變壓器油色譜濃度預測及故障智能診斷分析
2019-01-10 11:01:30
次
一、項目背景
隨著智能運檢技術不斷發展,基于大數據深度學習和機器學習算法,構建變壓器油色譜濃度預測及故障智能診斷分析模型,實現變壓器設備狀態評價、風險預警、故障研判。
二、問題與挑戰
1.變壓器故障早期診斷的最佳方法主要是油中溶解氣體分析法,變壓器設備在發生故障前,其內部會析出多種氣體, 溶解于變壓器油中,溶解氣體的含量和故障類型有密切的聯系,目前的變壓器油色譜濃度狀態監測裝置,主要是對于油色譜濃度狀態的監測,無法基于監測數據實現故障前兆分析。
2.傳統的變壓器油中溶解氣體診斷方法有三比值法、大衛三角形法等,存在判正率較低及由于故障編碼不完全、編碼缺失,造成的某些故障無法診斷的問題。
三、解決方案
基于灰關聯分析和支持向量機算法的變壓器設備油中溶解特征氣體濃度預測方法,輸入基于支持向量機算法的變壓器油中溶解氣體濃度預測模型,得到預測目標特征氣體未來三日的油中溶解濃度。
基于油中溶解氣體的變壓器設備故障智能診斷分析模型,通過對變壓器故障時產生的H2、CH4、C2H6等特征氣體進行數據分析,探索變壓器故障類型與油中溶解氣體的關聯機理和規律,構建變壓器故障診斷規則集,利用油中溶解特征氣體的特點及時發現變壓器內部的潛伏性故障,實現變壓器故障的快捷、智能診斷,提升對設備的超前控制能力。
四、應用價值
基于油色譜的變壓器故障智能診斷分析模型,解決傳統的三比值法由于故障編碼不完全、編碼缺失,造成的某些故障無法診斷以及當變壓器內部出現多種電故障和熱故障聯合作用時,無法找到故障對應的比值組合而無法進行診斷的情況。
變壓器故障早期診斷的最佳方法主要是油中溶解氣體分析法,溶解氣體的含量和故障類型有密切的聯系,通過變壓器油色譜濃度預測,捕捉到變壓器設備故障的前兆,從而合理安排檢修工作,提升對設備的掌控能力。
五、相關案例
國網某網省公司運檢智能分析管控系統