先先介紹了灰電位理論，然后提出了一種基于灰電位理論的干式變壓器故障診斷算法，并給出了利用該算法進行故障診斷的基本步驟。較后，通過實例驗證了該方法的正確性。關鍵詞：干式變壓器；灰電位；基于灰色特殊能量理論的變壓器故障診斷新方法、偉、青(東南大學電力系，南京210096)摘要：本文介紹了變壓器故障診斷的潛在方法。然后提出了變壓器故障診斷的流程。較后，通過實驗結果證明了transformer的tobesafeibleandsefulmethododiagnosefault。關鍵詞：變壓器；灰色潛力；干式變壓器作為電力系統中較重要、較昂貴的主要設備之一，一直受到電力工作者的廣泛關注。在電力系統中，干式變壓器經常發生故障，對電網的安全運行構成嚴重威脅。干式變壓器的故障診斷是根據故障現象確定故障的原因和類型，為維護提供智能決策。在長期的運行實踐中，人們積累了大量的干式變壓器故障數據。如何利用這些數據找出規律，使從故障癥狀中快速找出故障原因或故障位置成為一個亟待解決的問題。2灰電位識別方法2.1原理簡介灰電位識別是一種灰色理論與電位分類設計相結合的新型非線性多類模式識別算法。有一個距離較近的空間電荷群，稱為同一個類，其中每個電荷在空間中產生一個勢場，屬于同一類的所有空間電荷產生的勢場構成一個類勢場，它量化了一個類的空間特征。潛在價值越大，越接近類。也就是屬于這一類的可能性越大。在物理學中，電荷引起的電勢值與距離倒數的平方成正比。同樣，可以認為一個模式所導致的潛在價值與其離這個類的距離有關。通常構造一個以距離為自變量的勢函數來解決這個模式識別問題。2.2用一個簡單的例子說明點勢函數的定義。直線上有一個點，也代表這個點的坐標。是待分類的點坐標，定義為與任意模式點之間的勢函數，其中為常數系數。越接近某一模點，即越接近0，其勢值越大，V越接近1。2.3類勢函數的定義提供了一個沿直線分布的a類點， k (k=1，2，…，n)為a類n個模態點的坐標值，為待分類點的坐標。關于點類A的的勢函數值稱為類勢值，它實際上是從到該類所有點的點勢值之和的平均值。點類A關于的類勢值定義為2.4多樣本類模式的勢函數。假設已知模式Xi的多維量化特征(I=1，2，n)用n個樣本be Xi={xij}，j=1，2，灰色理論中灰色關聯度的大小也反映了兩個模型樣本之間的相似性度量。根據灰色關聯度的定義[2]:設X為灰色關聯因子集，x0X為參考序列，xiX為比較序列，xi(k)，(x0，Xi)(0，1]表示系統中沒有兩個行為序列可以嚴格無關。2)對偶對偶表示當灰色關聯因子集中只有兩個序列時，成對比較滿足對偶。3)整體性反映了環境對灰色關聯度比較的影響，灰色關聯度隨環境的不同而變化。4)滿足貼近度后，(x0，xi)為xi與x0的灰色關聯度。鄰近性是相關性量化的一個限制因素。 #p#分頁標題#e#

可以看出，勢函數實際上是一個灰色關聯度計算函數，所以如果有m個Ak類(k=1，2，m)。獲得相對于這M個模式要識別的某個模式的準電勢值。如果3-電位識別法應用前的預處理是3.1歸一化，為了消除變量間的量綱影響，應對變量進行歸一化和變換，使每個變量的值統一在[0，1]之間。具體方法如下。設一個故障模式樣本歸一化變化前的多維量化特征矩陣為x={xij}和y={yij}歸一化變化后，則變換公式為w={wj}，歸一化變化后u={uj}，則變換公式為3.2。初始化變換初始化的目的是為了選擇一個合適的參考點進行樣本比較，使其能夠得到恰當的表達讓歸一化變化后的失效模式樣本的多維量化特征矩陣為初始化變換后的y={yij}和z=(zij)，計算公式如下：讓歸一化變化后的實際失效的失效數據為初始化變換后的u={uj}和s={SJ}，其中m取公式(4)中的值。4干式變壓器故障診斷的潛在功能4.1故障模式集的組成為了得到多種故障模式和每種故障模式，在此基礎上，收集有代表性的故障數據，形成每種故障模式的多個樣本[4-6]

。例如，對于鐵芯多點接地搜集到樣本如表1所示。 用式（2）和式（4）進行數據預處理后得到的多位量化特征陣A為 用式（2）和式（4）進行數據預處理后得到的多位量化特征陣B為 4．2 故障實例 某電廠6號220kV主變1999年5月19日油色譜試驗數據如表3所示。 用故障點估算溫度的經驗公式T＝，計算得到故障點溫度為722℃。測得鐵芯接地電流為0．1A，絕緣電阻偏差為11％，利用式（3）和式（5）計算該故障相對于鐵芯多點接地故障的模式待判特征為 用式（2）計算該故障相對于故障模式A的灰色位勢函數值V1＝0．535。 用式（3）和式（5）計算該故障相對于引線接頭過熱故障的模式待判特征為 用式（1）計算該故障相對于故障模式B的灰色位勢函數值V2＝0．859。 因為V1＜V2，故判斷該故障屬于引線接頭過熱故障，經吊罩檢查，發現穿過220kV側A相套管內的引線與銅管接觸，因干式變壓器220kV側A相電流一部分通過銅管導致高溫過熱，診斷符合實際狀況，說明灰色位勢函數法是成功的。5 幾點討論 1）由上例可以看出，故障類型及相應的故障診斷規則的提取是灰色位勢算法診斷干式變壓器故障的基礎，一組良好的診斷規則能夠使診斷準確，基于粗糙集理論的診斷規則的提取在這方面作出了貢獻［7］。 2）灰色位勢算法是利用樣本形成故障類型的，所以樣本的數量對于診斷的精確與否起著至關重要的作用，只有大量的樣本才能反映一類故障的本質特征。所以故障樣本的數據收集是本算法實現的關鍵。 3）由于干式變壓器的種類繁多，電壓等級相差很大，同時干式變壓器部件繁多，涉及物理、化學變化，故障種類也很多，因此一般需要利用多種檢測方法檢測故障。隨著檢測手段的增多，診斷規則也會相應增多，在進行基于知識的推理時有可能產生“匹配沖突”或“組合爆炸”等問題［8］，這時如果將灰色位勢算法與擅長非線性映射的人工神經網絡以及決策樹方法結合起來，將大大簡化算法，有可能使得干式變壓器故障診斷系統實用化。6 結束語 本文探討了模式識別中的一種算法——灰色位勢算法在干式變壓器故障診斷中的應用。在確立了故障診斷規則的前提下，該方法可以直接處理現場采集到的數據，在大樣本的情況下診斷尤佳，用于干式變壓器故障診斷是比較合適的。針對實際診斷情況的多樣化和復雜性，如將灰色位勢算法和人工神經網絡及故障樹方法結合起來，形成一個層次型的診斷結構，通過層次分類的處理，則干式變壓器故障診斷有望走上實用化道路。參考文獻［1］胡遠來，賈王月．灰色位勢算法在儲層預測中的應用［J］．礦物巖石，2002，87（3）：87－90［2］劉思峰，郭天榜．灰色系統理論及其應用［M］．開封：河南大學出版社，1991．59－60［3］孫輝，李衛東，孫啟忠．判決樹用于干式變壓器故障診斷的研究［J］．中電機工程學報，2001，21（2）：50－55［4］董其．電力干式變壓器故障與診斷［M］．北京：中電力出版社，2001．90－108［5］電力工業設備診斷技術專業協會．干式變壓器故障診斷典型案例匯編［J］：中電力企業管理，1994，（1）［6］電力工業設備診斷技術專業協會．干式變壓器故障診斷典型案例匯編（續1）［J］：中電力企業管理，1994，（2）［7］袁保奎．電力設備狀態檢測、預測及故障診斷的研究［D］．南京：東南大學，2002 來源：中電力網#p#分頁標題#e#