CN102680817A - 一种基于模糊Petri网变压器故障诊断方法 - Google Patents

Abstract

本发明涉及一种基于模糊Petri网变压器故障诊断方法，首先，采用模糊Petri网构建变电站故障诊断模型；采用气相色谱法分离得到变压器油中的气体浓度值；采用绝对产气速率公式得到变压器油中的气体增长速率；综合变压器油中气体浓度值与产气速率得到模型的初始标识；采用变电站故障诊断模型对变电站故障诊断进行推理分析，得到诊断结果；本方法基于模糊Petri网构建变电站故障诊断模型，利用处理过的变迁的输入库所值域输入弧上的值的加权求和作为故障的可能性，能有效地处理变压器故障诊断中漏判、误判和无法判断的问题，并能定量地给出每种故障的可能性大小，提高了诊断的正确率。

Description

一种基于模糊Petri网变压器故障诊断方法

技术领域

本发明属于自动化控制系统技术领域，具体涉及变压器故障诊断方法。

背景技术

在电力系统的发展历史上，由于电力变压器或其它电气设备突发事故导致的大规模停电灾难不仅给人们的生活带来不便，也严重阻碍了经济的发展。因此，在电网格局不断扩大、电能传输能力持续增长的情况下，电力系统中电气设备的可靠性，对整个电力系统的安全运行具有十分重要的意义。而电力变压器在电力系统担负着电力变压器担负着电网间电压变化、电能转化的功能，是电力系统中最重要的设备之一。

目前，为了保证电力变压器的可靠运行，避免事故的发生，通过对电力变压器等电气设备进行故障检测和分析诊断，从而准确、可靠地发现这些设备中逐步发展的潜在性故障，有效地防止由此引起的重大电力事故，实现从现行的预防性检修方式向状态检修方式转变，对实现电力系统运行上的安全可靠性和维护上的经济性都具有十分重要的意义。而状态检修，首先要根据现有的状态即变压器内气体含量的变化来推断电力系统中发生故障的设备。随着变压器故障诊断技术的发展，油中气体分析法(DGA)成为电力系统对变压器进行故障诊断最主要的手段之一。在油中气体分析法中，神经网络技术、模糊理论、遗传算法是主要的技术。但是现有的变压器故障诊断中的三比值法和改良三比值法仍存在漏判、误判和某些故障无法判断的缺陷。

发明内容

本发明的目的是提供一种基于模糊Petri网变压器故障诊断方法，以解决现有方法存在的漏判、误判和某些故障无法判断的问题。

为实现上述目的，本发明的基于模糊Petri网变压器故障诊断方法的步骤如下：

(1)采用模糊Petri网构建变电站故障诊断模型；

(2)采用气相色谱法分离得到变压器油中的气体浓度值；

(3)采用绝对产气速率公式得到变压器油中的气体增长速率；

(4)综合变压器油中气体浓度值与产气速率得到模型的初始标识；

(5)采用变电站故障诊断模型对变电站故障诊断进行推理分析，得到诊断结果。

进一步的，所述步骤(1)中∑＝{P，T，F，W，M₀}用于构建变电站故障诊断模型，其中：

1)P＝Pi∪Po，其中Pi＝{p1，p2，p3，p4，p5，p6，p7}，Pi为变迁的前提库所，Po＝{p8，p9，p10，p11，p12，p13}为结论库所；

2)T＝{t1，t2，t3，t4，t5，t6}；

3) $F\⋐(P\×T)\∪(T\×P),$ 为弧的有限集；

4)W：P×T→[0，1]，W(p，t)为p到t的权值；

5)M₀：Pi→[0，1]，为∑的初始标识，Pi中的每个库所初始标识值是通过将从溶解于变压器油中的气体浓度与增长速率经过Dempster合成法则得到的一个计算值，充分考虑了变压器中当前的气体浓度值与其增长速率，而且把每种故障类型相关的气体分为主要和次要。

进一步的，所述步骤(1)的1)中Pi为变迁的前提库所，分别是H₂，C₂H₂，CO，CO₂，CH₄，C₂H₄，C₂H₆，是通过气相色谱法从变压器油中分析的溶解于油中的气体和游离气体的浓度值，Po＝{p8，p9，p10，p11，p12，p13}为结论库所，是故障的类型，分别是油过热，油和纸过热，油纸绝缘中局部放电，油中火花放电，油中电弧，油和纸中电弧。

进一步的，所述步骤(1)的5)中初始标识的计算值的具体含义为：引起每种故障的都有对应的主要气体和次要气体，在初始标识中，次要气体的值定为1，主要气体的值通过气体的当前浓度值与增长速率合成得到，具体为DS证据理论的合成公式，设m₁，m₂，…m_n是识别框架U上的基本概率，多概率分配函数的正交和 $m=m_1\⊕m_2{\⊕\·\·\·\⊕m}_n,$ 由下式表示：

$m\left(A\right)=k\underset{\∩A_i=A}{\mathrm{\Σ}}\underset{i\≤j\≤n}{\mathrm{\Π}}{m}_j\left(A_i\right),$

其中

进一步的，所述步骤(3)中绝对产气速率是每运行日产生某种气体的平均值，按下式计算：γa＝(Ci，2-Ci，1)/Δt×m/ρ，其中，

γa——绝对产气速率，mL/d；

Ci，2——第二次取样测得油中某气体浓度，μL/L；

Ci，1——第一次取样测得油中某气体浓度，μL/L；

Δt——二次取样时间间隔中的实际运行时间，d；

m——设备总油量，t；

ρ——油的密度，t/m3。

进一步的，所述步骤(5)中变电站故障诊断模型由通过DS证据公式合成之后的初始标识值与相应变迁弧上的权值乘积求和得到，为

其中p为某一变迁的输出库所，也就是某一种故障，pi为变迁的输入库所的值，w(pi，t)为相应的弧上的权值，最后得到该种类型故障的可能性大小。

本发明的基于模糊Petri网变压器故障诊断方法，基于模糊Petri网构建变电站故障诊断模型，利用处理过的变迁的输入库所值域输入弧上的值的加权求和作为故障的可能性，能有效地处理变压器故障诊断中漏判、误判和无法判断的问题，并能定量第给出每种故障的可能性大小，提高了诊断的正确率。

附图说明

图1是本发明实施例的故障诊断推理模糊Petri网模型图。

具体实施方式

基于模糊Petri网变压器故障诊断方法的步骤如下：

(1)采用模糊Petri网构建变电站故障诊断模型；

(2)采用气相色谱法分离得到变压器油中的气体浓度值；

(3)采用绝对产气速率公式得到变压器油中的气体增长速率；

(4)综合变压器油中气体浓度值与产气速率得到模型的初始标识；

(5)采用变电站故障诊断模型对变电站故障诊断进行推理分析，得到诊断结果。

∑＝{P，T，F，W，M₀}用于构建变电站故障诊断模型，其具体定义如下：

(1)P＝Pi∪Po，其中Pi＝{p1，p2，p3，p4，p5，p6，p7}，Pi为各个变迁的前提库所，分别是H₂，C₂H₂，CO，CO₂，CH₄，C₂H₄，C₂H₆，即通过气相色谱法从变压器油中分析的溶解与油中的气体和游离气体的浓度值，Po＝{p8，p9，p10，p11，p12，p13}为结论库所，即故障的类型(油过热，油和纸过热，油纸绝缘中局部放电，油中火花放电，油中电弧，油和纸中电弧)如表1、表2所示；

(2)T＝{t1，t2，t3，t4，t5，t6}；

(3) $F\⋐(P\×T)\∪(T\×P),$ 为弧的有限集；

(4)W：P×T→[0，1]，W(p，t)为p到t的权值；

(5)M₀：Pi→[0，1]，为∑的初始标识，Pi中的每个库所初始标识值是通过将从溶解于变压器油中的气体浓度与增长速率经过Dempster合成法则得到的一个计算值，充分考虑了变压器中当前的气体浓度值与其增长速率，而且把每种故障类型相关的气体分为主要和次要来考虑。

表1 库所和变迁的含义

标识	含义	标识	含义
				p1	CH4的合成值	p8	油过热
p2	C2H4的合成值	p9	油和纸过热
				p3	H2的合成值	p10	油纸绝缘中局部放电
p4	C2H6的合成值	p11	油中火花放电
				p5	CO的合成值	p12	油中电弧
p6	CO2时合成值	p13	油和纸中电弧
				p7	C2H2的合成值

表2 故障类型与气体的关系

具体定义(5)中初始标识的计算值的具体含义为：引起每种故障的都有对应的主要气体和次要气体，在初始标识中，次要气体的值定为1，主要气体的值通过气体的当前浓度值与增长速率合成得到，具体为DS证据理论的合成公式，设m₁，m₂，…m_n是识别框架U上的基本概率，多概率分配函数的正交和 $m=m_1\⊕m_2{\⊕\·\·\·\⊕m}_n,$ 由下式表示：

$m\left(A\right)=k\underset{\∩A_i=A}{\mathrm{\Σ}}\underset{i\≤j\≤n}{\mathrm{\Π}}{m}_j\left(A_i\right),$

其中

故障常常以低能量的潜伏性故障开始，若不及时采取相应的措施，可能发展能较严重的高能量的故障。因此，必须考虑故障的发展趋势，也就是故障点的产气速率。绝对产气速率：即每运行日产生某种气体的平均值，按下式计算：γa＝(Ci，2-Ci，1)/Δt×m/ρ。其中，

γa——绝对产气速率，mL/d；

Ci，2——第二次取样测得油中某气体浓度，μL/L；

Ci，1——第一次取样测得油中某气体浓度，μL/L；

Δt——二次取样时间间隔中的实际运行时间，d

m——设备总油量，t；

ρ——油的密度，t/m3.

变压器和电抗器绝对产气速率的注意值如表3所示。

表3 产气速率注意值

采用单位体积内跟故障相关的气体浓度作为模糊Petri网模型的初始标识合成的一部分，如图1所示。

步骤(5)是通过DS证据公式合成之后的初始标识值与相应变迁弧上的权值乘积求和，具体为：

其中p为某一变迁的输出库所，也就是某一种故障，pi为变迁的输入库所的值，w(pi，t)为相应的弧上的权值，最后得到该种类型故障的可能性大小。

下面给出具体实例来详细说明本发明的方法。

设D＝{d1，d2，d3，d4，d5，d6，d7}为利用气相色谱法分离到的一组溶解于变压器油中的气体值。

利用基于模糊Petri网变压器故障诊断模型对变压器进行故障诊断的过程为：

(1)计算产气速率

利用产气速率公式γa＝(Ci，2-Ci，1)/Δt×m/ρ计算每种气体的产气速率。

(2)计算初始标识

利用DS证据的合成法则， $m\left(A\right)=k\underset{\∩A_i=A}{\mathrm{\Σ}}\underset{i\≤j\≤n}{\mathrm{\Π}}{m}_j\left(A_i\right),$

综合变压器油中气体的浓度与产气速率得到模型的初始标识。

(3)基于模型推理

采用

得到故障的可能性大小。

最后所应说明的是：以上实施例仅用以说明而非限定本发明的技术方案，尽管参照上述实施例对本发明进行了详细说明，本领域的普通技术人员应当理解：依然可以对本发明进行修改或者等同替换，而不脱离本发明的精神和范围的任何修改或局部替换，其均应涵盖在本发明的权利要求范围当中。

Claims (6)

1.一种基于模糊Petri网变压器故障诊断方法，其特征在于，该方法的步骤如下：

(1)采用模糊Petri网构建变电站故障诊断模型；

(2)采用气相色谱法分离得到变压器油中的气体浓度值；

(3)采用绝对产气速率公式得到变压器油中的气体增长速率；

(4)综合变压器油中气体浓度值与产气速率得到模型的初始标识；

(5)采用变电站故障诊断模型对变电站故障诊断进行推理分析，得到诊断结果。

2.根据权利要求1所述的方法，其特征在于，所述步骤(1)中∑＝{P，T，F，W，M₀}用于构建变电站故障诊断模型，其中：

1)P＝Pi∪Po，其中Pi＝{p1，p2，p3，p4，p5，p6，p7}，Pi为变迁的前提库所，Po＝{p8，p9，p10，p11，p12，p13}为结论库所；

2)T＝{t1，t2，t3，t4，t5，t6}；

3) $F\⋐(P\×T)\∪(T\×P),$ 为弧的有限集；

4)W：P×T→[0，1]，W(p，t)为p到t的权值；

5)M₀：Pi→[0，1]，为∑的初始标识，Pi中的每个库所初始标识值是通过将从溶解于变压器油中的气体浓度与增长速率经过Dempster合成法则得到的一个计算值，充分考虑了变压器中当前的气体浓度值与其增长速率，而且把每种故障类型相关的气体分为主要和次要。

3.根据权利要求2所述的方法，其特征在于，所述步骤(1)的1)中Pi为变迁的前提库所，分别是H₂，C₂H₂，CO，CO₂，CH₄，C₂H₄，C₂H₆，是通过气相色谱法从变压器油中分析的溶解于油中的气体和游离气体的浓度值，Po＝{p8，p9，p10，p11，p12，p13}为结论库所，是故障的类型，分别是油过热，油和纸过热，油纸绝缘中局部放电，油中火花放电，油中电弧，油和纸中电弧。

4.根据权利要求3所述的方法，其特征在于，所述步骤(1)的5)中初始标识的计算值的具体含义为：引起每种故障的都有对应的主要气体和次要气体，在初始标识中，次要气体的值定为1，主要气体的值通过气体的当前浓度值与增长速率合成得到，具体为DS证据理论的合成公式，设m₁，m₂，…m_n是识别框架U上的基本概率，多概率分配函数的正交和由下式表示：

其中

5.根据权利要求1所述的方法，其特征在于，所述步骤(3)中绝对产气速率是每运行日产生某种气体的平均值，按下式计算：γa＝(Ci，2-Ci，1)/Δt×m/ρ，其中，

γa——绝对产气速率，mL/d；

Ci，2——第二次取样测得油中某气体浓度，μL/L；

Ci，1——第一次取样测得油中某气体浓度，μL/L；

Δt——二次取样时间间隔中的实际运行时间，d；

m——设备总油量，t；

ρ——油的密度，t/m3。

6.根据权利要求1-5中任一项所述的方法，其特征在于，所述步骤(5)中变电站故障诊断模型由通过DS证据公式合成之后的初始标识值与相应变迁弧上的权值乘积求和得到，为

其中p为某一变迁的输出库所，也就是某一种故障，pi为变迁的输入库所的值，w(pi，t)为相应的弧上的权值，最后得到该种类型故障的可能性大小。

Images