【毕业学位论文】基于多特征的变压器故障免疫诊断方法研究-控制工程

分类号 密级 U D C 编号 士学位论文 论 文 题 目基于多特征的变压器故障 免疫诊断方法研究 学 科、专 业控制工程 研究生姓名宋绍民 导师姓名及 专业技术职务桂卫华教授 企业导师姓名 及专业技术职务 伍志元 高级工程师 摘 要 电力变压器作为电力系统中的枢纽设备， 其运行可靠性受到学术界与工程界越来越多的关注。近年来，神经网络、模糊推理、信息融合等智能技术被陆续引入变压器的故障诊断过程， 使变压器故障诊断的智能化程度越来越高。但由于变压 器故障诊断具有异常复杂性，目前在实际工程应用中，这些方法仍然存在严重的局限性。从变压器故障诊断的时效性要求出发， 本文根据人工免疫系统中抗体对抗原的识别机制，利用免疫系统中抗体的多样性、 强大的学习能力，提出一种基于人工免疫的变压器故障诊断方法。 结合免疫系统和免疫网络两大主要免疫模型，构建了一种用于故障 诊断的新型免疫功能模型；利用粗糙集理论知识约简所得的变压器故障诊断所需关键特征， 对模型中抗体抗原采用模糊隶属度实数表示， 确定了基于模糊贴近度与信息标准熵的亲和力计算方法，给出了相应的诊断机制与决策方法；详细分析模型中检测集生成、 免疫识别与免疫学习方法以及资源动态调节策略，对模型的免疫算法进行了设计。 该方法可以快速、准确、多分辨地识别变压器的常见故障，并且对新型故障模式表现出较强的学习能力，有效提高了诊断的准确率，保证了诊断的实时性，解决了以往诊断方法中学习能力不足等问题。上述优点在仿真实验中得到了证实， 该诊断方法可望在电力变压器的在线监测应用中具有良好的实用价值。 关键词：变压器，故障诊断，人工免疫，粗糙集理论，进化学习，动态调节 硕士学位论文 I s an s is by as in is to of of of in at In to of an s is in to In of in a is in of of is to in it is to on in in in a of s to is is 士学位论文 II to is in be in 士学位论文 目录 录 摘 要. . 1 章 绪论. 1 压器故障诊断原理及其研究意义 . 变压器故障诊断内容与特点 . 变压器故障诊断的研究意义 .压器智能故障诊断技术研究综述 . 变压器故障诊断技术的发展 . 变压器故障诊断主要智能方法 .文的主要研究工作 . 2 章 基于 变压器故障特征约简.压器常见故障与特征 .压器故障特征的获取 .糙集理论及其故障特征约简原理 . 粗糙集理论基础 . 障特征约简原理.于模糊 变压器故障特征约简 . 变压器故障特征的模糊归一化与离散化 . 最小诊断用特征集的可信度评价 . 变压器故障特征约简实例分析 . 3 章 变压器故障免疫诊断功能模型及其诊断机制.工免疫仿生原理及主要免疫模型 . 人工免疫的主要仿生原理 . 主要免疫模型.压器故障免疫诊断模型的构建 .疫模型抗体抗原的表示及其亲和力计算 . 模型抗体与抗原的表示方法. 抗体抗原间亲和力的计算方法 .压器故障免疫诊断模型的诊断机制 . 4 章 变压器故障免疫诊断模型的免疫算法设计.士学位论文 目录 V 疫算法概述 . 免疫算法的基本框架. 主要免疫算法简介 .型中检测集生成算法设计 .疫空间中免疫识别、学习记忆及资源控制方法 . 免疫空间中 初始产生方法. 免疫空间中抗原的识别与决策方法. 免疫学习与免疫记忆方法. 5 章 实验仿真及结果分析.关实验说明 .断性能实验 . 比对实验及分析 . 参数实验及分析 .习性能实验 . 6 章 结论及展望.考文献. 51 致 谢. .录 A 攻读学位期间及此前发表的学术论文 .录 B 攻读学位期间承担的主要科研项目 .士学位论文 第 1 章 绪论 1 第 1 章 绪论 压器故障诊断原理及其研究意义 压器故障诊断内容与特点 诊断学 (词源于希腊文，意指鉴别、确定。它的含义是根据症状来识别病人所患何病。从智能理论的观点来 看，诊断是医生搜集病人 (包括医生的感观、病人的主动陈述以及各种化验检测结果 )，并根据症状进行分析处理，以判断患者的病因、严重程度，从而确定对患者的治疗措施与方案的过程。当前国内外工程科技领域指的故障诊断是指对诊断对象的异常状态的检测、 异常状态原因的识别以及包括对异常状态预测在内的各种技术的总称。 故障诊断的实质是一个模式分类问题 ,是根据通过观测获得的诊断对象特征 信息来确定对象所属类别或确定对象所处状态的过程， 或者说是指收集待诊对象特征变量信息后的分析判断过程1。 故障诊断是一门综合性技术，它涉及现代控制论、信号处理与模式识别、计算机科学、人工智能、电子技术、统计数学等学科2。现代故障诊断技术已有 30多年的发展历史，但作为一门综合性的新学科 ,故障诊断学还是近些年发展起来的。从不同的角度出发有多种故障诊断分类方法3，这些方法各有特点。概括地讲，故障诊断方法可以分为两大类：基于数学模型的故障诊断方法和基于人工智能的故障诊断方法。 电力变压器的故障诊断属于工程范畴内的故障诊断问题， 其实质仍然是通过各种方式搜集变压器运行中或停运后表现出来的各种征兆， 经分析推理确定变压器运行状况或产生故障的部位的过程。其内容主要包括以下几个方面： 1. 对变压器的运行实施状态在线监测， 即通过实时采集反映变压器运行情况的各种状态信息，并据此对变压器运行状态进行势态评估； 2. 根据状态监测所获得的信息初步确定 故障类型，以便运行人员及时了解电气设备的工作情况； 3. 根据各种检测方法得出的初步结论， 结合具体结构特点、运行历史和各种环境因素，使用故障推理技术对所发生的故障进行分析，确定故障的性质、程度以及部位，推测诱发故障的直接原因； 4. 对已识别出的故障进行预测，指出故 障的发展趋势及其后果，估算其剩余寿命，确定检修周期，提出控制故障发展和消除故障的维修策略。 本文所研究的变压器故障诊断主要指使用故障推理技术来确定变压器所发硕士学位论文 第 1 章 绪论 2 生故障的性质、程度以及部位，显然它是状态在线监测和寿命预测的关键。 电力变压器的结构非常复杂，主要包括铁芯、一二次绕组、分接转换装置、绝缘系统、冷却系统等 )，从原则上来说，变压器中的所有这些部件均有可能发生故障。由于产生故障的可能部件多，而故障时表现出来的征兆多种多样，并且故障与故障之间、不同故障表现出来的征兆之间具有十分的相似性和相近性，加之试验测试中所获取的特征数据存在分散性， 对变压器故障的产生机理的认识方面还不够全面，往往存在模糊边界的亦此亦彼性，因此目前对变压器实现具有良好时效性和高可靠性的故障诊断仍然难度很大。 压器故障诊断的研究意义 随着超高压和特高压输变技术的迅速发展， 以及电力系统自动化程度的不断提高，大型电力变压器作为电力系统中的枢纽设备，其运行状态直接影响到电力系统的安全可靠， 故障的产生可能给电力系统和社会的正常生产生活造成巨大经济损失。因此，电力变压器的故障诊断一直是近年来学术界、工程界众多专家学者的热门研究课题。其研究意义主要表现在以下两个方面： 1. 实际工程中，利用故障诊断技术来判断变 压器的运行状态或确定其故障的性质、原因、部位，不仅可以预测故障及其发展趋势，为变压器寿命的现代化管理提供科学依据，而且可以根据运行态势估计结果或诊断结论，提出合理的故障控制策略， 制订合理的维护方案， 减少维护的盲目性， 节省维修中投入的人力、物力和财力，真正实现变压器的传统 “计划性检修 ”向 “状态维护 ”过渡4。 2. 从学术研究角度，变压器的故障诊断属于 一种具有复杂随机性与模糊性的模式识别系统，一方面无法利用数学建模方法实现有效诊断，另一方面即使应用基于模糊推理 (神经网络 (专家系统 (人工智能方法，由于这些方法大都存在设计缺乏系统性、 诊断性能难以评价及在领域知识贫乏情况下初始知识获取困难等局限，因而严重阻碍了这些方法在实际中的推广应用，至今未曾取得满意的工程实用价值。所以具有优良时效性、可信性的变压器故障诊断系统的研究成功将意味着人工智能技术在实际工程应用中的真正成功， 这些成果将推动军事应用领域的 统、工业过程监视系统、机器人、交通管制系统等的迅速发展。 压器智能故障诊断技术研究综述 压器故障诊断技术的发展 电力变压器具有多种特征信息， 如油中溶解气体的色谱分析、 铁芯接地电流、硕士学位论文 第 1 章 绪论 3 局部放电、介质损耗等，这些特征能够从不同侧面、不同层次、不同程度上反映变压器的运行状态。 早期的变压器故障诊断主要应用 比值及改良的三比值方法进行。根据 1973 年 其报告中提出的理论，油中溶解的特征气体(较灵敏地检测出变压器内部的潜伏性故障， 择由其中 5 种特征气体构成的 4 个相对比值 (2、2222进行变压器故障诊断。但 2以在后来的 准中将此项比值删去，形成了 程的三比值法，并一度在变压器故障诊断技术中占驻着主导地位。虽然后来日本电气协同研究会提出的电协研法5和我国湖北电力试验研究所提出的改良电协研法6对 码作进一步的补充，但因现场情况的多样性，三比值法存在编码提供不完全问题，实际应用中有相当一部分 果落在所提出的编码之外，以至于对某些情况无法进行诊断。 随着人工智能技术、计算机技术等学科的不断发展，多种人工智能技术如神经网络 (专家系统 (模糊推理 (信息融合 (方法被大量引入到变压器的故障诊断中，使变压器故障诊断技 术迅速得以发展，形成了以油中主要特征和融合多种特 征信息的两大智能诊断模型。利用油中 征的智能诊断技术，在一定程度上解决了三比值的编码短缺问题，提高了故障诊断的智能化水平，但仍然在故障精确定位、结论的可信度等方面存在很大不足，难以指导变压器维修策略的制订。鉴于此，近年来利用变压器多种特征的智能融合诊断模型得以广泛研究。在诊断过程中，智能融合诊断不仅综合利用了变压器的多种特征信息，而且以智能集成整合思想为指导，集成多种智能推理技术，在提高诊断的准确性、指导变压器的维护等方面取得了一定的成效，同时也使得它们拥有了一定的实用价值，但由于变压器故障的复杂随机性和复杂模糊性，目前它们仍然在设计方法、初始规则提取、诊断性能分析等方面有待进一步研究和提高。 由于变压器故障的征兆多种多样， 变压器故障表象与故障机理间的联系错综复杂，为了描述变压器故障的各种特性并进行分析，已采用了诸如不确定性的模糊性处理、 诊断分析的专家系统智能推理、 数据分析的神经网络模式识别等方法，并有了一定的应用成果。但同时我们发现，种种单一的方法均存在一定的弊端，因此，目前在智能互补融合思想指导下，如何取长补短将多种智能技术融合成一有机整体已经成为变压器智能故障 诊断研究的主流方向。例如在文献 7中，以构造电力变压器的故障诊断分析系统为目的，从基于人类思维发展模式的角度，探讨了专家系统 献 8研究了粗糙集理论 ( 第 1 章 绪论 4 的有机结合，利用 基于最小诊断规则的 后利用模糊 效减少了诊断信息的冗余性，提高了诊断的准确率。 人工免疫系统 (是近年来人类通过模仿自然免疫系统功能而形成的一种智能方法，从计算的角度来看，生物免疫系统是一个高度并行、分布、自适应和自组织的系统，具有很强的学习、识别、记忆和特征提取能力。目前，众多研究者不断从生物免疫系统中抽取隐喻 (制，用于 法实现和工程应用，其应 用领域逐渐扩展到了信息安全、模式识别、机器学习、数据挖掘、自动控制、故障诊断等诸多领域9，显示出 糊逻辑和进化计算后人工智能的又一研究热点10， 将人工免疫系统应用到变压器故障诊断中也未必不是一种有益的新尝试。 压器故障诊断主要智能方法 1. 神经网络、专家系统、模糊推理诊断方法 1) 模糊推理方法：电力变压器等设备发生故障时，其故障现象、故障原因及故障机理之间存在大量的不确定性和模糊性， 用传统的精确数学理论难以描述其间的关系，因此，就很难诊断出变压器的真实绝缘故障及其原因。由于模糊数学的特点正好能有效地解决模糊性和不确定性问题，因此，它为变压器的绝缘故障诊断提供了一种较为有效的新方法。 现有的模糊诊断技术有：模糊逻辑诊断、模糊聚类诊断、模糊可能性模型诊断、模糊时序模型诊断、智能化模糊诊断和模糊可靠性分析等11。目前的研究主要朝着两个方向进行：一是将模糊诊断与其它诊断方法相结合，相辅相成；二是为模糊诊断引进自组织、自学习的功能。 文献 12针对电气设备故障诊断中需要处理大量的模糊信息，而传统的“精确”论的方法对模糊现象的处理能力又显得不足的现象，运用模糊数学理论对三比值法规则进行模糊化处理，提出采用规则的 模糊化表示和模糊综合评判的方法，此方法可以较为有效地解决某些不确定性问题。 文献 13介绍了一种在覆盖集理论框架上集成模糊推理的诊断方法，在此基础上建立了应用于电力变压器故障诊断的实用模型。 该模型实现了模糊推理与符号推理的结合，能够较好地解决故障诊断过程中遇到的模糊性问题，并有助于实现对故障的综合诊断。采用该模型对诊断问题进行求解时，首先根据已有的故障征兆进行初步诊断，然后基于故障征兆了解程度的加深，可以逐步的进行更加深硕士学位论文 第 1 章 绪论 5 入的诊断，它能够较好地消除一些可能引起误判的因素带来的影响，从而得到较为全面和准确的诊断结论。 但是， 模糊数学在认知不确定性电力变压器绝缘故障诊断中也存在一定的不足。它着重研究“认知不确定性”问题，主要是凭经验借助于隶属函数进行处理，其研究对象具有“内涵明确外延不明确”特点，而目前电力变压器发生故障时的故障现象、故障原因及故障机理之间的许多“内涵”联系尚未研究清楚，所以，模糊数学理论在变压器故障诊断中还有进一步研究的价值。 2) 变压器故障专家诊断系统（ ：专家系统是人工智能的一个重要分支，它产生于 60 年代中期，它是利用人类专家的权威性知识和求解问题即推理的方法来求解那些通常需要人工智能的问题的一组计算机程序系统； 能根据用户提供的数据、信息或事实，运用系统中存贮的专家经验或知识进行推理判断，最后给出结论及结论的可信度以供用户决策之用。从一定意义上讲，专家系统已使传统的“数据结构算法程序”的应有程序模式发生了变化，使之变成为“知识推理系统” 。充分利用专家系统来诊断 变压器的绝缘故障，可使变压器的故障经验进一步积累使得故障的诊断精度大大提高。文献 14中实现了变压器油状态各部分模块的设计，既可以用于变压器油质变化状况的判断，也可用于变压器的故障诊断， 还可作为电厂或供电局油质检验的主要工具； 文献 15开发的 “大型电力变压器故障诊断专家系统”可对电力变 压器内部潜伏性故障进行早期诊断，对现场运行人员可提供“咨询”意见，提高了变压器安全运行的水平。 但是，专家系统有其固有的局限：一是知识获得的瓶颈问题，即通常这种系统的知识获取主要依靠人工移植，由知识工程 师将领域专家的知识移植到计算机，这一方式费时且效率低；其二是知识维护困难，许多专家系统均采用较简单的产生式结构构造知识库，尚未采用先进的面向对象的知识库构造方式，算法复杂；其三是由于推理方法简单，诊断策略不灵活，因而推理能力较弱，容易出现匹配冲突，容错能力较差，推理速度慢，难以满足监测控制实时性的要求。这些都是专家系统极需解决的前沿课题。 3) 人工神经网络 (法：人工神经网络具有自组织、自学习的能力，能映射高度非线性的输入输出关系。这是由于 身就是简单的非线性函数的多次复合，无需建立任何物理模型和人工干预，而故障诊断基本上就是在输入数据样本和一个或多个故障状态之间建立联系的过程， 应用开发为知识工程师诊断变压器故障开辟了新的途径。文献 16中提出基于 态识别系统的变压器故障检测方法，该系统主要由 压器一次电压非线性估计器、比较器、计数器等构成，通过比较一次电压实际值与估计值的大小，识别变压器内部是否发生故障；文献 17中提出了将神经网络用于变压器模糊故障诊断的方硕士学位论文 第 1 章 绪论 6 法，它能够不必事先通过人为经验或统计方法确定故障隶属函数，计算结果和诊断实例表明，采用神经网络更为准确有效地诊断变压器的故障。 人工神经网络理论的应用在变压器绝缘故障中取得了一系列的成就， 但神经网络极易陷入局部极小点，收敛速度较慢；神经网络对奇异故障模式的判断能力差，应用神经网络只能是一个不断完善的过程，而网络自身对这种完善的调度性能较差；神经网络不擅长处理启发性知识；神经网络缺乏解释自身行为和输出结果的能力，而这种能力对于故障诊断决策的可信度是必不可少的。 2. 基于智能集成思想的故障诊断方法 一般来说，利用 糊推理等单一智能技术进行变压器故障诊断具有自身的局限性， 往往诊断时需要大量统计信息与先验知识， 计算、 训练复杂，加之实际变压器故障的复杂性与运行环境的恶 劣影响到故障知识的不完备或检测信息的缺失，造成它们在诊断能力、适用性和知识获取方面还不尽人意，离实际应用要求存在较大差距，因此结合多种智能 技术并利用它们在智能上的互补性，成为探索变压器故障诊断的新途径。 1) 献 7从人类思维发展模式的角度探讨了融合 该方法融合了神经网络进行经验思维和专家系统进行逻辑思维各自的优点， 实现了 在如图 1压器绝缘故障诊断以 执行着变压器故障诊断专家系统的所有性能，包括：数据收集、 数据综合及数据库的管理、知识形成及知识库的维护、推理策略及推理机制、解释机制和人工接口，其模糊性处理模块同时执行着变压器故障及其诊断分析过程中具有不确定性特征的数据、 知识以及诊断结论等的转化表达，来源于不同信息源 (观察、监测、试验、用户确认 )的信息汇集在专家系统的数据库形成为对被诊断对象的总体状态的认识，通过动态数据库“发布”到各个诊断模块实现对被诊断对象的分析， 诊断的结论也通过动态数据库由解释机制进行结论的解释说明，传递给用户或保存在数据库中。而 行着 D(变压器局部放电 )数据分析及故障模式判别功能，它由专应用 被诊断对象 用户 知识工程师 用户界面 模糊 (预 )处理模块 观测监测试验事实获取模块知识管理模块知识库 数据库调度及推理机制 解释机制 过滤器 动态 数据库 神经网络模型库 神经网络模型专家系统 神经网络 学习 图 1合诊断系统 硕士学位论文 第 1 章 绪论 7 家系统的推理机制激发，从数据库和动态数据 库中获取必要的学习样本 (已经过预处理 )及诊断实例，将学习结果存储于网络 模型数据库，而判断结果作用于动态数据库以便推理机作出进一步的综合与解释。 神经网络的作用是在专家系统支配下的相互作用的过程。 2) 粗糙集理论与神经网络的结合：理论上粗糙集信息表和模糊 经网络 (以分别定性与定量地表达专家系统知识库中的启发式规则。但是对于变压器故障诊断，建立专家系统所需的信息量非常大，所获得的专家知识存在较大的冗余性，单一采用粗糙集信息表推理，查表搜索规则的计算量相当大，并且由于信息表中属性的属性值是含糊描述的，而实际约简时又需将它们进行离散处理，因而并不适于变压器故障诊断中的模糊推理，会出现临界问题，造成分类错误或误判；对于单一 知识表达与推理能力却完全依赖于先验知识，并没有对知识进行简化的能力，因此冗余的先验知识将导致庞大规模的 故障特征获取工作的繁重，从而严重影响 推理效率。文献 8基于智能互补融合思想，将 行了有机结合，建立了一种油浸电力变压器故障诊断模型，如图 1示。 模型首先利用粗糙集的数据分析、 压缩和容错能力对专家知识的简化与故障特征的压缩，获得最小诊断规则；然后根据最 小诊断规则，建立一种最优模糊络模型。最优 络模型不仅有效降低了网络结构的复杂性与故障特征获取的难度，方便描述故障特征的变化及对变压器运行特性的快速分析，而且图 1基于 压器故障诊断 型结构 电弧放电 火花放电 主 少 量少 过热故障 (介质损耗正常 (线圈层间、匝间短路介质损耗超标 (有铁芯接地电流 (无铁芯接地电流 (铁芯层间电阻正常 (铁芯层间电阻下降 (变压器中火花放电 铁芯螺丝、分接头等裸金属过热 变压器油流受阻过热 线圈接地 (线圈与铁芯接地 (铁芯层间短路 (铁芯多点接地 (铁芯接逢不良 ( 第 1 章 绪论 8 利用其并行模糊推理能力可以进行变压器故障的高效、快速诊断。模型通过粗糙集和模糊 络的串行结合， 同时克服了粗糙集的规则搜索、 临界问题和 分发挥了粗糙集和 络各自的优势，有效实现了定性分析和定量分析的有机结合。 文的主要研究工作 随着电力系统自动化的深入发展，电力变压器作为系统的枢纽设备，其运行可靠性受到学术界与工程界越来越多的关注。在变压器故障诊断过程中，最关键的是诊断的可靠性、时效性、正确率和诊断结论的具体明确，这样才可能更有利于变压器维护策略的制定，更有利于从真正意义上实现变压器的在线监测。变压器故障诊断能否达到这些要求取决于所采取的故障分析诊断技术， 变压器每一种故障类型的主要诊断参数和故障信息， 运用先进的理论和方法研究确定变压器故障诊断模型。当获得了故障诊断模型以后，就可以用来进行实际的变压器故障诊断。然而，尽管神经网络、模糊推理、信息融合等智能技术被陆续引入基于油中溶气的变压器故障诊断过程1820，使变压器故障诊断的智能化程度越来越高，但仍然在故障识别分辨力、 对变压器故障新模式的学习能力两方面存在较严重的缺陷，限制了这些方法在实际工程中的推广与应用。 针对目前变压器故障诊断中存在的以上不足， 受人工免疫系统具有很强的学习、识别、记忆和特征提取能力等特点的启发，本文根据免疫系统抗体对抗原的识别机制提出一种利用多种故障特征信息对变 压器故障进行免疫诊断的方法并拟从以下几个方面着手研究。 1. 深入分析研究人工免疫的基本原理和 当前典型免疫系统模型与免疫网络模型，提出并构建一种实用变压器故障免疫诊断模型。 2. 研究关键特征的模糊化处理方法，并 在此基础上利用粗糙集理论对不完备信息的强大分析处理能力，提取变压器各类故障的关键特征。 3. 对故障免疫模型中抗体抗原的最佳表 示方法以及抗体抗原之间亲和力的计算方法进行研究。 4. 利用人工免疫系统的自学习能力，研 究免疫诊断模型对变压器新故障类的学习方法，提出模型的学习算法。 5. 为确保故障诊断的时效性，分析确定模型资源的控制与动态调节方法。 6. 对变压器故障免疫诊断模型的诊断时 效性能及学习能力进行实验研究，以验证诊断方法、学习方法及资源控制方法的可行性与正确性。 硕士学位论文 第2章 基于器故障特征约简 9 第 2 章 基于 变压器故障特征约简 本章首先介绍变压器常见故障、特征信息的获取方法，然后在模糊处理故障特征信息基础上， 从故障诊断的时效性和信任性出发介绍基于粗糙集理论的简约故障特征信息提取方法。 压器常见故障与特征 电力变压器的故障涉及面广而且复杂多样， 特别是对于运行中发生的故障很难以某一判据诊断故障的类型和性质。但可以从部位、结构、回路、原因、性质等多种不同角度来划分运行中变压器的常见故障类型，见表 2中，绕组故障主要体现为绕组绝缘老化，绕组受潮，绕组匝间、层间及不同相之间绕组发生的接地、断路、短路、击穿或烧毁，绕组机械损伤和绕组变形；铁芯故障主要包括铁芯多点接地，因接地不良、片间短路、漏磁等原因引起的铁芯过热。对于放电性故障，一般按放电的密度不同而将其划分为局部放电、火花放电和电弧放电三类，局部放电是变压器在运行电压下绝缘结构内部发生的非贯穿性放电，放电能量密度不大，但一旦发展将引起高能放电并导致绝缘损坏或击穿。火花放电亦称悬浮放电， 是变压器内部某金属部件因接触不良并处于高低电极之间时发生的放电现象，放电密度大于 10般悬浮放电不会引起绝缘的快速击穿。变压器绕组匝间绝缘击穿、引线对地闪络或断裂、分接开关飞弧等原因将引发电弧放电，放电密度大、产气急剧、突发性及危害严重是电弧放电的主要特点。对于分接开关，其油泥受潮、触头接触不良、接地螺栓断裂、固定绝缘杆变形以及因密封不良侵入雨水等方面原因也将引发变压器内部绝缘故障。 表 2压器故障划分标准与常见故障 划分标准 故障类型 划分标准 故障类型 按变压器 结构分 绕组故障、铁芯故障、油质故障、附件故障按回路分 电路故障、磁路故障、 油路故障 按故障性质分 过热性故障、 放电性故障 按发生部位分 绝缘故障、铁芯故障、分接开关故障、套管故障 按变压器本体分 内部故障、外部故障 变压器内部故障模式主要是机械、热和电三种，而又以后两种为主，并且机械性故障常以热或电故障的形式表现出来21。表 2出了对 359 台故障变压器的故障类型进行分类统计的结果， 显然运行中变压器的故障主要表现为过热性和硕士学位论文 第2章 基于器故障特征约简 10 高能放电性。当变压器内部出现故障时，无论是过热性故障还是放电性故障，都会使油纸等绝缘材料的分子结构遭受破坏而裂解出大量气体，表 2据我国现行的变压器油中溶解气体分析和判断导则 (722出了不同类型故障产生的主要特征气体和次要特征气体。 表 2压器故障类型统计 故障类型 台次 比率 (%) 过热性故障 高能量放电性故障 过热兼高能放电故障 火花放电故障 受潮或局部放电 226 65 36 25 7 2压器不同故障类的特征气体 故障类型 主要气体成分 次要气体成分 油过热 油和纸过热 油纸绝缘局部放电 油中火花放电 油中电弧放电 油和纸中电弧放电 2, 2, 2, 2, 2, 水受潮或油中气泡可能使氢含量升高。 实际上，各种外部及内部原因都有可能引发或直接造成内部故障，各种变压器故障也都有可能危及内绝缘的安全， 根据历年来电力部门对变压器事故的统计分析， 85%以上的变压器事故是由变压器绝缘故障造成的4。 当变压器发生故障时，除了具有上述物理与化学分析方面的主要特征外，往往在某些主要电气性能方面还表现出一定特征，如绕组绝缘电阻、吸收比或极化指数，介质损耗正切值 载电流或空载损耗，局部放电量大小 ( )等。不管是物理化学特征还是电气特征， 它们在不同故障下有不同的量值或成分含量不同，因此如果采用合适的故障分析诊断技术，运用先进的方法与理论，设计确定一种适当的变压器故障诊断模型，通过化学分析、电气试验、绝缘试验等途径获取必要的故障特征，则可进行实际的变压器故障诊断。但值得注意的是，由于变压器故障的特征具有模糊性、随机性以及边界的亦此亦彼性，不同的特征在决策过程中发挥着不同的作用，使得变压器故障的诊断变得十分复杂。 硕士学位论文 第2章 基于器故障特征约简 11 压器故障特征的获取 为准确判定变压器故障的类型和性质，必须获取多种不同特征信息。获取特征信息的多少取决于对故障诊断的 分辨率和准确率等要求，例如 文 献 20利用神经网络理论和证据融合理论构建了一种基于信息融合的二级决策融合诊断模型，在该模型中需要通过不断寻找各种支持信息才可以使故障诊断结论逐步准确、 精细。而获取特征信息的方法取决于是否需要对变压器进行实时状态在线监测。在线监测变压器状态过程中， 需要通过在变压器上安装各种高性能传感器来连续获取变压器的状态特征信息。 而传统搜集变压器特征信息主要通过油中溶解气体色谱分析、绕组直流电阻试验、绕组变比试验、绕组绝缘电阻或吸收比试验、局部放电试验、铁芯接地电流试验等方法来得到22。 (1) 变压器油中溶解气体色谱分析 ( 术是检测各种变压器故障的重要方法。当变压器内部出现故障时，无论是过热性故障还是放电性故障，都会使油纸等绝缘材料的分子结构遭受破坏而裂解出大量可燃气体 (2，并伴随有氢气产生。可燃气体由绝缘油和固体绝缘在经受电、热、氧和水的作用后因分子裂变而产生；而氢气只在电弧烧伤变压器部件和材料或局部放电的情况下才会产生。基于此特性，在综合或智能诊断过程中，常用 分析结果来初步判断变压器内部是否出现过热性或放电性缺陷。 (2) 绕组直流电阻试验：该试验项目检查绕组是否断股、匝间有无短路等缺陷以及分接开关和引线接头的接触情况， 如获取三相绕组直流电阻的不平衡率信息需要先测量三绕组的直流电阻。 在确定变压器故障时绕组直流电阻信息常需要与其它特征信息