大型变压器综合诊断技术在设备运行和检修中的应用

1. 绪论

1.1 研究的意义。

在整个输变电系统中, 变压器属于大型设备, 形式多样、结构复杂, 所以引起变压器故障的因素也多种多样。对故障是否能进行全面的分析决定了能否做出准确的判断。所以, 研究准确便捷的大型变压器诊断技术, 采用科学有效的途径对故障进行综合分析和判断, 对安全生产有极大的作用。

本项目结合传统的诊断检测方法, 基于状态检测方法, 利用变压器离线、在线等数据结合人工智能理论诊断变压器的故障并判断其使用寿命。避免传统检修方式的“误报、漏报”的缺陷, 积累有效的数据。本项目的有效应用, 能够提高大型变压器的综合诊断水平和运行维护的水平。

1.2 国内外研究现状。

结合传统的变压器诊断技术运用分类、聚类、可视化、模式识别、不确定性推理、决策树等, 针对变压器离线和在线的运行状态进行数据检测, 并综合数据对变压器进行评估, 是目前研究的主要方向。

随着科技的发展和人们对这一技术的进一步研究完善, 已经出现了针对6种或8种气体进行监测的监测仪。当前国内的监测装置主要采用气相色谱法、智能传感器阵列技术、红外光谱法和光声光谱技术。

对电力变压器的局部放电进行监测也得到大力推崇, 目前国内水平与国外水平基本相当, 在实际监测中也有了广泛的应用。

2. 大型变压器综合诊断技术的原理

结合变压器较为复杂的结构以及所处环境、运行情况的多变性, 分析其复杂的历史数据及故障特点采用色谱分析, 并利用电气监测, 对大型变压器进行科学的、有序的监测。其运行原理如下:

通过对设备运行的状态进行数据采集, 将人工智能数据与设备运行的实际数据进行在线对比。当设备的运行状态发生变化时, 对故障进行判断并给出处理方案及检修的时间。

本项目致力于利用该理论, 将硬件设施和软件相结合, 制作成针对大型变压器的人工智能诊断系统。利用数据传输, 将检测到的数据实时的在计算机画面通过图表和图像的形式展现出来, 从而得到更直观的数据结论。

3. 人工智能的大型变压器诊断技术在设备运行和检修中的应用

在项目可行性研究中, 利用油化监测、局部放电监测、红外热像监测、铁芯振动监测等有效手段, 通过已经形成的监测系统对系统人工干预故障进行了诊断, 对该技术是能有效的应用到大型变压器在设备运行和检修中进行监测进行判断。以下对该应用案例进行简单介绍:

3.1 人工干预故障诊断方法及作用。

人工干预诊断是指, 利用小波分析的原理对采集的设备负荷量、设备所处的环境及运行现场的干扰因素进行分析处理, 并将有用的历史数据信息进行提取诊断, 在界面中形成故障诊断的图标和曲线, 再进行人工智能诊断。

它的有效作用在于:能将人工与智能的诊断结合分析, 从而使智能结果得到验证, 并且能从界面上一目了然的看到各数据的变化趋势。对变压器的故障进行更深层次的分析, 从而帮助查找故障原因。该系统采用数据曲线进行分析, 这种数据拟合的方式更有助于排出干扰因素, 更准确的找到引起故障的原因, 提高了监测数据的真实性。

3.2 实例分析:下图为变压器的某特征值与其电压、电流的变化曲线。

下图表示变压器三项套管介损值随变压器负荷变化的曲线, 从而可以判断变压器的损耗值是由于负荷的变化导致而不是由套管介损故障引起。

3.3 应用有效性分析。

通过具体的实验分析以及与理论知识相结合, 采取大型变压器故障的具体数据, 进行具体有效的验证和分析, 整个监测并得出结论的过程时间很短, 收敛的速度很快。并通过实际的考察检测, 证实结论的准确性很高。所以, 本检测系统的研究有很大的实用价值, 可以快速的应用到大型变压器的运行和检修中去。

4. 结论与展望

随着工业和经济的发展, 变压器综合诊断技术的准确和高校性显得极其重要。在现有的技术中, 存在着方式单一、数据量不大、数据处理不科学等诸多不足。本文结合实际情况进行了分析研究。

通过对整套系统的理论分析和实际实验表明, 本人工智能数据系统对大型变压器在设备运行和检修中的智能诊断有很大的应用价值, 能有效的提高监测数据的准确性, 并能快速的查找故障点和影响因素, 有较大的潜力和广阔的市场前景。

摘要：结合我国国情和目前针对大型变压器综合诊断技术在设备运行和检修中监测的不足之处以及当前国内外对这一技术的研究现状和背景, 阐述了研究的意义。并提出了人工智能数据的变压器综合诊断技术, 对其原理进行分析, 并对基于该原理的检测系统进行了实际的试验。从而证明了该技术和系统的应用价值和潜力。

关键词：意义,人工智能,综合诊断,原理,试验