- 頭條福建華電可門發電公司技術人員提出變壓器過熱隱患預警的新方法2023-03-03 作者：譚翼坤、陳明 等 | 來源：《電氣技術》 | 點擊率：導語福建華電可門發電有限公司、國電南京自動化股份有限公司的譚翼坤、陳明、黃騰、喬蘇朋、李志軍，在2022年第10期《電氣技術》上撰文，針對變壓器過熱隱患，立足于提前發現設備隱患這一根本思路，圍繞變壓器油中溶解氣體異常預警開展相關研究，提出了一種基于油中溶解氣體分析的變壓器過熱隱患預警診斷方法，結合人工經驗和機器學習的優勢來分析變壓器狀態，可實現針對設備早期隱患的辨識，提升人員對設備管理的主動性。
隨著電力工業的飛速發展，電力變壓器不斷向大體量方向發展；同時，重要設備的擴容增加了單個設備缺陷對電網安全性的影響。因此，及時有效地發現、識別變壓器的隱患是電網運維的關鍵問題。隨著現場檢測和在線監測技術的普及和推廣，已實現了對變壓器狀態的實時監測，如何將監測數據應用于變壓器狀態分析已成為該領域的研究熱點。
變壓器在線監測方法包括油中溶解氣體分析（dissolved gas analysis, DGA）、鐵心接地電流分析、局部放電分析、繞組溫度分析、振動分析等，其中，DGA是當下辨識油浸式變壓器潛伏性缺陷應用最為廣泛的方法之一。多年來，專家學者們提出眾多基于DGA的電力變壓器故障診斷分析方法。常見的DGA包括特征氣體法、三比值法、羅杰斯比值方法、大衛三角形法等，這些方法采用不同氣體的比值或者氣體的濃度來分析故障類型。
嚴格來講，變壓器故障診斷多屬于事后處理，當各方法精準判定設備為故障時，設備內部已經存在一定的損傷，甚至已形成危及設備安全運行的態勢。從時效性來看，故障診斷較為滯后，發現隱患的敏感性不足。此外，限制變壓器故障診斷發展的因素眾多，例如特征氣體的分布特性完全不同，這使標簽數據庫的構建非常困難，無法支撐機器學習模型的建立；同型號設備之間的橫向對比也不具備過多的內在關聯性，缺乏類比性的指導建議。
福建華電可門發電有限公司、國電南京自動化股份有限公司的譚翼坤、陳明、黃騰、喬蘇朋、李志軍，在2022年第10期《電氣技術》上撰文，針對變壓器過熱隱患，立足于提前發現設備隱患這一根本思路，圍繞變壓器油中溶解氣體異常預警開展相關研究，提出了一種基于油中溶解氣體分析的變壓器過熱隱患預警診斷方法，結合人工經驗和機器學習的優勢來分析變壓器狀態，可實現針對設備早期隱患的辨識，提升人員對設備管理的主動性。
研究人員提出的變壓器過熱隱患預警診斷流程如圖1所示，具體步驟如下：
圖1 變壓器過熱隱患預警診斷流程
1）明確引起變壓器過熱故障相關的氣體參量，選為分析對象；對于訓練數據的選取，應從上一次濾油開始的時間選取。
2）對于訓練數據中的缺失值、異常值，采用三次樣條插值法進行補全或刪除。
3）對數據進行預處理，劃分成多個時間間隔不等的序列；其中，對于K級差分法中K值的選擇，限于每臺變壓器運行特性不一致，需經多次實驗獲取最優值。
4）采用OCSVM算法構建預警模型組，對于算法中的超參數，利用網格搜索法獲取合適值。
5）當新數據輸入模型時，一分類支持向量機（one- class support vector machine, OCSVM）模型組輸出一組判斷結果，遵循預警信息觸發機制，最終可判定變壓器是否異常。
他們總結指出，該預警方法有以下特點：
1）數據預處理。采用多級差分法從不同時間尺度衡量氣體的變化程度，一方面，多參量、多時間尺度的分析能夠提供更豐富的信息量；另一方面，差分處理使時間序列曲線變得更為平穩，緩解離散數據對分析結果的影響。
2）預警模型建立。應用一分類支持向量機算法構建預警模型，提出了基于K級差分法與一分類支持向量機結合的預警方法，從多參量、多時間尺度兩個方向擴充了訓練集的感受域，使構建的整體模型更具魯棒性，同時也極大地提升了洞悉設備早期隱患的敏感度。
3）制定了一種預警信息觸發機制，在提升預警模型敏感度的前提下，能緩解誤報信息的頻發，保障預警信息的有效性。
本文編自2022年第10期《電氣技術》，論文標題為“基于氣體成分分析的變壓器過熱隱患預警方法”，作者為譚翼坤、陳明 等。
