许龙彬1 刘巧玲2 赵冬3
1.特变电工康嘉（沈阳）互感器有限责任公司 辽宁 沈阳 110144
2.传奇电气（沈阳）有限公司 辽宁 沈阳 110136
3.传奇电气（沈阳）有限公司 辽宁 沈阳 110136
摘要：在国民经济迅猛发展的新时代背景下，人们的生活水平在不断提升的同时对电能的需求量、稳定性等也提出了更高的要求。新时代背景下如何在保证社会供电量的同时，确保电力设备的安全、稳定、有效运转，逐渐成了每一名电力工作者的主要任务。而电力变压器作为电力系统中重要的电能输出设备，其运行的稳定性、可靠性，不仅关系到社会用电的稳定性，同时也关系到变电站、发电厂的正常运转。一旦电力变压器产生故障，小则导致大范围停电，大则引发严重经济损失、安全事故。为保障电网的安全运转，降低因电力变压器安全故障而引发的不良社会影响，必须对电力变压器的检修工作提起高度的重视。
关键词：智能诊断方法；电力变压器故障识别；应用
前言：国家发展的命脉在于能源，而电能作为社会应用最广、频率最高、消耗量最大的能源，无疑成了制约一个国家发展的关键所在，与人们日常生活、社会生产有着极为紧密的联系，是国民经济发展的命脉。尤其是面对因技术升级、环境多样等因素而导致的电力变压器故障多样性、复杂性演变，准确判断、快速检修能够最大限度地降低因安全故障而造成的损失，保障电力系统的正常运转。为此，有必要在电力变压器的故障识别中引入最新、最先进的智能诊断方法，在传统DGA方法以及智能算法的强强联合作用下，实现对电力变压器故障的高精度诊断处理。
1智能诊断方法在电力变压器故障识别中应用的意义
在以往工作中，多采用传统的油中气体分析法即DGA对电力变压器故障进行识别、分析，该方法的重点是围绕油箱内碳氢化合物生成过程中的相关热动力学进行的，即不同类型碳氢气体比例的产生主要取决于热点温度大小。传统的DGA故障分析法主要有三比值法、电协研法、特征气体法、罗杰斯法等。虽然这些方法各具优势，对于电力变压器故障的识别与研判而言起到了很好的作用，并且可以在确保变压器不断电正常运行状态下，即可实现对其故障的诊断，有效地维护了电网系统的安全性。但随着我国电网系统的不断发展，人们对电网的稳定性、安全性提出了更高要求的同时，也对变压器故障识别的智能性、高效性、便捷性、准确性等提出了要求。DGA故障分析法不再能够充分满足电力变压器故障诊断需求，尤其是其诊断准确度不高、方法单一的缺陷逐渐显露出来，更无法实现对电力变压器的实时监测、诊断，受到了时间、空间对检测工作的束缚。与此同时，以DGA故障分析法为主的传统电力变压器故障识别需要涉及故障发生机理、设备运行状态以及所处环境情况等一系列因素，在对这些因素进行综合考量下才能够得出具体故障分析结果，此种方法较为烦琐、复杂，难以快速而准确找到故障产生原因及位置，不利于故障的及时排除。为此，需要在计算机网络技术、人工智能技术的辅助作用下，在传统DGA分析方法的基础上，尽快生成一套完整的智能诊断系统，在专家系统诊断方法、模糊推理诊断方法、神经网络诊断方法、智能计算机诊断方法、智能混合诊断方法等的共同作用下，借助智能网络系统实现对故障机理、设备运行等因素的自动化、智能化分析与处理。因此在继承DGA故障分析方法优势特点的基础上，充分弥补传统DGA分析法存在的不足与缺陷，使电力变压器故障识别与分析更具精准性，在快速、准确解除电力变压器故障的同时维护电网稳定性，积极顺应现代化电网系统建设发展需求。
2智能诊断方法在电力变压器故障识别中的应用
2.1专家系统诊断方法
专家系统诊断方法是建立在交互性知识库的基础上，借助知识库丰富的信息体系，对故障诊断过程中涉及的各种不确定信息予以综合推理、分析，由此达到快速、准确判定复杂故障的目的。其中的知识库是在无数次的电力变压器故障诊断实践中，所逐渐积累起来的既有诊断知识、经验、教训，能够为变压器的故障诊断、分析、识别提供充足的数据信息支持，使检测者可以结合变压器故障表征、测量数据，在专家知识库的辅助下迅速找到最佳解决方案并建立故障识别系统模型。在整个专家系统诊断方法中，知识库尤为关键，知识库信息内容更新频率情况、人机交互界面友好性等都对诊断工作的顺利实施起到了关键性的影响。从整个体系来看，专家系统可以大致分为绝缘预防试验模块、潜伏性故障诊断模块、气体色谱跟踪分析模块3部分，能够对变压器运行过程中油箱内的油、气状态，电流运行情况以及部件情况等做出检测，并给出具体翔实的意见。专家系统诊断方法的优点就在于信息透明、应用灵活，且交互性功能的具备能够使检测者即便是在故障信息不全的情况下依然能够实现对故障的有效识别。但缺点也是极为明显的，目前专家系统的开发并未形成统一，Prolog、Delphi作为当前两大专家系统开发方，受各方面因素的影响，他们各自开发的专家系统接口协议存在差异，这就增加了系统运行的隐患。而冗长的程序代码、复杂的输入界面等更是大大增加了系统操作难度，不利于系统的后续升级优化。
2.2模糊推理诊断方法
随着现代电力系统的日益复杂化，各项故障产生的表象及原因的复杂程度也逐渐提升，与此同时各故障的产生机理更是带有模糊性的特点。对难度、复杂程度都较高的故障，难以借助明确的判断依据来对故障予以描述和研判，为此可以借助模糊推理故障识别方法来解决变压器故障诊断中复杂且模糊的数值问题。具体而言，通过模糊推理数学分析模型的引入，可以在已有故障征兆的基础上，结合搜集到的故障变压器数据信息，基于模糊覆盖及理论建立电力变压器故障诊断模型，从而得出故障集合、征兆集合以及故障征兆连接关系集合，为电力变压器故障的准确判断以及后续处理提供重要的辅助作用。从类型上来看，模糊推理诊断方法大致可以分为边界值模糊化处理、模糊关系、基于模糊聚类3种，可以在对各类智能识别算法进行优化组合的基础上，以能够采集到、观测到的关于变压器故障的所有信息为依据展开模糊推理，由此实现对复杂故障情况的高精度研判，并辅助检测者做出合乎实际的故障处理措施。
2.3神经网络诊断方法
人工神经网络诊断方法是建立在生物神经网络基础上模拟发展而来的一种新型的智能化网络处理系统，由大量人工神经元组成，其内部组织结构在很大程度上是仿造人脑神经系统而建立的，因此在功能上也带有智能化控制的特点。神经网络诊断方法是目前发展较为成熟且应用较广的一种电力变压器故障识别方法。神经网络诊断技术可以在各神经元相互协同的作用下实现对信息的集中处理，带有信息联想记忆、非线性映射、分类与识别等各项功能，在故障诊断、处理过程中，不仅能够帮助维修人员快速恢复变压器原始完整数据信息，同时还可以通过非线性映射数据模型的建立清晰地反映变压器气体成分含量、故障类型等。在所有智能诊断方法中神经网络诊断对电力变压器故障的识别带有良好的自组织性、自适应性，同时还具有极佳的泛化能力，可以被应用于各种故障的诊断与处理。
3结语
综上所述，智能诊断方法依托强大的计算机技术、电子技术，能够有效实现对电力变压器绝缘的在线监测。同时结合计算机人工智能所赋予的专家系统、人工神经网络、模糊理论等算法，能够最大程度地促进电力变压器故障诊断准确率的提升，由此使电力变压器故障能够一直处于可掌控范围内，保障电力系统的安全、稳定运转。在未来的工作中，要继续加强对智能诊断技术的研发力度，深入结合电力变压器故障发生原理的分析，进行计算机人工智能技术的深挖，促进智能诊断方法能够被更好、更充分地运用到电力变压器故障识别中。
参考文献
［1］闫伟.智能诊断方法在电力变压器故障识别中的应用［J］.石化技术，2020（9）：241，278.
［2］王斌.智能诊断方法在电力变压器故障识别中的应用研究［J］.科技风，2020（9）：173.