云模型在电力变压器故障诊断中的应用.pdf

《云模型在电力变压器故障诊断中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第十七卷第一期安徽电气工程职业技术学院学报2012年3月Vo1．17，No．1JOURNALOFANHUIELECTRICALENGINEERINGPROFESSIONALTECHNIQUECOLLEGEMarch2012云模型在电力变压器故障诊断中的应用宫政，何飓(安庆供电公司，安徽安庆246000)摘要：鉴于物元理论在构建诊断模型时，忽略了分界值的不确定性，使诊断结果偏离了实际情况。利用云模型能合理地解决边界不确定问题，将物元理论与云模型相结合，建立了新的故障诊断模型。同时，结合油中溶解气体分析技术，通过

2、对油中溶解气体的浓度、产气率、总烃含量以及气体间比值的分析，客观、准确地对变压器进行故障诊断。通过与其他诊断技术相比较，并结合案例分析，得出基于物元理论和云模型的变压器故障诊断技术具有更高的正确率。关键词：电力变压器；云模型；故障诊断中图分类号：TM74文献标识码：A文章编号：1672—9706(2012)01—0004．06tionofCloudModelinFaultDiagnosisinPowerTransformersGONGZheng，HEJu(AnqingPowerSuppleCompany，An

3、qing246000，China)Abstract：Inviewofmatter—elementtheorysolvingfaultdiagnosisproblemsinasimpleandeffectivemethod，ignoringtheuncertaintyofboundaryvalues，theresultisdeviatedfromtheactualsituation．U—singcloudmodeltheorytoconsidertheuncertaintyoftheboundary，cloud

4、modeltheoryiscombinedwithmatter-elementtheorytoproposeanewmode1．Meanwhile，combinedwithoildissolvedgasanalysis，byanalyzingtheconcentrationofdissolvedgases，gasproductionrate，thetotalhydrocarboncontentandtheratiobetweendifferentgasesinoil，transformerfaultdiagn

5、osismodelisestablieshed，thenthetransformerfaultisdeterminedaccuratelyandobjectively．Bycomparedwithothertechniques，combinedwithcasea—nalysis，theconclusionisreachedthatthenewtechniquewhichisbasedonmatter-elecloudmodelhasahigheraccuracy．Keywords：powertransform

6、er；cloudmodel；faultdiagnosis0引言随着我国电力行业的迅猛发展，电力设备的日益增多，变压器的数量也随之剧增。然而由于变压器内部结构复杂，加上各种外界因素的影响，使其在长期的运行过程中不可避免地会发生故障。由于相关的数据量越来越庞大，从众多的数据中提取想要的数据，以便迅速、准确地判断出变压器的故障部位及故障类型，从而及时地对变压器进行维修，至关电力系统的安全，因此，研究一种准确、可行的变压器故障诊断方法具有重要的意义。传统的故障诊断方法往往局限于阈值诊断的范畴，很难准确地反映特征与故障

7、间的客观规律，且难以在油中溶解气体含量较小的情况下对变压器的状态进行分析。为了解决这些不足，人工神经网络、模糊推理等各种智能技术被引入变压器的故障诊断中，且取得了较好的成效，然而这些智能技术各有各的收稿日期：2011-12—12作者简介：宫政(1988一)，女，安徽合肥人，安庆供电公司信息运维中心，硕士研究生。何飓(1969·)，男，安徽安庆人，安庆供电公司信息运维中心，工程师。·4·宫政，何飓：云模型在电力变压器故障诊断中的应用优缺点。目前广泛使用的变压器故障诊断技术——DGA(油中溶解气体分析技术)被作为

8、故障诊断的特征量⋯。通过对变压器油中溶解气体的浓度、产气率、总烃含量以及气体间比值的分析，能够有效地确定出变压器的故障产生部位以及故障类型。文献[2]中将物元理论应用到变压器的故障诊断中，由于构造的诊断模型简单、效果良好，可以方便、快捷地对变压器进行故障诊断，但该方法的不足在于建立模型时，忽略了分界值的不确定性，强制地将数据归结为某一类故障的模型，使最终得到的结果与实际相偏离。鉴于云模型能够综合地考