论文部分内容阅读
摘要:电力变压器是变电站及整体电力资源运行网络的重要设备,其对于整体电力资源的正常供应具有重要的影响。而在电力变压器运行期间,由于外部气候、设备元件老化、电力运行负载过大等诸多因素的存在,导致电力变压器实际运行风险较大。因此本文以某变电站点电力变压器故障为例,对电力变压器故障诊断及维护措施进行了简单的分析,以便为整体电力系统运行工作的顺利进行提供依据。
关键词:变压器;故障诊断;维护
前言:
2016年08月15日下午3时35分,某110KV变压器#2出现主变两侧断路器跳闸情况。该110KV变电站主要用于城镇区域供电,其整体电力资源负载压力较大,自2015年开始运行以来,整体运行效益良好,在规定运行时间内,该变电站运行负载率均在59%以上。且在常规检测中也未发现突出风险因素,在事故发生前期,相应电力系统也没有出现倒闸操作及不良运行气候因素,本文对该变电站变压器故障诊断维护情况进行了简单的分析,具体如下:
一、变压器故障诊断
电力变压器运行效率与整体电力资源供应稳定性具有较为紧密的联系,但是现行的电力诊断方法,并不能有效确定电力变压器事故发生前期主要故障因素。因此依据DGA故障分析措施在电力变压器早期运行风险检测环节具有较为良好的效果,可利用DGA电力变压器风险诊断方法,在确定电力变压器初期故障之后,可通过神经网络结构的设置对相应变压器故障进行跟踪处理,从而提高整体电力变压器故障诊断准确效率。
本次变压器故障诊断环节,主要采用径向基函数神经网络的形式,结合局部特性处理,对变压器内部故障进行诊断分析。在具体的径向基函数神经网络故障诊断环节,主要通过相似性计算、设备隐含层设置等几个方面,对电力变压器油箱内部故障及外部故障进行针对分析,如放电故障、低温过热、高温高热、局部放电、火花放电等故障。通过对以上事故出现特征进行分析,可依据油色谱分析领域特征,对油中溶解气体特征、内部风险特征两者关联度进行适当分析,依次进行特征量的划分。依据常规电力变压器运行特点,可确定某个网络节点的特征故障等级,随后采用归一化公式,将特征气体数据某个样本特征分量及其最大、最小值统一设置在[0,1]区间内[1]。最后通过网络均方误差性能指标划分及最大神经元个数设置,可确定网络输出端在变压器正常运行环节数值,从而得出最终故障诊断情况。
二、变压器故障维护措施
1、变压器日常维护
在变压器日常维护过程中,相应变电站运维工作人员应利用现代检测技术对电力变压器运行状态进行实时跟踪检测,尤其是在电力资源超负载运行环节,需要根据实际情况,进一步缩短相连监控区间监控周期,并定期对变压器电流、电压、上下层油温等模块进行详细检测。结合套管、磁裙等外部清洁状况的检测处理,可有效表面外部风险因素对电力变压器工作的不利影响[2]。同时在常规电力变压器运行维护环节,相关变电站运维工作人员应对电力变压器内部相关模块进行逐一检测分析,如冷却装置、风扇、变压器分接开关、变压器线圈及避雷器接地情况等。其中在风扇装置检测过程中,需要对其运转环节振动情况及异常声音出现频率进行重点检测;而在冷却装置检测过程中,需要在保证相应冷却装置进出口油管入口清洁的同时,确定其蝶阀运转正常,且无异常声音、振动及漏油情况;在变压器分接开关检测过程中,需要对相应变压器分接开关运行转动灵活性、緊固程度及接触位置固定情况进行逐一检测,并保证整体分路电源启动闭合效果良好;在变压器线圈及套管检测过程中,除了应保证相应装置接地环节稳定可靠之外,还需要尽量控制整体引导线路的长度,并控制接地电阻在4.9Ω以下。此外,在变电站内部消防设施对于电力变压器运行具有重要的影响,因此在实际电力变压器常规维护环节,相应电力变压器维护人员应综合考虑电力变压器油温、外观、油位、声音等相关因素,结合油质试验、设备检修、运维检测等措施的综合应用,确定相应电力变压器风险故障出现因素,保证整体风险故障的有效控制。
2、变压器故障处理
在径向基函数神经网络运行的基础上,为了保证整体电力变压器故障处理效率,可利用MATLAB7中的newrb函数集合,进行训练径向基神经网络设计。本次函数主要采用net=newrb这一训练形式,进行输入样本矢量结合矩阵的设置。为了适当提升应用程序开发效率,本文利用实际数据仿真实验中收集的30组电力变压器样本进行了神经网络训练,具体结果如下:
通过对相应网络训练数据分析,可得出训练后相应径向基函数神经网络数据故障样品结合,通过网络诊断输出函数的设定,可在对应网络诊断输出点接近1的情况下,确定该网络诊断结果为无故障,若网络02端口输出结构接近1,则表明该电力变压器故障风险为高温过热。由于在具体作业环节,该变压器绕组绝缘电阻与常规维护检测试验结果无明显差异,且直流电阻试验参数也与标准参数相符,因此在低压条件下,对#2主变进行解体检修。在该电力变压器解体检修过程中,发现相应电力变压器磁力分路位置出现均压管放电、磁屏蔽外侧放电等多个放电位置。依据解体检测情况,可确定本次电力变电站事故为高温过热导致的磁力分路绝缘结构变形,在后期维护过程中,可将均压管对接位置设置在两柱间,并进行同直径均压管的设置,最大限度降低中压引线强度。
此外,在电力变压器运行过程中,若出现油面超出标准限度的情况,可对电力变压器符合及温度进行检测,若变压器负荷、温度均在标准限度以内,则可初步确定其为呼吸器、油标管堵塞导致的虚假油面情况。针对这一问题,需要与电力调度人员进行协商,在重瓦斯保护改接信号设置的基础上,进行油标管、呼吸器疏通措施;若变压器负荷及温度在标准限度以外,则需要进行放油处理[3]。同时在电力变压器运行过程中,瓦斯保护故障出现频率也较高,在设计检修过程中可通过对变压器内部故障进行检测控制,并对变压器内部气体进行取样分析,并进行备用电力变压器的设置,结合外部防爆管、油枕及相关焊接缝的检测分析,可采取对应的维护措施,如加油、带电补油等。
总结:
综上所述,在现阶段电力变压器维护技术不断提升的背景下,以往单一的溶解气体分析方法并不能有效判定电力变压器故障因素。因此在实际变压器故障诊断分析过程中,可在电力变压器溶解气体诊断技术应用的基础上,采用风险因素判定故障诊断径向基函数神经网络仿真分析的方式,确定相应变电器风险因素出现情况。并从常规维护、针对维修两个方面进行全方位维护,提高整体电力变压器故障诊断维护效率。
关键词:变压器;故障诊断;维护
前言:
2016年08月15日下午3时35分,某110KV变压器#2出现主变两侧断路器跳闸情况。该110KV变电站主要用于城镇区域供电,其整体电力资源负载压力较大,自2015年开始运行以来,整体运行效益良好,在规定运行时间内,该变电站运行负载率均在59%以上。且在常规检测中也未发现突出风险因素,在事故发生前期,相应电力系统也没有出现倒闸操作及不良运行气候因素,本文对该变电站变压器故障诊断维护情况进行了简单的分析,具体如下:
一、变压器故障诊断
电力变压器运行效率与整体电力资源供应稳定性具有较为紧密的联系,但是现行的电力诊断方法,并不能有效确定电力变压器事故发生前期主要故障因素。因此依据DGA故障分析措施在电力变压器早期运行风险检测环节具有较为良好的效果,可利用DGA电力变压器风险诊断方法,在确定电力变压器初期故障之后,可通过神经网络结构的设置对相应变压器故障进行跟踪处理,从而提高整体电力变压器故障诊断准确效率。
本次变压器故障诊断环节,主要采用径向基函数神经网络的形式,结合局部特性处理,对变压器内部故障进行诊断分析。在具体的径向基函数神经网络故障诊断环节,主要通过相似性计算、设备隐含层设置等几个方面,对电力变压器油箱内部故障及外部故障进行针对分析,如放电故障、低温过热、高温高热、局部放电、火花放电等故障。通过对以上事故出现特征进行分析,可依据油色谱分析领域特征,对油中溶解气体特征、内部风险特征两者关联度进行适当分析,依次进行特征量的划分。依据常规电力变压器运行特点,可确定某个网络节点的特征故障等级,随后采用归一化公式,将特征气体数据某个样本特征分量及其最大、最小值统一设置在[0,1]区间内[1]。最后通过网络均方误差性能指标划分及最大神经元个数设置,可确定网络输出端在变压器正常运行环节数值,从而得出最终故障诊断情况。
二、变压器故障维护措施
1、变压器日常维护
在变压器日常维护过程中,相应变电站运维工作人员应利用现代检测技术对电力变压器运行状态进行实时跟踪检测,尤其是在电力资源超负载运行环节,需要根据实际情况,进一步缩短相连监控区间监控周期,并定期对变压器电流、电压、上下层油温等模块进行详细检测。结合套管、磁裙等外部清洁状况的检测处理,可有效表面外部风险因素对电力变压器工作的不利影响[2]。同时在常规电力变压器运行维护环节,相关变电站运维工作人员应对电力变压器内部相关模块进行逐一检测分析,如冷却装置、风扇、变压器分接开关、变压器线圈及避雷器接地情况等。其中在风扇装置检测过程中,需要对其运转环节振动情况及异常声音出现频率进行重点检测;而在冷却装置检测过程中,需要在保证相应冷却装置进出口油管入口清洁的同时,确定其蝶阀运转正常,且无异常声音、振动及漏油情况;在变压器分接开关检测过程中,需要对相应变压器分接开关运行转动灵活性、緊固程度及接触位置固定情况进行逐一检测,并保证整体分路电源启动闭合效果良好;在变压器线圈及套管检测过程中,除了应保证相应装置接地环节稳定可靠之外,还需要尽量控制整体引导线路的长度,并控制接地电阻在4.9Ω以下。此外,在变电站内部消防设施对于电力变压器运行具有重要的影响,因此在实际电力变压器常规维护环节,相应电力变压器维护人员应综合考虑电力变压器油温、外观、油位、声音等相关因素,结合油质试验、设备检修、运维检测等措施的综合应用,确定相应电力变压器风险故障出现因素,保证整体风险故障的有效控制。
2、变压器故障处理
在径向基函数神经网络运行的基础上,为了保证整体电力变压器故障处理效率,可利用MATLAB7中的newrb函数集合,进行训练径向基神经网络设计。本次函数主要采用net=newrb这一训练形式,进行输入样本矢量结合矩阵的设置。为了适当提升应用程序开发效率,本文利用实际数据仿真实验中收集的30组电力变压器样本进行了神经网络训练,具体结果如下:
通过对相应网络训练数据分析,可得出训练后相应径向基函数神经网络数据故障样品结合,通过网络诊断输出函数的设定,可在对应网络诊断输出点接近1的情况下,确定该网络诊断结果为无故障,若网络02端口输出结构接近1,则表明该电力变压器故障风险为高温过热。由于在具体作业环节,该变压器绕组绝缘电阻与常规维护检测试验结果无明显差异,且直流电阻试验参数也与标准参数相符,因此在低压条件下,对#2主变进行解体检修。在该电力变压器解体检修过程中,发现相应电力变压器磁力分路位置出现均压管放电、磁屏蔽外侧放电等多个放电位置。依据解体检测情况,可确定本次电力变电站事故为高温过热导致的磁力分路绝缘结构变形,在后期维护过程中,可将均压管对接位置设置在两柱间,并进行同直径均压管的设置,最大限度降低中压引线强度。
此外,在电力变压器运行过程中,若出现油面超出标准限度的情况,可对电力变压器符合及温度进行检测,若变压器负荷、温度均在标准限度以内,则可初步确定其为呼吸器、油标管堵塞导致的虚假油面情况。针对这一问题,需要与电力调度人员进行协商,在重瓦斯保护改接信号设置的基础上,进行油标管、呼吸器疏通措施;若变压器负荷及温度在标准限度以外,则需要进行放油处理[3]。同时在电力变压器运行过程中,瓦斯保护故障出现频率也较高,在设计检修过程中可通过对变压器内部故障进行检测控制,并对变压器内部气体进行取样分析,并进行备用电力变压器的设置,结合外部防爆管、油枕及相关焊接缝的检测分析,可采取对应的维护措施,如加油、带电补油等。
总结:
综上所述,在现阶段电力变压器维护技术不断提升的背景下,以往单一的溶解气体分析方法并不能有效判定电力变压器故障因素。因此在实际变压器故障诊断分析过程中,可在电力变压器溶解气体诊断技术应用的基础上,采用风险因素判定故障诊断径向基函数神经网络仿真分析的方式,确定相应变电器风险因素出现情况。并从常规维护、针对维修两个方面进行全方位维护,提高整体电力变压器故障诊断维护效率。