G2,G3,G4,G5进行进一步的细化,在识别Θ1的基础上,考虑到Θ1中各种故障的支持证据间有很强的独立性,将框架作进一步细化是合适的;在足够多证据的支持下,判决的结果将更加准确,这对故障排除和变压器维修更有指导意义,变压器故障分层定位模型,如图3所示。
图3 变压器故障分层定位模型
G1={h1,h2,h3},h1,h2,h3分别代表围屏放电,引线闪络,匝间短路;G2={h4,h5,h6},h4,h5,h6分别代表悬浮放电,油中局放,分接开关渗漏油;G3={h7,h8,h9},h7,h8,h9分别代表绕组过热,分接开关故障,引线故障;G4={h10,h11,h12},h10,h11,h12分别代表铁芯多点接地,漏磁及局部发热,油流受阻过热;G5代表变压器进水受潮,非正常老化等其他。
这一层判定中需要离线试验的相关证据,再将这些证据利用D-S法则进行融合,从而推理出故障部位。
3实例分析
某主变型号为SFZ9-31500110,油重11.2t,1997年4月投产。
2000年3月25日发现主变油温达65℃,与当时所带20000kVA负荷及18℃的环境温度不符,判断主变内部可能存在过热性故障。
该变压器的油中溶解气体分析结果,见表1[7]。
表1 某故障变压器油中溶解气体分析结果(×10-6)
诊断步骤如下:
①一级决策的识别框架为Θ0={F0,F1,F2},证据空间E={e1,e2,e3},其中,e1,e2,e3,分别表示降负荷运行后气体含量测定结果(设为ml),关键气体法(设为m2),新导则IEC-60599诊断(设为m3)。
e1表示改为带1/3负荷运行后气体含量仍然在增加,由此可见确有故障存在(证据置信度C);e2表示关键气体法显示油纸过热(证据置信度C);e3表示新导则IEC-60599诊断,判定为T≥700℃的高温过热故障(证据置信度C)。
②在对证据进行深入评估分析的基础上,得到参与一级决策融合的条件mass函数,见表2。
表2 一级决策mass函数
根据定理结合先验概率经过融合后的结果为:
F1(放电故障)置信度为0,即不可能发生;而F2(过热故障)的置信度为0.96,即非常强的支持信度。
可见,经过证据融合后得到更强的证据支持,因此,可判定故障类型为过热故障,可能是导电回路过热或导磁回路过热,一级融合结果,见表3。
表3 一级融合结果
③二级决策中继续寻找相应的证据,停电测试铁芯对地绝缘电阻异常接近于0,将铁芯对地绝缘电阻作为证据e4,该证据对磁路过热为强的置信度支持;将CO/CO2作为证据e5,由表CO/CO2=0.218,在0.09与0.33之间,该证据对磁路过热的支持为弱的置信度支持。
由于证据e4的置信度为强,由此将故障部位初步确定为导磁回路过热,由G4={h10,h11,h12},h10,h11,h12分别代表铁芯多点接地,漏磁及局部发热,油流受阻过热,由于缺乏对h11,h12的支持证据,在对故障进行统计分析的基础上,可以得到二级决策mass函数,见表4。
表4 二级决策mass函数
根据定理结合先验概率经过二级融合结果,见表5。
表5 二级融合结果
故障置信度最高的为h10,即铁芯多点接地发生概率最大,因此确定为主要故障。
同时,从证据的置信区间可以看出故障判定中的不确定性,更符合故障的实际情况。
在实际的吊罩检查中,发现有铁芯多点接地引起的过热故障,判断与实际相符。
4本章小结
D-S证据理论是概率论的推广,具有比概率论更弱的公理体系和更严谨推理过程,能够更加客观地反映事物的不确定性。
作为一种决策融合推理手段,日益广泛地应用于人工智能领域。
本文应用D-S证据理论,建立了基于证据推理融合的变压器故障诊断模型,通过多故障信息的融合,有效地提高故障诊断结论的可信度,减小不确定性,通过计算机仿真证明了方法的有效性。
因此,基于D-S证据理论信息融合故障诊断方法,具有一定的理论意义和实际应用价值。
第三章信息融合技术下变压器故障部位检测
将D-S决策证据理论方法用于变压器故障部位诊断,目的在于融合由不同故障诊断方法所获得的信息,得到组合支持程度,以提高诊断的准确性。
1变压器故障部位识别框架的形成
设为变压器故障部位的穷举集合,在故障诊断过程中,通过对故障特征信号的观察、分析与处理,如果存在多个证据支持或否定Ω中的某个或某些故障部位,就需要对这些证据的信任进行组合。
在证据理论中Ω称为分辨框。
运行实践表明[8]在多数情况下,变压器最易发生故障的部位有以下几种:
①套管下端部②分接开关接触不良③引线接头断开或接触不良④穿心螺杆绝缘不良⑤铁心多点接地⑥匝间绝缘击穿。
由此假设变压器故障部位识别框架为:
式中:
f0为正常状态,f1为套管下端部故障,f2为分接开关接触不良,f3为引线接头断开或结反,f4为穿心螺杆绝缘不良,f5为铁心多点接地,f6为匝间绝缘击穿,θ为变压器发生上述可能故障的总集。
2基本概率赋值函数的构造
为了构造基本概率赋值函数,把变压器预防性,电气试验结果,色谱试验结果,在线检测情况等技术分析的特征信息按故障类型、故障部位、故障原因及其相关情况表示为若干个产生式规则,并存储在分析系统的数据库中,如:
规则1:
如果变压器异常,且三比值为0.22,则存在高于700℃的热故障,
。
规则2:
如果三比值法诊断为高于700℃的热故障,则分接开关或引线接头或铁心多点接地故障,
上述规则表示成:
,其中:
(1)E为条件:
它是一个二元组,由条件本身及其信任度组成,当条件E为简单条件时,信任度CER(E)由与之匹配的证据确定;若证据是前面推出的中间结论,信任度由以下D-S合并规则得到。
(2)H为结论,CF为规则强度,表示当条件E为真时,结论H有CF大小的信任度,它由领域专家根据自己的经验和知识给出,且满足:
其中,m为识别框架上的基本概率赋值函数。
显然,结H的信任度与条件E为真的程度有关,把结论H的信任度用基本概率赋值函数定义为:
上述定义意味着除结论H外的其他子集的基本概率赋值为0。
3证据组合与推理
证据的组合与推理过程是不确定值沿推理网络传播的过程,即证据不断组合(信任函数Bel合成)的过程,该过程主要包括两方面:
①根据相匹配的产生式规则求出相应的基本概率赋值函数,实现信任度的传递与更新;②根据基本概率赋值函数求出相应的信任函数和似真函数,从而得到信任区间:
如果有两条及以上的证据支持同一个结论,假定结论为H的k个规则被激发,则对应有k个基本概率赋值函数,分别为m1,m2,...,mk,则组合基本概率赋值函数如下:
上式的计算可依据D-S合成规则,通过递推的方法进行,得到信任度组合。
4本章小结
运用信息融合技术进行变压器故障点的定位,实现了相应的算法,运用D-S决策证据理论对变压器故障的决策层信息融合处理,从多方面将反映变压器运行状态的故障征兆,进行综合分析与处理,对设备运行状态进行系统地识别和特征判断,有效地提高了变压器故障诊断的准确性和有效性。
结论
电力变压器故障的多样性、不确定性和各种故障之间联系的复杂性构成了故障诊断技术上的难点,仅靠单一的故障特征量和诊断方法无法完成诊断任务。
把信息融合引入变压器故障诊断中,将油色谱分析与电气试验等其他信息相结合,建立基于信息融合技术的变压器故障诊断模型。
对变压器故障进行分层决策,不仅能判定故障性质,还能初步判定故障部位,提高故障诊断结果的准确性,最大限度地减小不确定性。
本文将信息融合的基本思想引入变压器故障诊断中,可以提高故障诊断结果的可靠性,最大限度地减小不确定性,具有重要的理论价值和实用意义。
参考文献:
[1] 赵秀山,谈克雄.在线监测用电流传感器的研究[J].清华大学学报(自然科学版),1995,35
(2):
122-127.
[2] 王航,谈克雄.用小波提取局部放电信号[J].清华大学学报(自然科学版),1998,38(6):
33-36.
[3] 李剑,孙才新.局部放电识别中分数维分布的研究[J].高压电器,2001,37
(2):
18-220.
[4] 钱政,严璋.电力变压器绝缘故障综合诊断方法的研究[J].电网技术,2002,26
(2):
32-36.
[5] 胡文平,尹项根,张哲,等.变压器故障诊断与多传感器信息融合[J].高电压技术,2002,28
(2):
32-33.
[6] 王文志,余芳.多传感器信息融和技术在电力系统的应用前景探讨[J].电力建设,2003,24(10):
56-58.
[7] MingD,ZhangY,LiY,etal.Faultdiagnosismodelforpowertransformersbasedoninformationfusion[J].MeasSciTechnol,2005,16(7):
1517-1524.
[8] 电力工业设备诊断技术专业协会.变压器故障诊断典型案例汇编(续1)中国电力企业管理,1994.
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 信息 融合 技术 变压器 故障 检测 综述