變壓器故障監(jiān)測(cè)及預(yù)測(cè)模型構(gòu)建研究

仝兆景+時(shí)俊嶺+高彩霞+張艷杰+趙運(yùn)星

摘 要：為保證礦用變壓器的安全穩(wěn)定運(yùn)行，針對(duì)目前的診斷方法多沒有考慮不良工況以及其它影響變壓器運(yùn)行的復(fù)雜因素，根據(jù)貝葉斯網(wǎng)絡(luò)算法，通過對(duì)不良工況和礦用變壓器運(yùn)行環(huán)境的分析，建立變壓器故障監(jiān)測(cè)及預(yù)測(cè)貝葉斯網(wǎng)絡(luò)模型。以某礦井變壓器故障為例進(jìn)行了仿真分析，實(shí)驗(yàn)結(jié)果證明，該模型可以準(zhǔn)確診斷變壓器故障，并預(yù)測(cè)潛在故障，對(duì)礦用變壓器的故障監(jiān)測(cè)和預(yù)測(cè)具有一定參考意義。

關(guān)鍵詞：故障監(jiān)測(cè)；貝葉斯網(wǎng)絡(luò)；不良工況；礦用變壓器；MPE問題

DOIDOI：10.11907/rjdk.171797

中圖分類號(hào)：TP319

文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-7800（2017）007-0116-03

0 引言

中國(guó)是一個(gè)煤炭生產(chǎn)和消費(fèi)大國(guó)，煤礦電氣設(shè)備的安全監(jiān)測(cè)與預(yù)測(cè)技術(shù)與實(shí)際需求差距較大，開發(fā)更加精確高效的煤礦電氣設(shè)備狀態(tài)監(jiān)測(cè)及故障診斷預(yù)警系統(tǒng)，對(duì)煤礦產(chǎn)業(yè)的電力安全運(yùn)行具有重大意義[1]。當(dāng)前發(fā)達(dá)國(guó)家對(duì)礦用變壓器故障的診斷大多使用神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)、灰色理論等診斷技術(shù)，由于礦用變壓器結(jié)構(gòu)和工作過程的復(fù)雜性、工作環(huán)境的惡劣性、監(jiān)測(cè)技術(shù)的局限性以及知識(shí)表達(dá)的不完善性，使得故障征兆和故障原因之間的相互關(guān)系呈現(xiàn)耦合性、隨機(jī)性和不確定性[2]。隨著計(jì)算機(jī)技術(shù)和傳感技術(shù)的飛速發(fā)展，已可以實(shí)現(xiàn)礦井井下配電網(wǎng)漏電、對(duì)稱短路、不對(duì)稱短路、斷相、過載和欠電壓等監(jiān)測(cè)功能，但是對(duì)礦用變壓器仍然缺乏有效的故障診斷和預(yù)警，無法及時(shí)地診斷與預(yù)測(cè)故障。貝葉斯網(wǎng)絡(luò)是目前不確定知識(shí)表達(dá)和推理領(lǐng)域最有效的理論模型之一，可以充分發(fā)掘數(shù)據(jù)中的有效信息，有著堅(jiān)實(shí)的理論基礎(chǔ)[3]。本文運(yùn)用結(jié)合了先驗(yàn)知識(shí)、概率論、圖論、人工智能、決策理論等不確定知識(shí)表達(dá)的貝葉斯網(wǎng)絡(luò)，開展礦用變壓器故障監(jiān)測(cè)及預(yù)測(cè)模型構(gòu)建與優(yōu)化研究。

1 貝葉斯網(wǎng)絡(luò)及推理

貝葉斯網(wǎng)絡(luò)（Bayesian Networks，BNs）是一種有向無環(huán)圖。其中，隨機(jī)變量間的因果關(guān)系通過有向圖的形式表示，并通過條件概率（置信度）將其進(jìn)行定量表示，包括隨機(jī)變量之間的聯(lián)合概率分布。BNs是一種信息表示框架[4] ，框架中將因果知識(shí)和概率知識(shí)相結(jié)合。網(wǎng)絡(luò)中的節(jié)點(diǎn)被假設(shè)為相互獨(dú)立的隨機(jī)變量，它們之間的獨(dú)立性通過有向連接弧來確定。

一個(gè)貝葉斯網(wǎng)絡(luò)即是一個(gè)二元組B=。其中，G是有向無環(huán)圖，其網(wǎng)絡(luò)節(jié)點(diǎn)分別與隨機(jī)變量X1，X2，...，Xn相對(duì)應(yīng)，有向的連接弧表示變量之間的相互關(guān)系。作出以下條件獨(dú)立性假設(shè)：確定節(jié)點(diǎn)的父節(jié)點(diǎn)，除了其子孫節(jié)點(diǎn)外，每一個(gè)變量都是獨(dú)立的。Θ是描述網(wǎng)絡(luò)局部條件概率的參數(shù)集合{θxi|zi}，θxi|zi=p（xi|zi）表示節(jié)點(diǎn)Xi的每一個(gè)取值xi在其父節(jié)點(diǎn)集yi處于某個(gè)特定的配置zi下的條件概率。貝葉斯網(wǎng)絡(luò)B表達(dá)的U上的聯(lián)合概率分布可通過式（1）確定：

BNs推理最主要的兩種常見問題分別為最大后驗(yàn)假設(shè)問題（MAP）和最大可能解釋問題（MPE）。從式（2）可以看出，MAP問題是在證據(jù)（E=e）已經(jīng)獲取的情況下，對(duì)一些變量取后驗(yàn)概率最大的狀態(tài)組合，這些變量被稱為假設(shè)變量（H）。如果變量的一個(gè)狀態(tài)組合稱為一個(gè)假設(shè)（h），MAP問題即是在全部可能的假設(shè)中，求取后驗(yàn)概率最大的假設(shè)。目前，一般將觀察到的異常征兆作為變壓器故障診斷的證據(jù)，其它故障作為假設(shè)變量。通過BNs推理算法進(jìn)行推理，將結(jié)果中后驗(yàn)概率最大的故障作為最后的診斷結(jié)果，即：

求解MPE問題既是求故障發(fā)生的最大概率解釋，即指網(wǎng)絡(luò)中全部變量與證據(jù)節(jié)點(diǎn)相一致時(shí)的狀態(tài)組合。

BNs推理算法有精確推理算法和近似推理算法兩類，復(fù)雜系統(tǒng)中，它們都是NP難題。本文將變壓器故障推理作為MPE問題來處理，采用GeNie建立模型并調(diào)用算法進(jìn)行推理。

2 Bayes網(wǎng)絡(luò)模型建立

依據(jù)《煤礦安全規(guī)程》、《煤礦變壓器運(yùn)行管理制度》的相關(guān)規(guī)定，針對(duì)不同工況下變壓器各關(guān)鍵部分的電壓、電流、絕緣電阻和變壓器的振動(dòng)、溫度、噪聲，建立BNs故障監(jiān)測(cè)與預(yù)測(cè)模型，如圖1所示。礦用變壓器故障監(jiān)測(cè)及預(yù)測(cè)貝葉斯網(wǎng)絡(luò)模型構(gòu)建，以統(tǒng)計(jì)數(shù)據(jù)、專家經(jīng)驗(yàn)系統(tǒng)、現(xiàn)場(chǎng)數(shù)據(jù)采集、故障樣本等為基礎(chǔ)，結(jié)合變壓器的運(yùn)行工況、故障表現(xiàn)征兆，運(yùn)用貝葉斯網(wǎng)絡(luò)構(gòu)建變壓器的故障監(jiān)測(cè)及預(yù)測(cè)模型；通過變壓器工況分析、特征提取來不斷豐富專家知識(shí)和故障樣本數(shù)據(jù)[5-7]，這些知識(shí)和數(shù)據(jù)可作為貝葉斯網(wǎng)絡(luò)各節(jié)點(diǎn)的先驗(yàn)概率、條件概率和聯(lián)合分布概率的取值，結(jié)合現(xiàn)場(chǎng)實(shí)驗(yàn)實(shí)現(xiàn)監(jiān)測(cè)、預(yù)測(cè)模型優(yōu)化。

通過查詢大量文獻(xiàn)資料，對(duì)故障數(shù)據(jù)進(jìn)行總結(jié)分析，找出了容易監(jiān)測(cè)到的征兆類型與故障率常見且高發(fā)的故障類型，征兆集合與故障集合如表1所示[8-9]。

通過深入理論和技術(shù)優(yōu)化研究，以專家經(jīng)驗(yàn)系統(tǒng)、現(xiàn)場(chǎng)數(shù)據(jù)采集、故障樣本等為基礎(chǔ)，對(duì)網(wǎng)絡(luò)模型實(shí)施算法優(yōu)化。在結(jié)構(gòu)學(xué)習(xí)的基礎(chǔ)上，實(shí)現(xiàn)故障監(jiān)測(cè)及預(yù)測(cè)網(wǎng)絡(luò)的參數(shù)學(xué)習(xí)，并實(shí)現(xiàn)高效準(zhǔn)確的推理[9-11]。

通過分析總結(jié)，給出了在實(shí)際中相對(duì)容易觀察獲得的3種可能導(dǎo)致變壓器故障的不良工況，并設(shè)定其置信度。根據(jù)變壓器的故障統(tǒng)計(jì)，制造原因在導(dǎo)致變壓器故障的因素中占有很大比率?？紤]到實(shí)際情況中，無法完全列舉所有故障，并找出它們的先驗(yàn)概率以及對(duì)變壓器的影響，所以將模型中無法列舉出的其它因素視為L(zhǎng)eaky節(jié)點(diǎn)L，將L節(jié)點(diǎn)對(duì)變壓器故障的影響概率設(shè)定為0.5。在故障征兆與故障連接關(guān)系中，將其影響概率設(shè)定為0.01。

已知的3種不良工況有過載（c1）、出口短路（c2）、電壓沖擊（c3），通過分析分別將概率設(shè)定為0.01[12]。不良工況和L節(jié)點(diǎn)對(duì)變壓器故障的影響如表2所示。

根據(jù)以上不良工況對(duì)故障的影響和修改后的故障征兆與故障連接關(guān)系表[12]，在GeNie軟件中構(gòu)建貝葉斯網(wǎng)絡(luò)模型，如圖2所示。

目前在大多數(shù)貝葉斯診斷方法中將變壓器故障診斷作為MAP問題，從而可以得到發(fā)生概率最大的故障模式，但這沒有充分利用貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)的優(yōu)勢(shì)。在此，本文將其視為MPE問題。MPE顯示了整個(gè)網(wǎng)絡(luò)中所有節(jié)點(diǎn)的狀態(tài)，包含不良工況故障模式，使診斷結(jié)果更準(zhǔn)確。

3 故障診斷與分析

3.1 一般故障診斷分析

根據(jù)實(shí)例[13]，某主變壓器色譜分析后三比值編碼呈過熱性故障，同時(shí)油中微水為14μl/l，測(cè)量鐵芯接地電流為0.2mA，故障原因和故障征兆不明確；停電后做電氣試驗(yàn)，測(cè)得鐵芯絕緣電阻為1 000MΩ，其它實(shí)驗(yàn)項(xiàng)目全部合格。

經(jīng)過模型推理后，推理結(jié)果如圖3所示，結(jié)果顯示發(fā)生了鐵芯多點(diǎn)接地及局部短路故障。根據(jù)對(duì)各個(gè)故障節(jié)點(diǎn)后驗(yàn)概率計(jì)算的結(jié)果，后驗(yàn)概率最大的故障也為鐵芯多點(diǎn)接地及局部短路故障。經(jīng)過對(duì)變壓器的吊罩檢查，發(fā)現(xiàn)變壓器本體內(nèi)部鐵芯接地聯(lián)片因過長(zhǎng)而跨接鐵芯，引起鐵芯多點(diǎn)接地。推理結(jié)果與實(shí)際故障一致。此外，從圖3可以看出，匝間絕緣損傷與匝間短路故障概率也比較高。分析后可知，此變壓器為老式變壓器，絕緣性能低，為以后診斷試驗(yàn)提供了依據(jù)。同時(shí)與該故障節(jié)點(diǎn)相關(guān)的征兆節(jié)點(diǎn)中，繞組變比偏差發(fā)生概率相對(duì)較大。在進(jìn)行測(cè)定后，可以將此結(jié)果作為證據(jù)，再一次對(duì)網(wǎng)絡(luò)的節(jié)點(diǎn)狀態(tài)重新進(jìn)行評(píng)估，使結(jié)果更加逼近實(shí)際情況。

3.2 不良工況下的并行故障診斷分析

根據(jù)實(shí)際故障案例[13]，某礦用變壓器事故前發(fā)生過多次類似的近距離出口短路沖擊，三比值編碼分析后呈現(xiàn)高能電弧放電，其中氫氣和總烴含量明顯增加，且低壓繞組直流電阻嚴(yán)重不平衡。

經(jīng)BNs模型推理后的結(jié)果如圖4所示，診斷結(jié)果為：繞組變形與匝間短路和分接開關(guān)及引線故障，同時(shí)絕緣老化，故障率偏高，此是因?yàn)樵撟儔浩魍度脒\(yùn)行年限過長(zhǎng)導(dǎo)致。經(jīng)過電氣測(cè)量和吊罩檢修，變壓器故障與推理結(jié)果一致。若不考慮不良工況以及其它因素，則根據(jù)異常征兆推理得到的結(jié)果分接開關(guān)及引線故障，與實(shí)際情況不符。由此可以看出，在現(xiàn)有證據(jù)不足時(shí)，增加不良工況這一因素可以大大提高推理結(jié)果的準(zhǔn)確度。同時(shí)從圖4中看出，鐵芯接地電流相對(duì)其它征兆節(jié)點(diǎn)偏高，可以對(duì)其進(jìn)行檢測(cè)，將此結(jié)果作為證據(jù)，再一次對(duì)網(wǎng)絡(luò)的節(jié)點(diǎn)狀態(tài)重新進(jìn)行評(píng)估，使結(jié)果更加準(zhǔn)確。

4 結(jié)語

由于礦用變壓器故障概率的不確定性、運(yùn)行環(huán)境的復(fù)雜性以及認(rèn)知水平不高，本文對(duì)變壓器故障的分析還有所不足，為了更好地對(duì)變壓器作出分析預(yù)測(cè)，仍需要對(duì)其進(jìn)行進(jìn)一步深入研究。

（1） 通過對(duì)礦用變壓器的分析，建立了貝葉斯監(jiān)測(cè)及預(yù)測(cè)模型，通過分析實(shí)際情況以及運(yùn)行環(huán)境，對(duì)其CPT進(jìn)行了適當(dāng)修改。

（2） 通過實(shí)際故障驗(yàn)證，基于貝葉斯網(wǎng)絡(luò)的變壓器故障監(jiān)測(cè)和預(yù)測(cè)模型推理結(jié)果基本包含了變壓器的常見高發(fā)故障和未檢測(cè)的異常征兆，為下一步檢修提供依據(jù)。

（3） 貝葉斯網(wǎng)絡(luò)對(duì)于大數(shù)據(jù)挖掘具有非常大的優(yōu)勢(shì)，可以通過對(duì)變壓器故障以及運(yùn)行狀態(tài)的進(jìn)一步研究，更新此診斷模型。收集的故障數(shù)據(jù)越多，模型越接近現(xiàn)實(shí)，診斷結(jié)果則會(huì)越精確。

參考文獻(xiàn)：

[1]武先利，楊勇，魏峰.煤礦井下安全監(jiān)控系統(tǒng)技術(shù)改進(jìn)探討[J].煤礦安全，2009，40（8）：109-111.

[2]萬志強(qiáng).基于多特征參量融合的礦用隔爆型干式變壓器故障診斷系統(tǒng)的研究[D].太原：太原理工大學(xué)，2013.

[3]司應(yīng)碩，楊文濤.貝葉斯網(wǎng)絡(luò)在數(shù)據(jù)挖掘中的應(yīng)用[J].軟件導(dǎo)刊，2016，15（4）：169-170.

[4]楊海深.貝葉斯網(wǎng)絡(luò)中不確定性知識(shí)推理算法及其應(yīng)用研究[D].廣州：華南理工大學(xué)，2010.

[5]李貴濤，侯沛勇，任方宇，等.基于貝葉斯網(wǎng)絡(luò)的變壓器故障診斷及重要度分析[J].世界科技研究與發(fā)展，2014，36（5）：488-493.

[6]程穩(wěn)，華虎.礦井地面變壓器的異常運(yùn)行和常見故障分析[J].煤礦安全，2006，37（12）：57-58.

[7]范合余. 礦用電力變壓器的故障分析與試驗(yàn)[J]. 山東煤炭科技， 2012（3）：171.

[8]白翠粉，高文勝，金雷，等.基于3層貝葉斯網(wǎng)絡(luò)的變壓器綜合故障診斷[J].高電壓技術(shù)，2013，39（2）：330-335.

[9]熊衛(wèi)紅， 謝志成， 李興東，等. 基于貝葉斯網(wǎng)絡(luò)的變壓器潛在故障概率評(píng)估[J].電氣應(yīng)用， 2013（S2）： 706-710.

[10]李儉川，胡蔦慶，秦國(guó)軍，等.基于貝葉斯網(wǎng)絡(luò)的故障診斷策略優(yōu)化方法[J].控制與決策，2003， 18（5）：568-572.

[11]XIE Q J， ZENG H X， LING R， et al. Transformer fault diagnosis based on bayesian network and rough set reduction theory[C].Tencon Spring Conference. IEEE， 2013：262-266.

[12]I B M TAHA， S S M GHONEIM ，A S A DUAYWAH.Refining DGA methods of IEC code and rogers four ratios for transformer fault diagnosis[C].2016 IEEE Power and Energy Society General Meeting （PESGM）， Boston， MA， 2016：1-5.

[13]鄧永輝.變壓器類設(shè)備典型故障案例匯編[M].北京：中國(guó)電力出版社，2012：15-43.endprint