贵州s11变压器常见故障及人工神经网络在其诊断中的应用

　　判断电力贵州s11变压器的内部故障，保证了贵州s11变压器的安全运行。

　　引言贵州s11变压器是电力系统中最重要的设备，它承担着电压变换，电能分配与传输的重任，其运行状态直接关系到整个电力系统的安全与稳定。为了保证电力贵州s11变压器的正常稳定的运行，必须最大限度的防止和减少贵州s11变压器故障，因此及时而准确的检测和诊断出贵州s11变压器的故障是极其重要的。

　　贵州s11变压器故障的类型及其产生的原因油浸式贵州s11变压器的故障常被分为内部故障和外部故障两种，本文重点分析其内部故障。江苏溪河海贵州s11变压器内部故障从性质上讲分为过热故障和放电故障两大类。

　　过热故障通常为贵州s11变压器内部的局部过热温度升高。根据严重程度，过热故障又分为轻度过热一般低于150，低温过热150，中温过热300。过热与贵州s11变压器正常运行下的发热是有区别的，正常运行时的温度发热源来自于绕组和铁芯，即铜损和铁损。据相关资料介绍在电力贵州s11变压器内部故障方面，过热故障占60%还多，危害性严重。存在于固体绝缘中的过热性故障会引起绝缘的劣化和热解，对绝缘危害较大。另外，过热性故障还包括接点接触不良磁路故障导体故障等，例如分接开关接触不良铁芯多点接地、局部短路漏磁环流紧固件松动以及像硅胶进入本体而引起局部油道堵塞致使局部散热不良都可能会引起过热性故障。因而综合贵州s11变压器各方面考虑，产生过热性故障的主要原因有油箱底部有金属异物，由于强油循环逐渐造成铁芯多点接地。油箱底部有金属肩，由于电场作用形成动态式小桥通路，造成铁芯两点接地。贵州s11变压器制造结构缺陷引起的涡流。制造或维修中引线焊接触及分接开关接触不良或匝间绝缘破损引起的局部过热。

　　放电故障根据放电的能量密度大小，贵州s11变压器的放电故障常分为局部放电、火花放电、高能量放电等几种类型。局部放电是在电压作用下，绝缘结构内部气隙，油膜或导体的边缘发生非贯穿性放电现象。根据绝缘介质不同，可将局部放电分为气泡局部放电和油中局部放电。当油中存在气泡或固体绝缘材料中存在空穴或空腔，金属部件或导体之间接触不良以及贵州s11变压器内部某些位置有尖角毛刺漆瘤等都可能会引起局部放电。火花放电时其放电能量密度较大，贵州s11变压器发生火花放电故障的主要原因是油中杂质的影响，杂质主要有水分纤维质，主要是受潮的纤维等构成，在极间距离小杂质足够多的地方，则在工频电压作用的杂质在电极间形成的导电小桥可能连通两个电极，而发生火花放电。另一个原因是高压电力设备中某金属部件由于结构上的原因或运输过程和运行中造成接触不良而断开，处于高压与低压电极间并按其阻抗形成分压，而在这金属部件上产生的悬浮电位引起火花放电。电弧放电是高能放电，常以匝层间绝缘击穿为多，其次为引线断裂或对地闪络和分接开关飞弧等故障。电弧故障由于放电能量密度大，产气急剧，常以电子崩形式冲击电介质，使绝缘纸穿孔，烧焦或炭化，使金属材料变形或馆化烧毁，严重时会造成设备烧毁，甚至会发生爆炸事故。这种事故般事先难以预测，也无明显征兆，常以突发形式暴露出来。

　　就这种放电形式而言，局部放电是其他两种放电的前兆，火花放电电弧放电则是局部放电发展的种必然结果。贵州s11变压器内部出现放电故障时，往往是种类型伴随另种类型，或几种类型同时出现。

　　贵州s11变压器内部故障的检测与判别，在贵州s11变压器故障诊断中应综合各种有效的检测手段和方法，对得到的各种检测结果要进行综合分析与评判。目前还没有对任何故障检测都行之有效的方法，只有通过各种有效的途径和利用各种有效的技术手段，才能取得较好的诊断结果。

　　油浸式贵州s11变压器经过长期运行，由于各种原因产生的局部过热和多次开断形成的电弧，以及其他结构材料的劣化，势必会使绝缘油老化和分解产生少量的低分子烃类气体。故采用贵州s11变压器油中溶解气体分析技术对于发现内部潜伏性的故障是很有效的；在不同的故障情况下，气体成分及比值都不同。过热故障时，特征气体占总烃的8%0以上，且随着故障点温度的升高，所占的比值增加。当过热涉及固体绝缘，同时当总烃含量超过正常值时，电路故障与磁路故障的产生气体也有差异，如果是电路故障，且含量较高比值也较高，并且产气速率往往高于4磁路故障，或者很少只占氢烃总量的2%以下，而且比值较小。当发生局部放电时，一般总烃不高.由于化学测法对局部放电灵敏度不高，故最好采用电测法和超声定位技术。放电故障如果涉及到固体绝缘，还会产生放电性故障比过热性故障产气速率高.

　　人工神经网络在故障诊断中的应用，目前随着人工智能技术的发展，以及人工神经网络专家系统模糊理论在故障诊断中的应用。在此基础上贵州s11变压器故障诊断的方法和手段也丰富了许多，尤其是油中气体含量分析结果结合人工神经网络技术对贵州s11变压器诊断取得了很好的效果，并且诊断的准确性也得到了很大的提高。由于人工神经网络中具有良好的模式分类能力而且发展比较成熟，故采用网络根据贵州s11变压器油中的溶解气体的组成成分来对贵州s11变压器故障进行诊断。

　　网络模型及其学习算法，人工神经网络的模型有多种，而网络具有较好的模式分类能力，故适合于故障诊断的模式识别。网络由输入层输出层和中间隐层构成网络对贵州s11变压器故障传播输出和反向传播调整两部分组成。在正向传播过程中，输入信号由输入层经隐层单元处理后传向输出层；如果在输出层得不到期望的输出或者说与教师信号相差较大，则输出信号整和修正各层神经元间的连接权值使误差逐步达到最小。

　　输出层为其节点数为中间隐层，如果希望输出值与实际输出值之间的误差大于规定的误差值时，则需要对各连接权值进行修正。故障性质特征气体的特点一般过热性故障严重过热性故障局部放电火花放电电弧放电其中。

　　利用罗杰斯比值法判断故障性质，对于不能直接用罗杰斯比值法的比值范围作为输入，因而可利用下面个规则对其处理后作为网络输入，输出时无此故障同时还需要指出，由于激活函数的作用，输出点的状态实际不可能达到，或因此为了提高故障判断的准确性须对网络的实际输出值相应的处理。

　　由此我们可以看到利用神经网络与模糊数学结合贵州s11变压器油中的特征气体含量而建立的网络模型通过各方面的信息综合可以对贵州s11变压器故障做出有效判断。

　　结论神经网络与模糊理论以及专家系统结合对贵州s11变压器诊断可以大大的提高了诊断的准确度。