[发明专利]一种变压器故障诊断方法

说明书

本发明提供一种变压器故障诊断方法，采用三比值法、BP神经网络与援例推理的结合的方式进行变压器故障诊断，大大提高了变压器故障判断的准确性，降低维修成本、减少维修风险，可以更好的将各专业人员进行组织，将设备各类状态数据有效地得以利用，为更准确的判定设备状态和提供辅助决策建议提供了技术支持，也为实现电网资产的全寿命管理奠定良好的技术基础。为电网设备安全、稳定、可靠、长周期、优质运行提供可靠的技术和管理保障措施。

技术领域

本发明涉及变压器故障诊断技术领域，尤其涉及一种变压器故障诊断方法。

背景技术

变压器是电力系统的重要设备，其运行状态直接影响电力系统的安全水平。然而由于变压器是综合了机械、电气、化学、热力学等多学科技术的一个封闭整体，影响其故障的原因错综复杂，故障诊断需要多方面的数据和知识，单凭某一方面或几方面就主观地下结论必然导致误判或漏判。目前常见的故障诊断方法为三比值判断法、过热放电图判断法、HAE三角图判断法、特征气体法等，每种单一的诊断方法，虽然对某些特定的故障识别率较高，但也存在缺点。以比值法为例，它对故障属于过热或者放电类型的正判率较高，一般能达到90％以上。但对于过热类型故障，在进一步判断到底是属于导磁回路还是导电回路过热时，其正确率就大大降低，仅依靠单一的某种故障诊断方法来决定故障是不够可靠的，也无法满足工程需求。而人工神经网络作为一种形式上接近人脑构造的新型信息处理系统，具有强大的并行处理能力、分布式存储能力和自适应学习能力，因而在油中溶解气体含量分析结果的基础上结合人工神经网络技术进行变压器绝缘故障诊断已成为近年来的研究热点，并取得了较大的进展，因此，为了确保海南电网运行的安全可靠、灵活协调、优质高效、经济环保，迫切的需要一种能准确判断变压器故障的方法。

发明内容

本发明的目的在于提供一种变压器故障诊断方法，以解决上述背景技术中提出的问题。

本发明是通过以下技术方案实现的：一种变压器故障诊断方法，采用三比值法、BP神经网络与援例推理的结合的方式进行变压器故障诊断，其步骤为：

S1、分别检测变压器内氢气、乙炔以及总烃气体∑C的含量是否超标，并检测总烃产气速率是否超标；

S2、根据所检测的气体含量结果以及总烃产气速率，判断变压器是否产生故障，当变压器未发生故障时，采用基于粗糙集的方法进行校验；

S3、当变压器发生故障时，采用三比值算法、BP神经算法以及援例推理法对变压器故障类型进行初步分析，确定变压器故障类型为放电故障还是过热故障；

S4、根据所述初步分析结果，继续采用三比值算法、BP神经算法以及援例推理法对变压器的故障类型进行进一步分析，确定变压器的放电故障类型或过热故障类型；

S5、根据变压器的故障诊断结果，采用基于粗糙集的方法进行校验。

优选的，步骤S2中，当判断上述四个条件中有一个以上超标时，即判断变压器发生故障。

优选的，步骤S3中，所述变压器放电故障包括涉及固体绝缘的放电故障以及不涉及固体绝缘的放电故障，所述变压器过热故障包括导电回路过热故障以及导磁回路过热故障，对变压器故障类型进行初步分析的方法为：

S31、分别获取变压器内氢气、乙炔、乙烯、甲烷、乙烷气体的含量，并根据该数据采用三比值判断法初步判断变压器的故障类型；

S32、根据变压器内氢气、乙炔、乙烯、甲烷、乙烷、一氧化碳、二氧化碳的气体含量数据，采用BP神经算法初步判断变压器的故障类型；

S33、根据变压器内氢气、乙炔、乙烯、甲烷、乙烷、一氧化碳、二氧化碳气体的含量数据，采用援例推理法初步判断变压器的故障类型；

S34、综合以上三种判断结果，当有两个或两个以上的判断结果是同一故障类型时，则初步判断变压器为该故障类型。