「探討」電力變壓器故障預測與健康管理！

一、研究背景

電力變壓器作為電力系統的安全關鍵設備，也是最為昂貴、複雜的設備之一。目前國家電網公司在運的110kV（66kV）及以上電壓等級變壓器數量已達3萬餘臺，總容量達3.4TVA。由於電力變壓器處於電網的中心位置，運行環境複雜，且時常遭受各種不良運行工況的衝擊，一旦發生故障，極有可能造成突發大面積停電，甚至引起爆炸、火災等事故，帶來的直接和間接經濟損失達數億元人民幣。因此，

目前對於電力變壓器常用的研究方法大多基於某一因素或某幾個因素做出判斷，並未綜合考慮變壓器的全面狀態信息，加之測試手段的侷限性、知識的不精確性等原因，導致所獲取的信息具有模糊性、隨機性等特徵，其診斷結果的精確性和時效性遠未達到實用要求。

故障預測與健康管理(Prognostic and Health Management, PHM)是一種利用先進傳感器技術，並藉助各種算法和智能模型來實現對系統健康狀態的監控、預測和管理的理論與技術體系，這一技術的實現可以解決故障後修復和定期維護方式造成的“維護不足”或“維護過剩”等問題，進而逐步被狀態維護或預測維護所取代。PHM已在航空、電子、機械等領域得到了快速發展。然而，針對電力變壓器的PHM方法還不太完善，主要體現在：①變壓器的健康監測大部分關注化學和電故障，很少關注機械故障；②變壓器的油、氣和溫度被廣泛用於健康監測和診斷，相比較而言，振動信號很少被用到；③對於變壓器PHM的研究目前僅處於監測和診斷階段，對於故障預測和剩餘壽命(RUL)預測的研究還很少。

二、電力變壓器故障的複雜性分析

從目前電力系統運行的歷史統計記錄來看，電力變壓器外部短路、絕緣受潮、分接開關觸頭接觸不良等故障出現次數最多，故障頻發部位的次序大致為繞組、鐵芯、分接開關、套管、絕緣油、冷卻系統、保護裝置、測試系統、油箱。此外，電力變壓器在運行中會受到來自“電-磁-力-熱”等多種內、外應力的綜合作用，進而破壞變壓器的絕緣性能，導致產生缺陷甚至故障，如圖1所示。

圖1 影響電力變壓器正常運行的主要因素

因此，單一使用傳統的物理建模方法對於大型電力變壓器來說已顯得力不從心。通過綜合運用現代電氣科學、信息科學、數據科學以及成熟的系統科學方法，有望為電力變壓器健康狀況的分析和管理提供切實可行的方案和解決途徑。

三、電力變壓器PHM的內涵及趨勢分析

PHM方法目前主要分為數據驅動方法、模型驅動方法以及混合方法。更進一步的，數據驅動方法又有統計學和機器學習兩種；模型驅動方法又有失效物理分析和系統模型方法。目前針對電力變壓器狀態監測的數據形式與規模比以往有了較大增長。例如，實時運行數據、工況數據、缺陷信息、檢修歷史、家族質量史等信息並存。得益於先進的信息技術與大數據處理方法，在電力變壓器的管理、維護領域開展數據驅動的PHM過程具有切實可行的操作性。

一般情況下，PHM涵蓋數據採集、數據處理、狀態評估、故障診斷、故障預測、決策支持以及系統級應用7個層次，可實現由故障機理到剩餘壽命的關聯，這與電力變壓器的健康管理週期基本吻合。圖2初步定義了電力變壓器的PHM週期。

圖2 電力變壓器PHM週期

3.1 健康監測

目前，電力變壓器評估、診斷與預測的相關研究多是基於DGA數據，但基於DGA數據的理論研究成果在實際應用中仍具有一定的侷限性。振動信號分析法與整個電力系統無電氣連接，對電力系統的正常運行無任何影響，具有較強的抗干擾能力和靈敏度，因此，近幾年基於振動數據的變壓器PHM方法受到廣泛關注，該方法通過實時振動數據反映變壓器內部的相關狀態信息。另外，從圖像識別的角度對電力變壓器進行健康監測，也具有一定的借鑑意義。

3.2 特徵提取與故障診斷

健康因子(Health Index, HI)在表徵變壓器健康狀態和退化程度中佔有重要地位，構建HI的關鍵在於相關特徵的提取、選擇和融合。目前行業標準DL/T 722-2000-《變壓器油中溶解氣體分析和判斷導則》推薦的改良三比值法在實際應用中暴露出缺編碼、編碼界限過於絕對等缺陷。因此，一些智能化診斷算法被提出。例如，模糊理論、支持向量機、粗糙集、灰色理論、深度學習等。為此，未來的變壓器故障診斷將是

3.3 故障預測

目前的國內外文獻中，與預測相關的研究高度依賴於與診斷相關的研究。這是因為診斷包括識別和量化已發生的故障(本質是回顧性的)，而預測是儘可能預測尚未發生的故障，預測必須依賴於診斷的輸出(如故障指標、退化率等)，兩者不能孤立進行。準確做出剩餘壽命預測是PHM的核心和基礎，也是正確決策的關鍵和前提。然而，現有的壽命預測多是基於英國EA Technology的電力設備健康狀況老化公式：

式中，DHI是健康指數，B是老化係數。

該理論雖然可計算出剩餘壽命的大概取值，但取值過於絕對。因此，如何構造電力變壓器剩餘壽命的概率密度分佈函數，求得概率分佈區間，也是未來的難點問題。

四、有待深入研究的問題

目前，電力變壓器的PHM研究還處於初步階段，尤其是在大型電力變壓器的維護與運營管理領域，筆者認為目前還有如下一些問題需要引起關注：

4.1 電力變壓器大數據

隨著先進傳感設備在變壓器表面和內部的大量部署，變壓器檢測技術趨向於智能化。其數據呈現多元、異構的大數據特徵，圖3用數據立方體的形式展示了電力變壓器大數據的多維特性。針對電力變壓器的大數據存儲管理、並行處理、挖掘技術將是未來開展變壓器精細化管理研究的方向。

圖3 電力變壓器故障數據多維立體展示

4.2 數據質量提升

目前，電網公司已積累了大量電力變壓器狀態相關數據，包括運行工況、停電試驗、帶電測試、在線監測、運行檢修、故障缺陷、環境氣象以及設計圖紙等，但數據存儲形式各異、數據質量參差不齊。在智能電網大數據背景下，需要深入開展電力變壓器故障特徵數據的獲取，對冗雜數據進行清洗、篩選、剔除、轉換等預處理操作。提高數據質量的主要手段就是針對非結構化數據的結構化模型表示與多元多尺度數據的融合。

4.3 多源數據的不確定性問題

電力變壓器具有明顯的不確定性，如傳感器監測數據的不確定性、退化狀態的不確定性、變壓器本體結構的複雜性、運行工況的不確定性、健康狀態評判的模糊性等。這些因素均會導致變壓器PHM的準確度降低。因此，針對以上問題，

4.4 長壽命週期數據獲取問題

對於新服役的電力變壓器，我們無法觀察並獲取大量的故障數據和狀態監測信息，在這種情況下，數據量和完整性無法適應完整統計模型以及深度學習所需要的大量訓練數據樣本要求。因此，在現有基於少量數據進行實驗的診斷方法基礎上，仍需對電力變壓器故障機理進行深度分析，同時結合物理模型以及專家經驗，來對診斷結果進行糾正和補充，進而使得因果分析與統計分析互為作用。

4.5 在線技術

傳統不定期的老化實驗在保障電力變壓器安全穩定運行中扮演了重要角色，然而其侷限性也越來越突出。為了能夠捕捉電力變壓器運行過程中形成故障或缺陷的早期特徵參數，需要通過信息手段對這些特徵參數進行快速準確的分析診斷，找出相互關係，才能對電力變壓器的運行狀態做出實時評定。因此，研發具有測量數字化、控制網絡化、狀態可視化、功能一體化以及信息互動化的智能變壓器是在線監測技術的基礎硬件保障。

4.6 深度故障診斷

電力變壓器PHM所要求的深度診斷是既要定位故障的具體發生部位，也要識別故障發生的根本原因。當然，現有的故障分類可能被普適的分類規則所侷限，在今後的研究中，可以嘗試將訓練數據樣本以更多可能的方式進行劃分，以期獲取到更深層次的故障診斷結論。

4.7 其他

1）環境因素

環境因素往往影響著電力變壓器的智能檢測。在實際應用中，變壓器受到周圍溫度、振動、粉塵、腐蝕性氣體、雷擊等環境條件的影響，其性能可能會發生一定變化，為此，變壓器日常巡檢過程中，除了變壓器本身檢測外還要根據周圍環境的不同做一些特殊的檢查和處理，以此來保證變壓器的可靠運行，延長其剩餘壽命。

2）新工藝新技術

電力變壓器正朝著大型化、高可靠型、高智能型、高節能型以及高環保型的方向發展。具有自診斷能力的智能變壓器是當前變壓器產業的研發重點，它較以往的變壓器最大的不同之處是配備了更多的電子器件、智能傳感器和執行器等設備，繼而實現關鍵狀態參量的監測、控制與數據共享等。然而，智能變壓器中的電力電子器件的可靠性問題，也同樣需要深入分析。

五、結語

目前，電力系統中的數據獲取方式已經比較完備，大數據架構也已初具規模，但當前的行業技術還不能完全滿足電力設備的“五性” (可靠性、維修性、測試性、保障性和安全性) 需求和降低壽命週期費用的需要，這正是實施PHM技術需要解決的問題。本文即是在此背景下，對裝備保障領域的發展趨勢和電力設備狀態維護的發展需求做了分析探討，以期為電力變壓器基於狀態的維護提供可借鑑的方法體系，我們也將持續關注電力設備狀態監測、評估與預測管理中的新方法，並希望能夠為電力工業的健康發展提供一種可借鑑的思路，這既具有時代緊迫感，也是提升電力行業服務質量與水平的良好契機。

閱讀更多 旺材變壓器 的文章

關鍵字: 能源 故障 電力