[发明专利]一种用于变压器放电性故障诊断的方法

说明书

技术领域

 本发明有关一种用于变压器放电性故障诊断的方法，具体是一种基于BP神经网络的变压器双参数联合诊断方法。

背景技术

电力行业是支撑国民经济和社会发展的基础性产业和公共事业，所有行业的发展都离不开稳定的电力供应。随着我国经济发展的稳步推进，整个社会对电力的依赖程度也越来越高。

电力变压器作为变电站的核心高压设备，其运行的可靠性直接关系到电力系统的安全与稳定。据统计，我国110kV及以上电压等级的大型变压器事故中，一半是匝间绝缘事故，且都是正常运行过程中损坏的。变压器的内部绝缘主要是油纸绝缘，在工作电压下变压器内油纸绝缘老化并发展到击穿的主要因素便是局部放电。油纸绝缘中的局放大多是从其中的气隙、导电悬浮体、导电体本身表面的尖端、不同绝缘介质的表面和油隙等处开始的。局放的发生预示着变压器绝缘的劣化，如果局放持续发生而不加以处理，其放电强度有时会愈演愈烈，加速变压器内部绝缘的劣化。变压器运行时的局部放电在线监测技术则可以有效地发现因长期运行使得绝缘发生老化而产生的局部隐患，可以将故障的发生扼杀在早期的形成阶段。

不同于传统的定期检修，局部放电和油中溶解气体两大类变压器在线状态监测技术在实际变压器上的应用越来越多，国内外相关产品种类繁多且相比其它变压器参数的检测技术更为成熟，比如基于脉冲电流法、超声波法和超高频法的局部放电在线监测仪器，基于气相色谱原理和光声光谱原理的油中溶解气体在线监测仪器等。这些由国内外各厂商研制的独立的在线监测设备可以实时监测变压器的各项参数和运行状态，但是它们互相之间不能协同合作，且由于这类技术还没有发展得很成熟，其监测数据还只能提供一些参考的意见，不能让电网工作人员随时随地且非常准确的获取各电力变压器的运行状态及故障参数，电力变压器的自我诊断与自我故障恢复更无从谈起。

发明内容

有鉴于此，本发明的主要目的在于提供一种基于BP神经网络、并结合变压器双参数的用于变压器放电性故障诊断的方法。

为达到上述目的，本发明提供一种用于变压器放电性故障诊断的方法，其特征在于，该方法结合了变压器在线监测所涉及的局部放电和油中溶解气体两种参数，利用神经网络，将上述两种参数有机结合，通过检测到的局部放电参数和油中溶解气体参数，对变压器内部发生的放电性故障类别进行联合诊断。

所述神经网络为一个有30个隐藏节点的BP神经网络，其输入向量为10维，输出向量为4维。

所述局部放电参数是通过对超高频天线传感器测得的宽带信号取其150MHz~450MHz、450MHz~750MHz、750MHz~1.05GHz三个频段的归一化功率谱含量作为10维输入特征向量的3个变量。

所述油中溶解气体参数是通过对变压器内的油样用离线色谱法或光声光谱法进行油中溶解气体分析，得到H₂、C₂H₂、C₂H₄、C₂H₆、CH₄、CO、CO₂七种气体组分的浓度，作为10维输入特征向量的7个变量。

变压器放电性故障包括有悬浮放电、尖端放电、沿面放电和气隙放电四种故障类型，该神经网络的输出向量为0或1的四位故障编码，分别对应于上述四种故障类型。

将上述七种气体的浓度转化为相对百分含量作为输入特征向量的7个变量。

将CO₂与H₂的浓度分别作                                                与处理后再计算其相对百分含量。

本发明的方法提高了对于放电性故障诊断的准确性，克服了局部放电信号分析和油中溶解气体分析在故障诊断中的局限性；在构建人工神经网络时，只要做一系列典型实验，即可完成对神经网络的训练，实现简便。

附图说明

图1为本发明中的变压器放电性故障诊断原理框图；

图2为本发明中的模拟变压器立体示意图；

图3为本发明中的模拟变压器内部结构示意图。

具体实施方式

为便于对本发明的方法及达到的效果有进一步的了解，现结合附图并举较佳实施例详细说明如下。

图1为本发明中的变压器放电性故障诊断原理框图，其中，T为高压试验变压器，R为保护电阻，6为模拟放电源，Ck为无局放耦合电容，Z为检测阻抗，天线为宽带超高频天线。