基于多源信息融合的变压器状态评估与故障诊断技术研究

作     者：范慧芳 

作者单位：山东理工大学 

学位级别：硕士

导师姓名：咸日常

授予年度：2022年

学科分类：080801[工学-电机与电器] 0808[工学-电气工程] 08[工学] 

主      题：电力变压器 状态评估 故障定位 加权秩和比模型 贝叶斯网络 

摘      要：中国电力系统已迈向以超、特高压为骨干网架，风电、光伏等可再生能源高比例接入的现代电力系统时代，电网规模及装机容量世界第一。电力变压器在系统中变换电压、联络电网及终端用户，是实现电能经济传输及合理分配的关键设备，其能否持续可靠安全运行，是整个电力系统能否正常工作的基石，涉及国家能源安全与经济社会可持续发展。 变压器的油色谱分析技术以其独特的技术优势，在对变压器故障进行准确诊断方面贡献着举足轻重的力量，但不能进行故障定位。考虑到电力变压器是一个涉及电磁、机械、化学等多方面信息相融合的复杂体系，仅凭单一试验数据无法精确诊断其真实运行状态，故文章利用从电气试验、油色谱分析及油化试验三方面所收集到的特征状态量，并借助主成分分析法对其进行筛选融合，进而形成多源信息体系，实现基于多源信息融合的变压器状态评估与故障诊断。 首先，本文利用加权秩和比模型对电力变压器进行状态评价，从多源信息体系中筛选特征参量，在此同时考虑到主客观因素的影响，利用层次分析法与变异系数法对所选特征状态量进行主客观赋权处理，参照DL/T1685-2017《油浸式变压器(电抗器)状态评价导则》中的评价方法，遵循加权秩和比模型的评估步骤对案例电力变压器进行状态评价。在明确变压器整体健康状态后，为了对评估结果为异常与严重的变压器实现故障定位，将贝叶斯定理引入，进而实现对电力变压器的故障预测和定位。 随后，本文针对变压器试验数据及故障类型的特征，借助MATLAB平台搭建电力变压器故障定位模型。由于传统贝叶斯网络存在条件独立性假设的前提，所以在对变压器的故障进行定位预测之前，先将从多源信息体系中所选特征属性与故障类别分别进行加权与拉普拉斯平滑处理，在此过程中，引入ReliefF特征属性加权算法与相关系数加权算法。利用所收集的变压器故障数据样本并将其分成训练集和预测集，对相关数据进行归一化处理后，在MATLAB环境下进行仿真对比，对预测结果进行分析可知，无论是对训练样本还是测试样本的预测，利用文章所建模型均能达到较高精度，接着引入四种不同模型与本文方法进行对比预测，在相同MATLAB环境下，对故障位置预测的准确率分别为82.61%、82.61%、95.65%、95.65%及100%，对故障类型预测的准确率分别为82.61%、82.61%、91.30%、95.65%及95.65%，进而验证本文所构建模型的优越性，之后通过一起实际变压器故障案例验证了模型的有效性。 最后，本文将已验证具有可行性与有效性的状态评价模型与故障定位模型进行融合，从而实现电力变压器智能状态诊断评估与故障预测定位一体化的目标。该模型不仅可对电力变压器进行实时状态诊断，进而实现多台变压器运行状态的优劣排序，还可以及时对整体性能较差、故障不易发现且发展缓慢的变压器进行缺陷定位，为电力变压器运维人员提供直观准确的预测结果，服务设备状态检修，从而有效避免电力变压器突发事故，预防供电中断所带来的重大经济损失。