基于多维度数据融合与分析的变压器移动监测评估模型设计_郑大鹏.pdf

电子设计工程Electronic Design Engineering第31卷Vol.31第15期No.152023年8月Aug.2023收稿日期：2021-12-21稿件编号：202112137基金项目：内蒙古电力（集团）有限责任公司科技项目（2021-14）作者简介：郑大鹏（1983），男，内蒙古达拉特旗人，工程师。研究方向：带电检测。作为电力系统中的关键设备，变压器的安全、稳定运行日益受到各界关注。其一旦出现紧急故障，会影响电网的安全生产与人民生活，严重时甚至会基于多维度数据融合与分析的变压器移动监测评估模型设计郑大鹏，关 威，李崇宇，刘文杰，张桐瑜（内蒙古电力（集团）有限责任公司 鄂尔多斯供电分公司，内蒙古 鄂尔多斯 017100）摘要：目前还没有仅靠一种手段就能有效诊断变压器状态的方案，而对变压器实施全方位、多维度在线监测，并融合多种手段进行状态分析具有较高的工程应用价值。针对电力变压器运行过程中数据种类繁多、状态评价中各指标不确定等问题，提出了一种基于多维度数据融合与分析的变压器移动监测评估模型。该模型筛选了具有代表性且能较全面反映变压器状态的监测量，并规定了移动监测平台设备的参数范围，进而深入研究了多维度数据融合分析算法。通过综合分析构建了一个更为全面的变压器健康状态评估模型，给出了各监测状态量的权重系数及评估流程，从而建立了完整的变压器状态评价体系。实际案例的测试结果证明了所设计模型的有效性。关键词：数据融合；变压器；移动监测；状态评估中图分类号：TN-9文献标识码：A文章编号：1674-6236（2023）15-0126-05DOI：10.14022/j.issn1674-6236.2023.15.026Design of transformer movement monitoring and evaluation model based onmultidimensional data fusion and analysisZHENG Dapeng，GUAN Wei，LI Chongyu，LIU Wenjie，ZHANG Tongyu（Ordos Power Supply Branch，Inner Mongolia Electric Power(Group)Co.，Ltd.，Ordos 017100，China）Abstract:At present，there is no scheme that can effectively diagnose the state of transformer by onlyone means.The implementation of omnidirectional multidimensional online monitoring of transformerand the integration of various means for state analysis has high engineering application value.Aiming atthe problems of various data types and uncertain indexes in power transformer operation，a transformermovement monitoring and evaluation model based on multi dimensional data fusion and analysis isproposed.The model selects the monitoring quantity with representative performance to comprehensivelyreflect the transformer status，specifies the parameter range of mobile monitoring platform equipment，and deeply studies the multidimensional data fusion analysis algorithm.Through comprehensiveanalysis，a more comprehensive transformer health state evaluation model is constructed，the weightcoefficient and evaluation process of each monitoring state quantity are given，and a complete transformerstate evaluation system is established.The test results of actual cases prove the effectiveness of the modeldesigned in this paper.Keywords:data fusion；transformer；movement monitoring；condition assessment-126造成大范围停电，从而带来不可估量的经济损失1。所以对变压器进行全方位诊断，并实现检测其局部放电信号，进而提前发现变压器故障且及时采取措施，对电网的稳定运行极为重要。由于变压器运行环境复杂，现有监测装置通常是专项监测，仅能对变压器油中气体、局部放电与振动等进行单项监测2。此外，传统在线监测装置资金投入量大、成本较高。根据厂家产品特性，其种类较多且每套设备需独立安装，故难以实现大规模推广。随着变压器的复杂性不断提高，若仅依靠直接观测及单一状态量分析来对变压器运行状态进行估计与故障诊断是不够充分的，且无法实现智能状态研判3-4。例如，基于蚁群算法（Ant Colony Optimization，ACO）5-7的变压器故障诊断方法存在搜索时间长、易陷入局部最优、收敛速度较慢等问题。而专家系统评价的方法，则难以进行客观评价8-9。与此同时，人工神经网络（Artificial Neural Networks，ANNs）10-14依赖于大量的样本数据，隐式的评价模型也较难剖析因果关系。因此，为了准确地诊断变压器的运行状态，需要海量信息源进行融合及支持诊断。故该文首先选择合适的变压器监测状态量，并确定数据融合方法；再利用模糊匹配关联规则的统计方法获取相应监测状态的权重系数；然后采用变压器健康指数法计算各变压器的健康值，以此建立更全面的变压器运行参数评价体系；最终通过实例验证了该文设计模型的准确性。1变压器多维度移动监测平台在传统单一方式的变压器在线监测设备基础上，结合多种状态量的分析，建立了基于六维度联合分析法的变压器移动式健康评估监测平台。1.1监测状态量1）局部放电超声信号。超声传感器采用高灵敏度差分振子，自感应无线同步，实时锁定放电相位。超声传感器呈矩阵式分布，采用脉冲包络时延技术确定缺陷点位置；2）局部放电高频信号。采用反馈式主动降噪高频局放干扰信号过滤技术，从源端排除了高频局放现场电磁干扰的问题，有效避免了干扰信号对高频局放检测所带来的影响，从而提升了监测的准确度。高频监测模块采用百兆高速信号处理技术及局放脉冲缓存技术，真实呈现了局放脉冲；3）局放特高频信号。变压器绝缘材料的绝缘强度与击穿场强较高，小范围发生局放时会激发 GHz级别的电磁波。局放特高频检测（UHF）通过特高频传感器感知局放发生时的特高频电磁波信号，且根据现场情况，可采用内置式或外置式传感器来实现局放的带电检测及故障类型的定位与识别；4）油中气体含量。油色谱和微水监测单元的数据，可通过不同的分析方法来进行处理。大卫三角形通过对甲烷、乙烯、乙炔 3种气体分析进行故障类型判断；改良三比值法在 5 种特征气体中选取两种溶解度与扩散系数相近的气体组成 3 对比值，并以不同的编码区分各种故障类型。基于非分散性红外线技术（Non-Dispersive Infra-Red，NDIR）的油气监测设备能够实现对 9 种气体及微水快速、准确的检测，其可靠性高、免维护、无载气且无标气；5）振动状态量。变压器绕组压紧力变化，绕组变形或内紧固件松动情况可由振动测量信号反映。利用小波变换对振动信号进行多分辨率分析，并依据各频段的能量分布绘出图形，以获得不同频段的能量百分比作为数据特征，进而诊断变压器部件松动缺陷；6）铁心接地电流。铁心电流监测模块具有趋势分析、频谱分析及波形分析的功能。趋势分析能够通过铁心电流监测值的增量判断变压器故障，波形与频谱分析则能获得电流信号的波形及频域特征，利用此类分析方法可有效判断变压器铁心多点接地故障。此外，传感器采用三重屏蔽处理技术，故具有极强的抗干扰能力。1.2监测设备参数监测设备应具备自动、连续或周期性采集设备油中溶解气体、铁心和夹件接地电流、超声波局放、高频局放、振动等状态监测信息的功能。此外，设备应能够识别高频、特高频、超声局部放电相位分布图谱（Phase Resolved Partial Discharge，PRPD）、脉冲序列 相 位 分 布 图 谱（Phase Resolved Pluse Sequence，PRPS）和局部放电类型，并可判断变压器中的典型局部放电类型，还能监测油中溶解气体乙炔、氢气、总烃监测量的幅值、绝对增量及相对增长速率等。表 1所示为变压器移动监测平台设备参数。对于铁芯夹件接地电流监测传感器与油色谱监测单元，市面上有众多采集设备，故采用主流监测装置即可。2多维度数据融合与分析算法变压器本体和套管的健康变化情况，可用短郑大鹏，等基于多维度数据融合与分析的变压器移动监测评估模型设计-127电子设计工程 2023年第15期路电流、漏油、末屏及介损等状态量评估。鉴于表征形式，提炼出高频局放、超声波局放、特高频局放、油气、铁心接地电流及振动 6 个维度的数据，并融合六维度数据联合分析变压器的健康状态。在变压器运行状态的模糊诊断模型中，多个单一的故障诊断结果能够产生相互关联、综合的运行状态结论15-19。通常，变压器运行状态的诊断与估计基于一系列严格而明确的运行标准。一旦该标准中所要求的任一条件无法满足，就会出现故障警告。然而，由于故障现象与故障机理间具有不确定性，故二者之间存在模糊关系，即在未知故障期间，较难甚至无法将故障现象映射到特定的已知类型。所以仅通过操纵一个诊断阈值或标准，几乎不可能诊断出未知的故障并估计出其相应的状态，因为某一故障可能导致不同的现象发生，反之亦然。因此，通过引入一种称为故障关系矩阵的特殊矩阵，能够更好地描述故障现象与类型之间的关系，其是一个由0及1组成的简单关系矩阵。从逻辑上讲，一个数学命题完全可以用真或假来判断，通常“1”表示真，“0”表示假。在实践中，如变压器过热或输电线路过压，“过热”与“过电压”的命名均是模糊的，不能用数学来定义。因此，需要使用一个索引来显示二者的相关性。该模型能够通过xij遍历开区间(0,1)来改进，以更准确地表示现象及故障间的可能性。故在模糊模型中，采用更准确的单个元素版本：xijxij|0 xij1,1im,1jn（1）其中，xij值可以清楚地反映相关性的程度。首先，用“现象矩阵”作为未知故障过程中所有可能现象的泛集。假设有多种不同现象，则该矩阵可表示为：P=p1p2pm（2）其中，pi=1,第i个现象发生0,第i个现象不发生（3）其次，将“故障矩阵”作为各种故障的通用集合。假设存在全部不同类型的故障，则该矩阵可表示为：F=f1f2fn=p1p2pn x11x12x1nx21x22x2nxm1xm2xmn=i=1mpixi1i=1mpixi2i=1mpixin（4）最终，若获得的故障类型指标数为j，则通过式（5）计算，即由该模糊综合评价模型确定故障数量。fj-max=maxi=1mpixi1i=1mpixi2i=1mpixin（5）显然通过模糊综合评价模型，能够量化故障现象与故障类型