产品FAQ

地址:江苏省徐州市睢宁县宁江工业园创业路2号
电话:15852255369
产品FAQ

当前位置: 首页 > 新闻资讯 > 产品FAQ

电力变压器故障预测和健康管理-问题和前景

2021-01-18 10:43:42

1.研究背景


电力变压器它也是用于电力系统安全的最昂贵和最复杂的设备之一。目前,中国国家电网公司运营的110kV(66kV)或更高电压转换器的数量超过30,000台,总容量达到3.4TVA。由于电力变压器位于传输网络的中心,因此操作环境复杂且经常受到各种恶劣操作条件的影响,当发生故障时,突然发生大规模停电甚至爆炸。极有可能引起火灾等事故。直接和间接经济损失达数亿元。因此,克服诸如电力变压器运行状况管理和早期故障预警之类的关键技术对于预防和响应故障以及提高电网确保安全稳定运行的能力至关重要。具有重要的理论意义和实用价值。


目前,电力变压器中的大多数常用研究方法都是基于特定因素或某些因素做出决策,而没有综合考虑变压器的综合状态信息。另外,由于测试方法的局限性和知识的不准确性所获得的信息具有歧义性和随机性等特点,诊断结果的准确性和及时性远远达不到实际要求。


预后和健康管理(PHM)是一种理论和技术系统,使用先进的传感器技术,并使用各种算法和智能模型来监视,预测和管理系统的健康状况。这项技术可以解决由于故障后维修和定期维护而导致的“维护不足”和“维护过度”问题,并逐步将其替换为状态维护和预测性维护。 PHM在航空,电子和机械等领域迅速发展。但是,电力变压器的PHM方法并不完美,主要体现在下面。 ①变压器的健康监测主要集中在化学和电气故障上,很少关注机械故障。 (2)变压器油,气体和温度被广泛用于健康,相比之下,很少使用振动信号。 (3)目前,对变压器PHM的研究还处于监测/诊断阶段,关于故障预测和剩余寿命(RUL)预测的研究很少。


2.电力变压器障碍物复杂度分析


从当前电力系统运行的历史统计数据来看,经常发生电力变压器外部短路,绝缘阻尼和分接开关触头接触不良。频繁发生故障的顺序大致是绕组,铁芯,抽头开关。 ,套管,绝缘油,冷却系统,保护装置,测试系统,油箱。另外,电力变压器在操作期间受到各种内部和外部应力(例如“电磁力-热”)的综合作用,从而损害了变压器的绝缘性能并导致缺陷甚至故障。


影响电力变压器正常运行的主要因素


因此,仅使用传统的物理建模技术已不足以实现大规模电力变压器。期望通过全面应用现代电气,信息,数据和成熟的系统科学方法,为电力变压器健康分析和管理提供实用的解决方案。它一直。


3.电力变压器PHM的含义和趋势分析


目前,PHM方法主要分为数据驱动,模型驱动和混合方法。此外,数据驱动的方法包括统计和机器学习,模型驱动的方法包括故障物理分析和系统模型方法。今天,电力变压器状态监视数据格式和标度比以前大得多。例如,实时操作数据,工作状态数据,缺陷信息,维护历史记录,家庭质量历史记录和其他信息共存。多亏了先进的信息技术和大数据处理方法,在电力变压器的管理和维护中由数据驱动的PHM过程是切实可行的。


在正常情况下,PHM在电力变压器中涵盖了七个级别的数据收集,数据处理,状态评估,故障诊断,故障预测,决策支持和系统级应用程序以及与医疗保健相关的疾病。您可以实现机制与剩余寿命之间的关联。周期基本相同。首先定义电力变压器的PHM周期。


电力变压器PHM周期


3.1健康监测


目前,关于电力变压器的评估,诊断和预测的研究主要基于DGA数据,但是基于DGA数据的理论研究结果在实际应用中仍然存在一定的局限性。由于振动信号分析方法没有电连接到整个电力系统,不影响电力系统的正常运行,具有较高的防干扰功率和灵敏度,因此近年来引入了基于振动数据的变压器PHM方法。它引起了人们的注意。实时振动数据反映了变压器内部的相关状态信息。另外,从图像识别的角度来看,健康监视电力变压器也具有特定的参考重要性。


3.2特征提取与故障诊断


健康指数(HI)在表征变压器的健康和劣化方面起着重要作用。建立HI的关键是相关特征的提取,选择和融合。当前行业标准DL / T 722-2000-“分析和确定变压器油中溶解气体的准则”推荐的改进的三比率方法在实际应用中绝对缺乏编码。它揭示了编码限制的缺点。因此,已经提出了几种智能诊断算法。例如,模糊理论,支持向量机,粗糙集,灰色理论,深度学习。因此,未来的变压器故障诊断将是基于完整数据和多种算法的融合的详细诊断。


3.3故障预测


在当前的国内外文献中,与预测有关的研究在很大程度上依赖于与诊断有关的研究。这是因为诊断涉及识别和量化已发生的故障(基本上是追溯性的),因此预测会尽可能多地预测未发生的故障。该预测应取决于诊断的输出(故障指标,降级率等)。不能单独完成。寿命的准确预测是PHM的核心和基础,也是正确决策的关键和前提。但是,大多数现有寿命预测都是基于UK EA Technology的电气设备健康状况的老化公式。 DHI是健康指标,B是老化的恶化因素。


该理论可以计算出剩余寿命的近似值,但是该值太绝对了。因此,电力变压器如何构造剩余寿命的概率密度分布函数并获得概率分布区间将是未来的难题。


4.需要详细考虑的问题


目前,电力变压器PHM研究仍处于准备阶段,特别是在大规模电力变压器维护和运营管理领域。作者认为,仍有一些问题需要注意。


4.1电力变压器大数据


由于高级检测器在变压器内部和内部的广泛部署,变压器检测技术趋向于智能化。数据显示了多个异构大数据的特征。图3以数据立方体的形式显示了电力变压器大数据的多维属性。 电力变压器大数据存储管理,并行处理和挖掘技术将成为对未来变压器的复杂管理的研究方向。


 电力变压器故障数据的多维显示


4.2改善数据质量


当前,传输网络公司正在积累与条件有关的大量数据,例如操作条件,电源故障测试,实时测试,在线监视,操作维护,故障/故障,环境天气,设计图等,但是数据存储形式不同,数据也不同。质量存在差异。在智能电网大数据的情况下,您需要执行电力变压器故障特征数据的详细捕获以及诸如清理,过滤,删除和转换冗余数据之类的预处理操作。提高数据质量的主要方法是融合非结构化和多尺度数据的结构化模型表示。


4.3多源数据不确定性


电力变压器存在明显的不确定性,例如传感器监视数据的不确定性,劣化状态的不确定性,变压器主体结构的复杂性,操作条件的不确定性以及健康状况评估的模糊性。这些因素降低了变压器PHM的精度。因此,为解决上述问题,具有不确定性管理功能的PHM方法将是研究的突破。


4.4长生命周期数据采集问题


对于新投产的电力变压器,无法观察和获取大量故障数据和状态监视信息,在这种情况下,数据的数量和完整性将是一个完整的统计模型和深度学习。它不能满足所需的大量训练数据样本的要求。因此,有必要基于基于少量数据的现有诊断方法对电力变压器故障机制进行详细分析,并将物理模型与专家经验相结合,以纠正和补充诊断结果。这使得原因分析如下所示:统计分析相互作用。


4.5在线技术


传统的不规则老化实验在确保电力变压器的安全和稳定运行中起着重要作用,但局限性越来越明显。为了掌握在电力变压器的操作过程中形成缺陷或缺陷的初始特征参数,可以通过信息手段快速准确地评估这些特征参数,以便实时评估电力变压器的操作状态。有必要分析,诊断和阐明这种关系。 ..因此,具有数字化测量,控制网络,状态可视化,功能集成和信息交互的智能变压器的研发是在线监控技术的基本硬件保证。同时,传感器网络设计也是在线技术需要解决的主要问题之一。


4.6详细的故障诊断


电力变压器PHM要求的详细诊断不仅是确定故障的具体位置,而且是确定故障的根本原因。当然,现有的残疾分类可能会受到通用分类规则的限制。在未来的研究中,我们可以尝试以更可能的方式对训练数据样本进行划分,以得出更深入的故障诊断结论。


4.7其他


1)环境因素


环境因素通常会影响电力变压器的智能检测。在实际应用中,变压器会受到环境条件(例如环境温度,振动,灰尘,腐蚀性气体和雷电)的影响,其性能可能会有所变化。因此,除了变压器本身之外,在变压器的常规检查过程中还需要变压器。为了确保变压器的可靠运行并延长其剩余寿命,请根据周围环境进行一些特殊检查和处理。


2)新工艺新技术


电力变压器它正在向大规模,高可靠性,高智能,高节能,高环保的方向发展。具有自我诊断能力的智能变压器是当前变压器行业研发的重点。与以前的变压器相比,最大的不同是它拥有更多的电子设备,智能传感器,执行器并可以监视关键状态参数。但是,智能变压器中电力电子设备的可靠性(例如控制和数据共享)也需要进行详细分析。


地址:江苏省徐州市睢宁县宁江工业园创业路2号 Copyright © 2011-2020 江苏中盟电气设备有限公司 版权所有 Powered by EyouCms

ICP备案编号:苏ICP备19059741号-2