變壓器作為電力調(diào)壓/傳輸?shù)年P(guān)鍵性核心部件 , 是 電力運(yùn)維重點(diǎn)監(jiān)控對(duì)象 。近年來(lái) ,基于數(shù)據(jù)驅(qū)動(dòng)的變壓器 故障診斷模型研究成為熱點(diǎn),如采用統(tǒng)計(jì)分析、BP神經(jīng)網(wǎng)絡(luò)、 支持向量機(jī)、貝葉斯網(wǎng)絡(luò)、聚類分析等對(duì)數(shù)據(jù)進(jìn)行訓(xùn)練得 到預(yù)測(cè)模型來(lái)進(jìn)行故障預(yù)測(cè) [l-2] 。但此類算法需要大量數(shù) 據(jù)進(jìn)行模型訓(xùn)練 ,而實(shí)際應(yīng)用中卻難以滿足 ,導(dǎo)致模型準(zhǔn) 確率低、精細(xì)化程度不夠等問(wèn)題。

基于機(jī)理分析驅(qū)動(dòng)的變壓器故障診斷模型研究仍在 不斷發(fā)展 ,此類方法試圖將變壓器化學(xué)試驗(yàn)數(shù)據(jù)、電氣分 析數(shù)據(jù)和巡檢數(shù)據(jù)等進(jìn)行融合 ,并建立關(guān)系網(wǎng)絡(luò) , 以此推 算潛伏故障 ,如模糊學(xué)習(xí)、關(guān)聯(lián)規(guī)則挖掘、隱含馬爾科夫模 型等 [3-5] 。但變壓器故障與相關(guān)特征數(shù)據(jù)間因果關(guān)系不明 確 ,需要大量的專業(yè)經(jīng)驗(yàn)輔助支撐 ,導(dǎo)致最終故障模型可 靠性低。

綜上 ,本文提出并設(shè)計(jì)了一種基于機(jī)理/數(shù)據(jù)混合驅(qū)動(dòng) 的變壓器故障診斷模型 。該模型利用歷史運(yùn)行數(shù)據(jù)、案例 庫(kù)和故障樹(shù) ,通過(guò)案例匹配和規(guī)則推理方法 ,構(gòu)建機(jī)理/數(shù) 據(jù)混合驅(qū)動(dòng)的故障診斷模型 ,有效地避開(kāi)了復(fù)雜數(shù)學(xué)建模 過(guò)程 ,節(jié)約了成本 ,通過(guò)案例自增的方式進(jìn)化案例庫(kù) ,有效 提高了模型的穩(wěn)定性。

0    引言

變壓器作為電力調(diào)壓/傳輸?shù)年P(guān)鍵性核心部件 , 是 電力運(yùn)維重點(diǎn)監(jiān)控對(duì)象 。近年來(lái) ,基于數(shù)據(jù)驅(qū)動(dòng)的變壓器 故障診斷模型研究成為熱點(diǎn),如采用統(tǒng)計(jì)分析、BP神經(jīng)網(wǎng)絡(luò)、 支持向量機(jī)、貝葉斯網(wǎng)絡(luò)、聚類分析等對(duì)數(shù)據(jù)進(jìn)行訓(xùn)練得 到預(yù)測(cè)模型來(lái)進(jìn)行故障預(yù)測(cè) [l-2] 。但此類算法需要大量數(shù) 據(jù)進(jìn)行模型訓(xùn)練 ,而實(shí)際應(yīng)用中卻難以滿足 ,導(dǎo)致模型準(zhǔn) 確率低、精細(xì)化程度不夠等問(wèn)題。

基于機(jī)理分析驅(qū)動(dòng)的變壓器故障診斷模型研究仍在 不斷發(fā)展 ,此類方法試圖將變壓器化學(xué)試驗(yàn)數(shù)據(jù)、電氣分 析數(shù)據(jù)和巡檢數(shù)據(jù)等進(jìn)行融合 ,并建立關(guān)系網(wǎng)絡(luò) , 以此推 算潛伏故障 ,如模糊學(xué)習(xí)、關(guān)聯(lián)規(guī)則挖掘、隱含馬爾科夫模 型等 [3-5] 。但變壓器故障與相關(guān)特征數(shù)據(jù)間因果關(guān)系不明 確 ,需要大量的專業(yè)經(jīng)驗(yàn)輔助支撐 ,導(dǎo)致最終故障模型可 靠性低。

綜上 ,本文提出并設(shè)計(jì)了一種基于機(jī)理/數(shù)據(jù)混合驅(qū)動(dòng) 的變壓器故障診斷模型 。該模型利用歷史運(yùn)行數(shù)據(jù)、案例 庫(kù)和故障樹(shù) ,通過(guò)案例匹配和規(guī)則推理方法 ,構(gòu)建機(jī)理/數(shù) 據(jù)混合驅(qū)動(dòng)的故障診斷模型 ,有效地避開(kāi)了復(fù)雜數(shù)學(xué)建模 過(guò)程 ,節(jié)約了成本 ,通過(guò)案例自增的方式進(jìn)化案例庫(kù) ,有效 提高了模型的穩(wěn)定性。

1   模型整體架構(gòu)設(shè)計(jì)

變壓器故障診斷模型是使用變壓器臺(tái)賬數(shù)據(jù)、運(yùn)行數(shù) 據(jù)、故障數(shù)據(jù)、歷史案例等信息作為系統(tǒng)輸入 ,然后利用診 斷模型對(duì)變壓器的運(yùn)行狀態(tài)進(jìn)行評(píng)估和潛伏性故障診斷 , 得出故障診斷結(jié)果及解決辦法 ,作為輸出反饋給用戶 。  其 整體框架如圖l所示。

1. 1    用戶層

用戶層包括輸入故障現(xiàn)象模塊 、故障現(xiàn)象預(yù)處理模 塊、故障處理模塊及結(jié)果反饋模塊 。對(duì)故障現(xiàn)象進(jìn)行描述 和預(yù)處理后 ,將狀態(tài)信息輸入到故障診斷層 ,并提出故障 查詢 。得到診斷結(jié)果之后 ,需要檢修人員拿著結(jié)果找出故

   圖1   模型框架圖

障原因 ,并解決故障。如果該規(guī)則已存在于案例庫(kù) ,則調(diào)用 歷史案例:若該規(guī)則與案例庫(kù)不同或者是一 條新規(guī)則 , 則 將該規(guī)則反饋給故障構(gòu)建層進(jìn)行案例庫(kù)更新。

1.2    故障診斷層

故障診斷層承接用戶層輸入 ,完成故障診斷并反饋結(jié) 果給用戶層 ,是診斷系統(tǒng)的核心 ,包括故障診斷模型和故 障類型及解決辦法輸出模塊。故障診斷模型核心是采用案 例和規(guī)則串行推理的方式對(duì)故障進(jìn)行診斷并輸出診斷結(jié) 果。故障類型及解決辦法輸出模塊主要負(fù)責(zé)將故障診斷結(jié) 果 ,包括故障原因、故障解決辦法等信息輸出給用戶。

1.3    案例庫(kù)構(gòu)建層

案例庫(kù)構(gòu)建層是系統(tǒng)底層知識(shí)庫(kù) ,包括現(xiàn)象案例映射 模塊和案例庫(kù)更新模塊 。根據(jù)歷史故障診斷經(jīng)驗(yàn) ,案例映 射模塊進(jìn)行案例收集 ,包括故障現(xiàn)象、原因、類型及經(jīng)過(guò)實(shí) 踐驗(yàn)證的解決辦法之間的映射關(guān)系 。在進(jìn)行故障診斷時(shí) , 可以為故障診斷層提供相似的案例 。案例更新模塊 , 負(fù)責(zé)將新的案例收集入庫(kù) ,及時(shí)更新和進(jìn)化案例庫(kù)。

1.4    規(guī)則構(gòu)建層

規(guī)則構(gòu)建層也是系統(tǒng)底層規(guī)則庫(kù) ,負(fù)責(zé)規(guī)則的生成及 管理 ,其核心為基于規(guī)則生成模塊 。本文應(yīng)用故障樹(shù)分析 方法構(gòu)建變壓器規(guī)則模型。此模塊產(chǎn)生的規(guī)則作用并服務(wù) 于故障診斷層的規(guī)則推理模塊。

2   機(jī)理/數(shù)據(jù)混合驅(qū)動(dòng)方法

基于機(jī)理/數(shù)據(jù)混合驅(qū)動(dòng)的故障診斷模型是故障診斷 層的關(guān)鍵技術(shù) ,其整體思路為利用案例匹配和規(guī)則推理相 結(jié)合的方式 ,首先輸入故障現(xiàn)象 ,然后檢索案例庫(kù) ,尋找相 似案例 。若有相似案例 ,則快速獲得診斷結(jié)果及相應(yīng)檢修 策略:若沒(méi)有合適的相似案例 ,則啟動(dòng)規(guī)則推理 ,最終將推 理產(chǎn)生結(jié)果作為診斷結(jié)果進(jìn)行輸出 。該模型流程圖如圖2 所示。

圖2   機(jī)理/數(shù)據(jù)混合驅(qū)動(dòng)的故障診斷模型流程圖

第一步:故障數(shù)據(jù)輸入 。  由用戶輸入變壓器故障數(shù)據(jù) 特征屬性的描述信息 ,并提出查詢需求。

第二步:數(shù)據(jù)預(yù)處理。在進(jìn)行故障診斷前 , 因故障現(xiàn)象 屬性描述不一 致 , 需要對(duì)故障現(xiàn)象的描述信息進(jìn)行預(yù)處 理 ,獲取統(tǒng)一、規(guī)范的故障現(xiàn)象特征值。

第三步:案例庫(kù)匹配。檢索故障案例庫(kù) ,利用匹配算法 進(jìn)行案例匹配。如有相似案例 ,則輸出相似度最大的案例:如 沒(méi)有相似案例 ,則啟動(dòng)基于FTA的規(guī)則推理算法進(jìn)行推理。

第四步:基于FTA的規(guī)則推理 。該模型的核心思想是 根據(jù)以往專家經(jīng)驗(yàn) ,將所有案例利用故障樹(shù)歸納生成規(guī)則 , 然后采用基于規(guī)則引擎的推理方法 ,將待診斷故障現(xiàn)象 、 數(shù)據(jù)與規(guī)則庫(kù)進(jìn)行匹配 ,來(lái)推理得出診斷結(jié)論。

第五步:診斷結(jié)果輸出 。此階段負(fù)責(zé)根據(jù)之前的方法 (匹配到最相似案例 ,或者利用規(guī)則推理模型）生成故障診 斷結(jié)果 ,然后將相關(guān)結(jié)果信息如故障診斷結(jié)果、可能故障 原因及解決辦法進(jìn)行輸出。

第六步:更新案例庫(kù) 。根據(jù)系統(tǒng)診斷出的新的故障信 息 ,對(duì)案例庫(kù)進(jìn)行更新和維護(hù)。

第七步:診斷結(jié)果反饋 。將最終的故障診斷結(jié)果信息反饋給系統(tǒng)用戶。

3   基于FTA的規(guī)則生成方法

FTA(Fau1t Tree Ana1ysis）是由美國(guó)貝爾實(shí)驗(yàn)室首次應(yīng) 用并發(fā)展起來(lái)的一種由上往下的演繹式失效分析法 [6] 。變 壓器故障按部件劃分建立故障主樹(shù) ,包括繞組故障、鐵芯 故障、套管故障、有載分接開(kāi)關(guān)故障、冷卻系統(tǒng)故障、非電 量保護(hù)故障等 ,如圖3所示。

4   案例分析

某110 kV變壓器自2010年投入運(yùn)行以來(lái) , 多次受到中 壓和低壓側(cè)的外部短路沖擊 ,且因短路引起的沖擊十分嚴(yán) 重 。根據(jù)現(xiàn)場(chǎng)檢測(cè)器采集的數(shù)據(jù)進(jìn)行相關(guān)分析 ,結(jié)果如表 1、表2、表3所示。

如表1、表2、表3所示 ,變壓器油中出現(xiàn)了乙炔氣體并 超標(biāo)(表1）, 經(jīng)過(guò)預(yù)防性試驗(yàn)發(fā)現(xiàn) ,變壓器中繞組電容量 (表2）和低電壓阻抗(表3）出現(xiàn)較大變化。將上述信息輸入 到變壓器故障診斷模塊后 ,故障診斷模塊推斷出該變壓器

5   結(jié)語(yǔ)

本文在研究變壓器常見(jiàn)缺陷或故障模式、專家診斷經(jīng)

驗(yàn)及國(guó)內(nèi)外故障診斷算法的基礎(chǔ)上 ,提出并設(shè)計(jì)了基于機(jī) 理/數(shù)據(jù)混合驅(qū)動(dòng)的串聯(lián)式變壓器設(shè)備故障快速診斷模型 和系統(tǒng) 。  由案例驗(yàn)證可知 ,本模型可以很好地輔助變壓器 故障的診斷 ,為設(shè)備檢修決策提供指導(dǎo)。