電力變壓器是電力系統(tǒng)的樞紐設備,在變電站中,主變壓器能否安全可靠運行,直接關系到電網(wǎng)的安全運行。要使主變壓器安全運行,提高供電可靠率,除了應選用技術過硬、產(chǎn)品質(zhì)量好的變壓器以外,關鍵是要不斷提高主變壓器的運行、維護、檢修水平。而故障診斷技術則為此提供了一種有效的手段。
2 變壓器常見故障分析
1)導電回路過熱故障
主要有引線接觸**(包括將軍帽接線裝置過熱)、線圈導線接頭焊接質(zhì)量差以及虛焊、過負荷運行等都會引起導電回路局部過熱。
2)絕緣水平下降www.tgdq18.com
主要有變壓器進水受潮(包括將軍帽密封**進水)、變壓器油油質(zhì)**(如介損偏大、有微生物、含水量高等),變壓器內(nèi)部局部過熱也會造成絕緣損壞以及絕緣材料的熱解。變壓器所用的電氣材料包括絕緣材料、導體(金屬)材料兩大類。變壓器的絕緣材料主要是絕緣油和紙,故障下產(chǎn)生的氣體也主要來源于油和紙的熱裂解。絕緣油是由烷烴、環(huán)烷烴、芳香烴等碳氫化合物組成的混合物。絕緣紙的成分是纖維素,主要是由糖或多糖類構成的高分子碳水化合物。絕緣油熱分解時,因分子鏈的斷裂反應產(chǎn)生低分子烴類氣體。絕緣油大約在300℃左右就開始熱分解,但如果延長加熱時間或存在某些催化劑時,則在150～ 200℃也會產(chǎn)生熱分解。絕緣紙熱分解時,因分子鏈反應將產(chǎn)生二氧化碳、一氧化碳及少量低分子烴類氣體。絕緣紙的熱解溫度也是300 ℃左右,但如果長時間加熱,在120～150℃也會裂解而產(chǎn)生碳酸氣。其他絕緣物的熱分解物大體和絕緣油相似,但各有特點。金屬材料在絕緣物的熱分解過程中會起到催化作用,當有水分存在時,還會產(chǎn)生氫氣。
3)產(chǎn)氣故障
常見的產(chǎn)氣故障有過熱和放電兩種類型。放電故障可分為局部放電和其他形式的放電故障兩種類型。過熱故障的主要原因有:①導體故障;②磁路故障;③接點或連接**。熱點溫度的高低、產(chǎn)氣組分的相對濃度特征有所不同,熱點與局部放電,電弧放電時的產(chǎn)氣組分濃度特征也不相同,祥見表1。
4)調(diào)壓開關故障
調(diào)壓開關主觸頭沒有到位,調(diào)壓開關抽頭引線松動,調(diào)壓開關觸頭燒毛,調(diào)壓開關觸頭接觸壓力不夠,還有有載調(diào)壓開關中的切換開關接觸**,切換開關觸頭燒毛,過渡電阻斷線、調(diào)壓時滑檔等,另外還有滲油,即切換開關中油滲到本體中引起本體油色譜異常等。
5)變壓器繞組變形
由于運輸過程中不注意或沒有采取安全措施使繞組發(fā)生移位。由于抗短路能力差,當發(fā)生出口短路時變壓器繞組發(fā)生變形或散架,嚴重時造成變壓器燒毀。
6)變壓器滲油缺陷(包括冷卻器滲油)。
7)電容套管故障
主要是進水受潮、油介損不好或整體介損不好,制造質(zhì)量比較差內(nèi)部存在著嚴重的局部放電(運行中油色譜異常),運行中末屏接地**等造成套管絕緣**或絕緣損壞事故發(fā)生等。
以上變壓器的常見故障有多種測試和監(jiān)測手段,這些手段有的能夠測試出部分故障,有的可以綜合判斷運行狀態(tài)及故障點、故障原因。
3 變壓器運行狀態(tài)的主要測試與監(jiān)測手段
1)直流電阻的測量
直流電阻雖然是一個測試方法比較簡單的實驗,但它能比較直觀地確認繞組、引線、調(diào)壓開關等導電回路是否正常。它能發(fā)現(xiàn)繞組導線的焊接質(zhì)量,引線接頭是否擰緊接觸是否良好,調(diào)壓開關觸頭接觸是否良好等。
2)油色譜分析
通過油色譜分析可以判斷變壓器內(nèi)部是否存在著過熱性故障(導電回路、鐵芯多點接地引起過熱等)嚴重的局部放電、電弧放電故障等,它是一個綜合性判斷變壓器運行狀態(tài)的重要手段之一。
3)絕緣性能測試 通過絕緣電阻、吸收比、極化指數(shù)、介損、電容量(包括電容套管)、泄露測試等實驗可掌握變壓器的繞組絕緣水平和鐵芯對地絕緣。通過油介損、微水、油簡化測試可反映絕緣介質(zhì)的好壞。
4)遠紅外測溫 通過紅外線測溫可以隨時掌握各出線引線接觸是否良好。
5)有載調(diào)壓開關特性測試
通過有載調(diào)壓開關切換時間、周期、切換的波形測量可以掌握變壓器的有載調(diào)壓開關的性能是否良好。
6)繞組變形測試和低電壓短路阻抗的測試
可以掌握變壓器出口短路后變壓器繞組有否變形和移位。以上方法各有特點,其中油色譜分析是一種綜合的判斷方法。據(jù)統(tǒng)計[4],我國電網(wǎng)中有50%以上的故障變壓器是通過該試驗結果檢出的。由于這一檢測技術能夠在無須停電的情況下進行,不受外界電場和磁場因素的影響,因此可以在線對變壓器內(nèi)部絕緣狀況進行診斷,有利于狀態(tài)維修的發(fā)展。
油色譜分析可以在變壓器運行中隨時取樣分析,也可以采用在線監(jiān)測的油色譜裝置(也是有源的)**分析。這種方法從運行的角度看應該是一種比較理想的主要監(jiān)測分析方法。
4 基于油色譜分析方法的變壓器故障診斷技術
用油色譜分析法分析油中溶解物來診斷變壓器內(nèi)部故障,有以下幾種方法。
1)油色譜分析的現(xiàn)狀
變壓器運行時出現(xiàn)內(nèi)部故障原因往往不是單一的,一般存在熱點的同時還有局部放電,而且故障是在不斷發(fā)展和轉化的。在判斷設備有無故障及其嚴重程度時,要根據(jù)設備運行的歷史記錄和設備特點以及外部環(huán)境等因素進行綜合判斷。故障產(chǎn)氣與正常產(chǎn)氣在技術上是不可分離的。經(jīng)驗表明,當懷疑設備固體材料老化時,一般CO2/CO大于7;當懷疑故障涉及到固體絕緣材料時,CO2/CO可能小于3;當懷疑紙或紙板過度老化時,應適當測試油中糠醛含量,或測試紙樣聚合度。在線檢測可隨時檢測油中溶解氣體含量,對保證主網(wǎng)安全運行有重大意義。但在線監(jiān)測儀出現(xiàn)報警時,必須由實驗室色譜儀分析其組份和質(zhì)量分數(shù),再做進一步判斷。有載調(diào)壓操作產(chǎn)生氣體與低能量放電相符,當主油箱C2H2/H2大于2～ 3時,可能是有載調(diào)壓污染主油箱,可利用比較主油箱、有載調(diào)壓油箱和儲油罐油中溶解氣體分析來確定,或通過油柱靜壓試驗法和氣體試漏法來檢漏。對變壓器故障部位的準確判斷,有賴于對其內(nèi)部結構和運行狀態(tài)的**掌握,并結合歷年色譜數(shù)據(jù)和其他試驗(直阻、絕緣、變比、泄漏、空載等)進行比較,色譜分析與判斷的技術應借鑒新方法并結合使用。Borsi分析了變壓器油中產(chǎn)生的氣體和故障間的關系。
2)基于專家系統(tǒng)的故障診斷方法
人工智能的出現(xiàn)為變壓器故障診斷提供了良好的新途徑。判斷故障類型、故障點、故障狀況需要大量的經(jīng)驗,而專家系統(tǒng)正好適合解決這類問題。該領域*早使用的專家系統(tǒng)是Riese的TOGA系統(tǒng)。國內(nèi)也有根據(jù)油色譜分析和電氣試驗作為主要檢測數(shù)據(jù)來源的一套電力變壓器故障診斷專家系統(tǒng)。這方面還有很多采用正反向混合推理的研究及應用系統(tǒng)實例。但是,專家系統(tǒng)所采用的判斷規(guī)則和專家?guī)熘薪?jīng)驗的準確度卻成為專家系統(tǒng)的“瓶頸”。即專家?guī)煨枰粩嗟匦拚蛿U充。徐文等將模糊數(shù)學理論和專家系統(tǒng)相結合,形成模糊推理知識庫,應用于變壓器故障診斷。
3)基于神經(jīng)網(wǎng)絡的故障診斷方法
神經(jīng)網(wǎng)絡系統(tǒng)具有自組織、自學習的能力,它不包含具體的診斷規(guī)則,而是將診斷規(guī)則隱含于權值矩陣中,通過對故障樣本的自學習來自動修正和擴充對故障的判斷能力。目前,變壓器故障診斷中使用*多的是BP神經(jīng)網(wǎng)絡。Zhang等認為具有單隱層的神經(jīng)網(wǎng)絡分類效果*優(yōu),它具有*小運算量,同時完全滿足故障現(xiàn)象和故障原因之間的非線性映射。但是BP神經(jīng)網(wǎng)絡容易收斂到局部*優(yōu)解,為了解決這個問題,已提出了幾種結合其他方法的學習算法。其中有結合遺傳算法的多層前饋網(wǎng)絡[10],其進行網(wǎng)絡訓練的初始權值是全解空間中的*優(yōu)解。而另一種在學習算法中加入隨機擾動的方法也取得了較好的效果。
4)其他的故障診斷方法
基于油色譜分析進行故障診斷,還有很多其他方法。李天云將灰色故障診斷方法[21]運用到變壓器的油色譜分析上,利用灰色關聯(lián)度分析來診斷,其實質(zhì)是比較時間函數(shù)的幾何形狀的接近程度。它是根據(jù)一組典型的由變壓器各種運行狀態(tài)的油色譜分析求得標準狀態(tài)模式(故障特征向量矩陣),然后對待檢的運行狀態(tài)與標準狀態(tài)模式進行數(shù)學分析—灰關聯(lián)度分析。宋斌等提出了將模糊聚類分析應用于變壓器故障診斷。
5 結 語
目前變壓器的故障診斷正逐步進入預報維修的新階段,但真正做到這一步還有很多難點和重點需要解決。首先是三比值法中的乙炔含量,傳統(tǒng)的注意值是否完全滿足要求?還是一經(jīng)產(chǎn)生乙炔就應考慮到氫氣的增長來判斷故障是否產(chǎn)生。而且傳統(tǒng)的三比值法僅僅是通過和注意值比較來判斷,經(jīng)驗的比重較大,因此可以考慮采用主元分析法建模。其次,采用優(yōu)化的BP神經(jīng)網(wǎng)絡做數(shù)據(jù)分析有兩個難點:一是學習算法的優(yōu)化;二是輸入特征參量的選擇。對于輸入特征參量的選擇,采用氣體含量比值的方法應是一種較好的方法。比值應有:C2H2/C2H4,CH4/H2,C2H4/C2H6,CO/CO2,C2H2/H2增量,C2H2/(CO2+
CO)。*后,故障類型確定后,應進一步估計故障源溫度、功率與面積大小以及故障發(fā)展趨勢、故障點定位等,這些都是需要進一步研究的課題。
