CN107330286A

CN107330286A - 一种大型油浸式电力变压器可靠性评估动态修正方法

Info

Publication number: CN107330286A
Application number: CN201710555736.9A
Authority: CN
Inventors: 程乐峰; 余涛
Original assignee: South China University of Technology SCUT
Current assignee: South China University of Technology SCUT
Priority date: 2017-07-10
Filing date: 2017-07-10
Publication date: 2017-11-07

Abstract

本发明公开了一种大型油浸式电力变压器可靠性评估动态修正方法；以变压器油纸绝缘系统作为评估对象，分为两个过程：第一过程中，以计算热点温度为核心，结合威布尔分布和阿列纽斯反应定律，建立起基于HST的变压器老化故障模型，计算得到绕组HST并求解变压器油纸绝缘系统的故障率λ。第二过程中，以油中溶解气体分析灰靶修正为核心，利用灰色理论，建立变压器健康状态与其预期寿命的关系，求得等效的HST值，实现对第一过程中基础模型的动态修正，确保评估值能很好地跟踪并反映变压器的实际可靠性水平。本发明方法可有效解决变压器可靠性分析模型准确性不高、推广应用难等问题。

Description

一种大型油浸式电力变压器可靠性评估动态修正方法

技术领域

本发明涉及电力系统变压器可靠性评估技术领域，特别涉及一种大型油浸式电力变压器可靠性评估动态修正方法。该方法适用于电力变压器的可靠性评估。

背景技术

大型油浸式电力变压器作为电力系统的枢纽设备，其运行可靠性直接关系到电力系统的安全和稳定。因此，准确评估其可靠性水平是电网安全稳定运行的重要保证。在能源互联网技术大力发展及国务院李克强总理提出“互联网+”背景下，可再生新能源越来越受到重视和发展，这些大量的新能源接入电网，必将导致大量的谐波污染和电压偏差等问题，从而影响电网的安全稳定运行，使得电网的设备可靠性面临严峻的考验，提高电网可靠性将成为亟需解决的问题。

在电压器可靠性分析方面，研究尚处于起步阶段，方法单一，理论发展不完善。廖瑞金等学者提出利用马尔科夫过程建立综合的变压器可靠性评估模型，但该模型主要基于统计规律，欠缺对变压器的个体性差异的考虑。而变压器是由多个系统构成的复杂集合体，绕组油纸绝缘系统作为变压器最核心的部分，决定了变压器的寿命，且其可靠性水平直接关系着变压器能否正常运行，因此，准确评估变压器油纸绝缘系统运行状态的可靠性水平，对于防止绝缘故障过早发生具有重要意义。

目前变压器油纸绝缘系统的相关研究主要集中在老化特征参量失效老化规律方面。重庆大学王有元等学者(王有元,袁园,李剑,等.变压器油纸绝缘可靠性的威布尔混合评估模型[J].高电压技术,2010,36(4):842-848.)在对相关特征参量进行深入分析的基础上，选取聚合度、糠醛体积分数等作为反映变压器油纸绝缘可靠性的特征参量，建立了混合威布尔模型，但是该模型本身停留在实验室层面，特征参量获取比较困难，考虑到现阶段供电企业不具备测试聚合度的条件，且很少对糠醛含量进行测试。预防性试验规程规定：糠醛的测试周期为六年，期间的变压器滤油、检修等操作对糠醛含量影响很大，影响了模型的准确性，这就造成了模型推广的难度。

发明内容

本发明的目的在于克服现有技术的缺点，尤其是针对聚合度、糠醛体积分数等作为反映变压器油纸绝缘可靠性的特征参量的获取比较困难这一问题，提供一种数据获取相对容易，评估准确性高的大型油浸式电力变压器可靠性评估动态修正方法。

发明人发现，油色谱分析(DGA)数据蕴含数据量大，相对容易获得，DGA数据既可以离线获取也可以通过在线监测的手段获取，DGA数据是研究变压器内部特性的首推特征量。本发明选取变压器油纸绝缘系统作为评估的对象，取热点温度(Hot Spot Temperature，HST)为核心点，结合威布尔分布(Weibull)和阿列纽斯(Arrhenius)反应定律，建立起基于HST的变压器老化故障模型。同时本发明利用该模型，并使用油中溶解气体分析(DissolvedGas Analysis,DGA)数据，结合灰色理论对模型进行动态修正，确保评估值能反映变压器的实际可靠性水平，从而可很好地跟踪变压器的运行状态，准确反映变压器的老化过程，解决了由于聚合度、糠醛体积分数等作为反映变压器油纸绝缘可靠性的特征参量获取困难导致可靠性分析模型准确性不高、推广应用难的问题。

一种大型油浸式电力变压器可靠性评估动态修正方法所建立的可靠性评估模型采用原始可靠性评估模型和灰色修正模型相互配合的架构，其中原始可靠性评估模型以HST热点温度计算为核心，灰色修正模型以DGA灰靶修正为核心。本发明具体的技术实现方案包括两个过程：

第一过程：建立基于HST的变压器老化故障模型(HST寿命模型，基础模型)，该模型采用IEEE规程(IEEE Std.C57.91-2011)和IEC Std 60076-7所推荐的变压器绕组HST的经验模型，该模型用于计算变压器油纸绝缘系统绕组热点分布，包括绕组HST计算和变压器故障率λ计算；

第二过程：建立基于灰色理论的DGA动态修正模型，该模型是在第一过程所建立的HST计算模型的基础上，利用灰色理论，搭建的基于溶解气体数据分析(DGA)的修正模型，通过对变压器预期寿命的修正，可得到等效的HST，进而实现将局部过热或电弧过热等故障对绝缘的影响进用等效HST进行量化，同时，考虑变压器在经过检修后，运行状态的连续性遭到中断，对应的等效HST降低，因此，结合役龄回退因子的概念，通过引入预期寿命损失恢复因子χ_i，对变压器在经历大修或滤油等涉及绕组绝缘系统的维修后，对变压器的预期寿命进行动态修正，得到该预期寿命下对应的等效HST，从而实现对原模型的修正，修正后的故障率曲线是一条动态曲线，从几何意义上来说，修正后的曲线由一条静态的指数曲线变成了一条动态的阶梯状曲线，即实现了所描述的变压器油纸绝缘系统可靠性寿命评估模型的动态修正过程。

本发明的目的通过下述技术方案实现：

一种大型油浸式电力变压器可靠性评估动态修正方法，包括如下步骤：

1)基于HST的变压器老化故障模型：

(1)搭建变压器绕组HST计算原始模型，确定变压器的HST与环境温度、顶层油温、底层油温及绕组热点对油温的温度梯度之间的关系，得到变压器的内部温度特性曲线；

(2)基于步骤(1)的变压器内部温度特性曲线，依次计算出变压器绕组HST相对于变压器顶部油温的增量ΔΘ_H、变压器绕组顶层油温相对于环境温度的温升ΔΘ_TO和滞后的环境温度ΔΘ_Ae，单位均为℃；

(3)基于步骤(2)中求解的变压器绕组HST相对于变压器顶部油温的增量ΔΘ_H、变压器绕组顶层油温相对于环境温度的温升ΔΘ_TO和滞后的环境温度ΔΘ_Ae及步骤(1)中的变压器内部温度特性曲线，求解变压器绕组的HST值Θ_H；

(4)基于步骤(3)中的变压器绕组的HST值Θ_H，利用阿列纽斯方程计算得到变压器绕组绝缘系统的预期寿命L；

(5)应用威布尔分布描述老化过程，计算变压器绕组绝缘系统的故障率，得到阿列纽斯-威布尔模型的故障率函数λ_a(t|Θ_H)；

2)采用基于灰色理论的变压器可靠性评估动态修正：

(6)选取溶解气体分析DGA数据中的氢气、甲烷、乙烷、乙烯和乙炔5种气体作为电力变压器油纸绝缘状态评估指标的特征气体；

(7)使用灰色理论中的灰关联分析方法对步骤(6)中选取的DGA数据进行处理，得到灰色靶心度Q，其中0.33≤Q≤1，评估对象的等级由靶心度决定；

(8)结合变压器的实际故障分布情况，将变压器健康状态分为五个等级，分别是[0.9,1.0]、[0.6,0.9)、[0.5,0.6)、[0.4,0.5)和[0.33,0.4)，五个等级分别对应健康、正常、轻度故障、中度故障和严重故障共5个变压器健康状态等级；

(9)利用相对劣化度的模型架构，建立变压器健康状态与变压器预期寿命的关系；

(10)基于步骤(9)中建立的关系，求得等效的HST值H_eq，实现对所述第一过程中原始基础模型的动态修正。

所述第一过程用于建立原始可靠性评估模型，即基础模型，该模型以HST计算为核心；所述第二过程用于建立基于灰色理论的动态修正模型，该模型以DGA灰靶修正为核心；以第一过程建立的基础模型和第二过程建立的动态修正模型相互配合构成本发明提供的一种大型油浸式电力变压器可靠性评估动态修正方法，其整体架构如图1所示。

所述第一过程的具体实施步骤，如图2所示的本发明的算法流程图的上半部分，在该部分中：

所述第一过程中的步骤1)的油浸式变压器内部温度特性曲线，如图3所示，主要包含两层关系：①变压器HST可由环境温度、顶层油温或底层油温以及绕组热点对油温的温度梯度计算得到；②变压器绕组温升分布曲线(此为直线)与油温温升分布曲线呈两条平行直线，即二者斜率相等。

所述第一过程中的步骤2)～5)关于绕组HST的计算流程如下图4所示，图中K(p.u.)是变压器实际负荷与额定负荷的比值，R(p.u.)是额定负荷状态下的负荷损耗与空载损耗之间的比值，m和n是取决于冷却方式的经验常数，其值与变压器的冷却方式有关；s为复频率；τ_w是在温度点位置的时间常数，单位：h；τ_TO是变压器油的时间常数，单位：h；Θ_A是瞬时环境温度，单位：℃。利用该图可计算得到绕组的HST：Θ_H＝ΔΘ_H+ΔΘ_TO+ΔΘ_Ae，其中ΔΘ_H、ΔΘ_TO和ΔΘ_Ae分别为绕组HST相对于变压器顶部油温的增量、顶层油温相对于环境温度的温升及滞后的环境温度，单位均为：℃。

所述第一过程中的步骤2)中的绕组HST相对于变压器顶部油温的增量ΔΘ_H，单位为℃，其计算公式为：

式中：ΔΘ_H,U是最高温度点相对于顶部油温的最终增量，ΔΘ_H,R是最高温度点相对于额定负载下油温的温升，τ_w是在温度点位置的时间常数，单位：h，m和n是取决于冷却方式的经验常数，m和n的值与变压器的冷却方式有关。如果忽略温度变化过程中的动态过程，则有ΔΘ_H,U＝ΔΘ_H。

所述第一过程中的步骤3)中的顶层油温相对于环境温度的温升ΔΘ_TO(单位：℃)的计算公式为：

式中：ΔΘ_TO,U是油顶部相对于环境温度的最终温升，ΔΘ_TO,R是在额定负载下油顶部相对于环境温度的温升，单位均为：℃。K(p.u.)是变压器实际负荷与额定负荷的比值，R(p.u.)是额定负荷状态下的负荷损耗与空载损耗之间的比值，τ_TO(h)是变压器油的时间常数。ΔΘ_TO,R可以通过下属两种方式获得：a)依据IEEE Std C57.12.90-1993进行实际的测试；b)计算值由设备制造厂家在测试报告中提供。如果忽略温度变化过程中的动态过程，则有ΔΘ_TO,U＝ΔΘ_TO。

所述第一过程中的步骤4)中滞后的环境温度ΔΘ_Ae(℃)的计算公式为：

式中：Θ_A是瞬时环境温度，单位：℃，如果忽略温度变化过程中的动态过程，则有Θ_A＝Θ_Ae。

所述第一过程中的步骤6)以HST老化故障模型为基础计算故障率λ，通过假定变压器的绝缘寿命与反应速率的倒数成正比关系，阿列纽斯的寿命相关性公式可以用以下方程表出：

式中：L为绝缘材料的预期寿命；系数B、C与绝缘材料的种类、激活能量有关，可通过耐热试验测得；T为材料温度，也即变压器持续运行时，绕组的HST。

当威布尔分布应用于描述老化进程时，故障率由如下公式表述：

式中：β是形状系数，η是尺度系数。使η＝L，则阿列纽斯-威布尔模型故障率函数为λ_a(t|Θ_H)，即

式中：参数β，B，C的求取通常采用极大释然估计法，本发明充分参考国内外相关文献，采用了借助于高斯分布来估计参数的新方法，具体包括两个步骤：首先，借助于高斯分布中σ，μ值对威布尔分布的参数η和β进行估算；然后，对于阿列纽斯威布尔模型，令β保持不变，用η值用来估算B和C的取值。

所述步骤第一过程的目的是建立变压器正常老化的HST-Weibull模型，并考虑了负荷和环境温度两个维度，而该过程计算的变压器失效率是以变压器HST为基础，可很好地反映油纸绝缘系统的故障水平，但变压器在投运后，局部放电、高温过热等一些不可预知因素打破了正常老化的连续性，导致变压器绝缘恶化、故障率水平增高，基础模型的评估准确性大大降低，这就需要对模型进行修正，以保证曲线预测的准确性。

所述第二个过程中的步骤7)利用变压器油中溶解气体分析(DGA)不受外界电场和磁场的影响，易于带电和在线实现等特点，选择了DGA数据中的氢气(H₂)、甲烷(CH₄)、乙烷(C₂H₆)、乙烯(C₂H₄)、乙炔(C₂H₂)这5种气体作为电力变压器油纸绝缘状态评估的指标，通过对气体组分分析可及时发现电力变压器的早期故障，并能追踪故障的发展趋势；

所述第二个过程中的步骤8)基于灰色系统理论，利用其中的灰关联分析方法的建立步骤7)五种特征气体与内部故障对应的关系，并对数据进行处理，得到灰色靶心度Q，其中0.33≤Q≤1，而评估对象的等级由靶心度决定；

所述第二个过程中的步骤9)结合变压器的实际故障分布情况将变压器健康状态分为五个等级，即[0.9,1.0]、[0.6,0.9)、[0.5,0.6)、[0.4,0.5)和[0.33,0.4)，通过建立变压器健康状态与油纸绝缘系统劣化程度之间的关系，为最终建立变压器寿命修正模型奠定基础；

所述第二个过程中的步骤10)在建立变压器健康状态与油纸绝缘系统劣化程度之间的关系时，引入了级差系数α＝(α₁,α₂,α₃,α₄)和δ＝(δ₁,δ₂,δ₃,δ₄)用来调整变压器油纸绝缘系统的故障程度与变压器预期寿命的对应关系，其中，α是为了调整靶心度与变压器预期寿命的比例关系，δ是考虑靶心度与变压器预期寿命可能不满足线性关系，δ值越大，对应的寿命缩短趋势越平缓，两者的值采用专家评测的方法确定，具体对应关系如下：

第一级别(健康)：级别上界1.0，下界0.9，对应的变压器预期寿命修正系数为：

第二级别(正常)：级别上界0.9，下界0.6，对应的变压器预期寿命修正系数为：

第三级别(轻度故障)：级别上界0.5，下界0.6，对应的变压器预期寿命修正系数为：

第四级别(中度故障)：级别上界0.4，下界0.5，对应的变压器预期寿命修正系数为：

第五级别(严重故障)：级别上界为0.4，下界为0.33。对于该级，故障若能修好，根据变压器维修后的恢复情况，结合寿命损失恢复因子，再计算相应的故障率。

修正后的预期寿命Z_eq(其中Z是由基础模型求得的原始预期寿命)：

则修正后的寿命损失量Z′：

式中：α，δ是经验值，需要根据实际变压器历史运行、检修数据进行确定。为了便于说明，本发明中假定变压器绕组绝缘系统的寿命损失量与变压器的状态量成严格正比例关系，可取α＝(1,1,1,1)，指数δ＝(1,1,1,1)，从而，最终得到变压器各状态等级对应的寿命损失范围表。通过灰色修正模型通过对变压器状态数据的处理，建立状态数据值和HST值的对应关系，进而求得等效HST值H_eq，实现了对基础模型的动态修正。

所述第二个过程中的步骤11)考虑到变压器的运行情况会进行相应的检修(此处仅涉及变压器油纸绝缘系统的维修，则变压器状态连续性会出现中断，经过检修后，变压器的预期寿命延长，对应的等效HST值H_eq降低。因此，步骤11)结合役龄回退因子的概念，引入预期寿命损失恢复因子χ_i，变压器在经历大修或滤油等涉及绕组绝缘系统的维修后，修正后的预期寿命Z″可用下式表示：

Z″＝Z′+χ_iZ′_eq

式中：Z″为变压器新预期寿命，Z′为维修前一次修正后的预期寿命，Z′_eq为维修前一次修正后的寿命损失量。由预期寿命和HST的对应关系，可得到该预期寿命下对应的等效HST：H_eq，从而实现对原始模型的修正，最终经动态修正计算得到的H_eq为：

所述第一个过程和第二个过程完成后，即完成了对变压器原始模型的动态修正，修正后的故障率曲线是一条动态曲线，从几何意义上来说，修正后的曲线由一条静态的指数曲线变成了一条动态阶梯状曲线。

本发明相对于现有技术具有如下的优点及效果：

(1)模型的建立没有采用传统可靠性模型对面不对点的评估模式，使评估结果能够很好的兼顾变压器的个体差异性，结果更可靠。

(2)模型采用基础模型加动态修正模型的结构，动态修正的加入使得整个可靠性评估模型能根据评估对象的运行状态做出调整，可信度更高。

(3)选择DGA数据作为动态修正的信息来源,并基于灰色理论进行处理，能很好地诊断出变压器内部故障，确保评估值能很好地跟踪并反映变压器实际运行状态。

附图说明

图1是本发明方法的电力变压器可靠性评估模型整体结构图。

图2是本发明方法的流程图。

图3是本发明方法的油浸式变压器内部温度特性曲线。

图4是本发明方法的绕组HST计算流程图。

图5(a)是本实施例中变压器基础故障率曲线。

图5(b)是本实例中最终修正的变压器实际运行的故障率曲线。

具体实施方式

为更好地理解本发明，下面结合实施例及附图对本发明作进一步的描述，但本发明的实施方式不限于此。

如图1所示为一种大型油浸式电力变压器可靠性评估动态修正方法的整体结构图。本发明所提供的可靠性评估模型采用原始可靠性评估模型和灰色修正模型相互配合的架构，其中原始可靠性评估模型以HST计算为核心，灰色修正模型以DGA灰靶修正为核心。

如图2所示一种大型油浸式电力变压器可靠性评估动态修正方法的具体实施步骤流程图，包含2个过程：第一过程和第二过程；第一过程建立原始基础可靠性评估模型；第二过程建立灰色动态修正模型。其中，

第一过程的具体实施步骤如下：

(1)根据IEEE Std C57.91-2011和GB/T15164-1994《油浸式电力变压器负载导则》推荐的变压器绕组HST计算经验模型，建立其变压器的HST与环境温度、顶层油温、底层油温、以及绕组热点对油温的温度梯度之间的关系，得到变压器的内部温度特性曲线，如图3所示，在该图中，本发明方法假设油温随着绕组高度呈线性上升，并且所有不同高度处的温差均相同，绕组损耗产生的热量从绕组表面向油传递，热量的传递要求绕组本身和绕组周围油之间存在温度差，即变压器内部的油温沿着绕组，从底部到顶部，无论冷却方式如何，均呈线性增加。绕组任意位置(固体导体)相对环境温度的温升，也沿着高度线性增加。而且绕组温升和油温温升的速率相等，因此，绕组温升分布曲线(此为直线)与油温温升分布曲线呈两条平行直线，即二者斜率相等。另外，根据IEEE规程对计算变压器顶层油温和绕组热点温度的经验公式进行了定义，因此，热点温度HST由环境温度、顶层油温或底层油温以及绕组热点对油温的温度梯度计算得到，该HST计算的具体实施步骤流程图如图4所示，在该图中，计算绕组热点温度HST的具体实施步骤包括如下所示步骤(2)～(5)。

(2)计算变压器绕组HST相对于变压器顶部油温的增量ΔΘ_H，单位为℃，其计算公式如下：

如果忽略温度变化过程中的动态过程，则有ΔΘ_H,U＝ΔΘ_H。式中：ΔΘ_H,U是最高温度点相对于顶部油温的最终增量，ΔΘ_H,R是最高温度点相对于额定负载下油温的温升，τ_ω是在温度点位置的时间常数，m和n是取决于冷却方式的经验常数。m和n的值与变压器的冷却方式有关，如下表1所示为不同冷却方式下对应的m和n的值。

表1

冷却方式	m	n
			油浸自冷	0.8	0.8
风扇冷却	0.8	0.9
			强迫油循环(经泵)风冷(FOW)	0.8	0.9
强迫油循环水冷(FOW)	0.8	0.9
			间接强迫油循环(经泵)风冷(FOA)	1.0	1.0
间接强迫油循环水冷(FOW)	1.0	1.0

(3)计算变压器绕组顶层油温相对于环境温度的温升ΔΘ_TO(℃)，其计算公式如下：

如果忽略温度变化过程中的动态过程，则有ΔΘ_TO,U＝ΔΘ_TO，式中ΔΘ_TO,U是油顶部相对于环境温度的最终温升，ΔΘ_TO,R是在额定负载下油顶部相对于环境温度的温升。K(p.u.)是变压器实际负荷与额定负荷的比值，R(p.u.)是额定负荷状态下的负荷损耗与空载损耗之间的比值，τ_TO是变压器油的时间常数。ΔΘ_TO,R可以通过下属两种方式获得：a)依据IEEE Std C57.12.90-1993进行实际的测试；b)计算值由设备制造厂家在测试报告中提供。

(4)计算滞后的环境温度ΔΘ_Ae(℃)，其计算公式为：

式中：Θ_A是瞬时环境温度，如果忽略温度变化过程中的动态过程，则有Θ_A＝Θ_Ae。

(5)基于图3的变压器内部温度特性曲线，利用ΔΘ_H(℃)、ΔΘ_TO(℃)和ΔΘ_Ae(℃)可计算绕组的HST值：Θ_H，其计算公式为：

Θ_H＝ΔΘ_H+ΔΘ_TO+ΔΘ_Ae

式中：ΔΘ_H，ΔΘ_TO和ΔΘ_Ae分别为步骤(2)～(4)中求出的绕组HST相对于变压器顶部油温的增量、顶层油温相对于环境温度的温升及滞后的环境温度，单位均为：℃。

(6)应用Weibull分布描述变压器的老化过程，并结合阿列纽斯方程，建立变压器的阿列纽斯-威布尔模型，得到相应的故障率函数λ_a(t|Θ_H)，从而求得变压器的故障率λ。

其中，威布尔分布(Weibull分布)是在可靠性工程中非常重要的一种分布形式，其分布适应性非常好，可以模拟多种失效率变化形式。运用威布尔故障分布可以对递减和递增故障率进行建模，威布尔分布的故障率函数定义为：

式中：t为时间(年)，λ(t)为基于Weibull分布的故障率函数，η为尺度参数，β为形状参数，且η＞0,β＞0,t＞0，根据形状参数β的不同，Weibull分布可简化为指数分布或瑞利分布，这使得其具有很强的兼容特性，通过参数的变化可以很好地表示不同分布特点的函数分布，因此该故障率表达式可以很好地对退化设备损耗期时的设备故障率进行描述，η和β的值可通过最大似然估计法得到。

所述极大似然函数法是一种十分有效的参数估计方法，其基本思想是选择待定参数，使样本出现在观测值领域内的概率最大，并以这个值作为未知参数的点估计值。设数据列为X＝(x₁,x₂,L,x_n)，既含有失效的数据，又含有截尾的数据，设此数据列能用二参数威布尔数学建模，令θ为待估的模型参(β,η)，对于二参数的威布尔分布而言，根据极大似然估计的基本原理，首先构成似然函数：

式中：F、C分别为失效数据集和截尾数据集。

由此构成的威布尔分布的似然方程组为：

将似然函数lnl(θ/X)代入到上式中，即可得到关于β和η的方程组，从而求解出β和η的最大似然估计值，方程组如下：

式中：变压器故障率λ的计算基于威布尔-阿列纽斯故障率求解模型。对于油浸式变压器而言，其绕组绝缘系统老化过程是一个单向不可逆的过程，随着时间的推移，绝缘材料的机械性能、介电强度和电阻性能都会下降，如果变压器由于绝缘老化而失效，那变压器的寿命也将终止。诺贝尔化学奖的获得者阿列纽斯指出了绝缘材料在使用过程中，温度与绝缘材料化学反应速率的内在关系，并推导出著名的阿列纽斯方程，如下所示：

式中：L为绝缘材料的预期寿命；系数B、C与绝缘材料的种类、激活能量有关，可通过耐热试验测得；T为材料温度，也即变压器持续运行时，绕组的热点温度。

式中：η为尺度参数，β为形状参数，令η＝L，则阿列纽斯-威布尔模型的故障率函数为λ_a(t|Θ_H)，其含义为当t＝Θ_H时，结合式上面提到的阿牛纽斯方程，一起代入到威布尔的故障率函数中，即有阿列纽斯-威布尔模型故障率计算公式：

式中：参数β，B，C的求取通常采用极大释然估计法，本发明方法借助于高斯分布来估计参数，具体包括两个步骤：首先，借助于高斯分布中σ，μ值对威布尔分布的参数η和β进行估算；然后，对于阿列纽斯威布尔模型，令β保持不变，用η值用来估算B和C的取值。

第二过程如图1所示的本发明方法的下半部分，该部分建立基于灰色理论的动态修正模型，对第一过程建立的原始模型得到的故障率曲线进行实时修正，并选择油中溶解气体(DGA)作为指标量对变压器的可靠性进行评估，该修正过程保证了曲线预测的准确性。通过对变压器预期寿命的修正，可得到等效热点温度，进而实现将局部过热或电弧过热等故障对绝缘的影响用等效热点温度进行量化。在该动态修正模型运用的灰色理论即灰靶理论，是灰评估和灰决策理论，其要旨是在没有标准模式的条件下设定一个灰靶，通过灰靶理论在灰靶中找到靶心，然后将诸指标的模式与标准模式进行比较，最后经由等级划分确定评估等级。利用灰靶理论可进行模式识别、模式分级和模式优选。

第二过程的具体实施步骤如下所示：

(1)选取DGA数据中的氢气(H₂)、甲烷(CH₄)、乙烷(C₂H₆)、乙烯(C₂H₄)、乙炔(C₂H₂)这5种油中溶解气体的含量百分比作为电力变压器绝缘状态评估的指标。另外还可考虑增加变压器的家族缺陷记录和检修记录为状态参数(该状态参数可根据实际能得到的指标种类情况选取或不选)。不同故障类型产生的油中溶解气体如下表2所示。

表2

故障类型	主要气体组分	次要气体组分
			油过热	CH₄，C₂H₄	H₂，C₂H₆
油和纸过热	CH₄，C₂H₄，CO，CO₂	H₂，C₂H₆
			油纸绝缘中局部放电	H₂，C₂H₂	C₂H₂，C₂H₆，CO₂
油中火花放电	H₂，C₂H₂	/
			油中电弧	H₂，C₂H₂	CH₄，C₂H₄，C₂H₆
油和纸中电弧	H₂，C₂H₂，CO，CO₂	CH₄，C₂H₄，C₂H₆

(2)使用灰色理论中的灰关联分析方法对选取的DGA数据进行处理，得到灰色靶心度Q，其中0.33≤Q≤1，评估对象的等级由靶心度决定。在这里，选用灰靶理论，包括灰评估和灰决策理论，其要旨是在没有标准模式的条件下设定一个灰靶，基于灰靶理论，可在灰靶中找到靶心，然后将诸指标的模式与标准模式进行比较，最后，经由等级划分确定评估等级。在该步骤中，本发明方法假设ω_i是设备的第i个状态模式，ω(k)为设备状态监测的第k个状态参数序列，则建立如下标准状态模式：ω_i＝{ω_i(1),ω_i(2),...,ω(n)}，其中，ω(k)称为指标模式序列，即ω(k)＝{ω₁(k),ω₂(k),...,ω_m(k)}，通常情况下，该指标的极性有极大值极性、极小值极性和适中值极性，并分别用POL(max)、POL(min)和POL(mem)表示，则有

式中：序列ω₀＝{ω₀(1),ω₀(2),...,ω₀(n)}称为设备的标准状态模式或靶心，靶心度大小与指标有关，灰靶贡献度用于表示指标对模式靶心度大小的影响，令V为P下指标邻域族，即

V＝{ω(k)|ω(k)＝(ω₁(k),ω₂(k),ω₃(k),...,ω_m(k))k∈K＝(1,2,3...n)}

POLω(k)∈{POL(max),POL(min),POL(mem)}

令x(k)＝(x₁(k),x₂(k),...,x₃(k)),k∈K＝{1,2,...,n}为ω(k)＝{ω₁(k),ω₂(k),...,ω_m(k)}通过极性变换得到统一极性序列，则贡献因子集对应的灰关联差异信息空间上的灰关联系数为：

式中：ξ为k指标在i模式的贡献系数，ξ∈[0,1]。则灰关联度可表示为：

式中：k为指标的贡献度。

在该步骤中，取γ_mea为各指标贡献度的平均值，则该值所对应的权值应为1/n，以各指标贡献度与贡献度平均值的差为依据，通过差值所占平均值的比例来确定权值，即

其中，当γ(i)＞γ_mea时，上式取正号；当γ(i)＜γ_mea时，则取负号。此时，靶心系数记为：

其中，ρ∈[0,1]，Δ_0i(k)为待评估序列ω_i与靶心ω₀之间的灰关联差异信息，γ(ω₀,ω_i)为ω_i的靶心度，表示各模式接近靶心即标准状态模式的程度，也即靶心接近度，计算公式为：

评估对象的等级由靶心系数的大小决定，基于灰色系统理论的平衡原理，每个靶牌可在0～1之间每隔0.1定一个等级，即[0.9,1.0]，[0.8,0.9),…，[0.0,0.1)，同时，根据灰色关联度的相关定理，在ξ＝ρ＝0.5条件下，有

即γ(ω₀,ω_i)≥0.33333，因此，在[0.33,0.4]以下各档无意义，靶心度所处的等级就是灰色评估等级，在本发明中，根据灰色理论的最小信息原理及灰色关联度的相关定理，结合变压器的实际故障分布情况，本发明方法提出分级与评分相结合的状态分级策略，按照靶心度的大小，将电力变压器的健康状态分为健康、正常、轻度故障、中度故障和严重故障共五个等级，分别为[0.9,1.0]、[0.6,0.9)、[0.5,0.6)、[0.4,0.5)和[0.33,0.4)，其中，

第一级：[0.9,1.0]表示健康，指所有预试数据均远离规程中的注意值或与优质产品出厂值相近，变压器完全处于正常状态。此时，变压器无须维修，大修周期可以延长。

第二级：[0.6,0.9)表示正常，指所有预试数据均未达到规程中的注意值，没有劣化趋势，与同类变压器相比相当或偏好。此时，可根据规程延期或按计划安排变压器的检修。

第三级：[0.5,0.6)表示轻度故障，指预试数据已经达到规程中的注意值，超标不严重，但有一定的劣化趋势，与同类变压器相比有一定的差异性。此时，应密切观察其发展趋势，制定检修计划。

第四级：[0.4,0.5)表示中度故障，指预试数据超过规程中的注意值，有明显的劣化趋势，与同类变压器相比差异性较为明显。此时，应根据生产情况、供电安全情况以及资金情况尽快安排变压器的检修。

第五级：[0.33,0.4)表示严重故障，指预试数据明显超过规程中的注意值，劣化趋势非常明显，与同类变压器相比差异性显著。此时，变压器应该立即停机进行检修。

(3)利用相对劣化度的模型架构，建立变压器健康状态与变压器预期寿命的关系，并引入级差系数α＝(α₁,α₂,α₃,α₄)和δ＝(δ₁,δ₂,δ₃,δ₄)用来调整变压器油纸绝缘系统的故障程度与变压器预期寿命的对应关系，其中，α是为了调整靶心度与变压器预期寿命的比例关系，δ是考虑靶心度与变压器预期寿命可能不满足线性关系，δ值越大，对应的寿命缩短趋势越平缓，两者的值采用专家评测的方法确定，具体对应关系如下：

第一级(健康)：靶心度范围为[0.9,1.0)。对应的变压器预期寿命修正系数为：

第二级(正常)：靶心度范围为[0.6,0.9)。对应的变压器预期寿命修正系数为：

第三级(轻度故障)：靶心度范围为[0.5,0.6)。对应的变压器预期寿命修正系数为：

第四级(中度故障)：靶心度范围为[0.4,0.5)。对应的变压器预期寿命修正系数为：

第五级(严重故障)：靶心度范围为[0.33,0.4)。对于所述第五级，故障若能修好，则根据变压器维修后的恢复情况，结合寿命损失恢复因子，再计算相应的故障率。

(4)利用步骤(3)中的变压器健康状态等级划分方法，建立状态数据值和HST值的对应关系，求得等效的HST值，实现对第一过程的基础模型中原始预期寿命的动态修正。在该步骤中，修正后的预期寿命Z_eq(其中Z是由基础模型求得的原始预期寿命)计算公式为：

则修正后的寿命损失量Z′为：

其中，α_i和δ_i是经验值(i＝1,2,3,4)，需要根据实际变压器历史运行、检修数据进行确定。为了便于说明，本发明假定变压器绕组绝缘系统的寿命损失量与变压器的状态量成严格正比例关系，可取α＝(α₁,α₂,α₃,α₄)＝(1,1,1,1)，指数δ＝(δ₁,δ₂,δ₃,δ₄)＝(1,1,1,1)，则变压器各状态等级对应的寿命损失范围如下表3所示。

表3

靶心度范围Q	状态等级L	预期寿命Z_eq
			[0.9,1.0]	健康	[0.85,1.0]
[0.6,0.9)	正常	[0.40,0.85)
			[0.5,0.6)	轻度故障	[0.25,0.40)
[0.4,0.5)	中度故障	[0.10,0.25)
			[0.33,0.4)	严重故障	[0,0.10)

在该步骤中，所述热点温度HST是连接原始评估模型和动态修正模型的纽带，基于灰色理论对变压器状态数据进行处理，从而建立状态数据值和热点温度HST的对应关系，进而求解得到等效的热点温度HST，最终实现对基础模型的动态修正。

(5)考虑到检修后，变压器的状态连续性遭到中断，其预期寿命延长，对应的等效热点温度降低，因此，在该步骤中，进一步引入预期寿命损失恢复因子χ_i，对考虑变压器在经历大修或滤油等涉及绕组绝缘系统的维修后，对其预期寿命进行修正，得到新的预期寿命Z″，计算公式为：

Z″＝Z′+χ_iZ′_eq

式中：对于变压器大修(指对变压器绕组绝缘系统整体的修复和维护)，χ_i＝0.8，对于滤油，χ_i＝0.5；Z″为变压器新预期寿命，Z′为维修前一次修正后的预期寿命，Z′_eq为维修前一次修正后的寿命损失量。由预期寿命和热点温度的对应关系，可得到该预期寿命下对应的等效热点温度H_eq，从而实现对原始模型的修正，H_eq的计算公式为：

在本实施例中，修正后的故障率曲线是一条动态曲线，从几何意义上来说，修正后的曲线由一条静态的指数曲线变成了一条动态阶梯状曲线，确保修正后的评估值能很好的跟踪并反映变压器的实际可靠性水平。

本实施例中以广东电网公司江门供电局某变电站110kV#2主变压器为例进行说明，变压器的设计参数，如表4所示，其中变压器型号为SFZ8-40000/110，负载损耗为178.1kW，额定电压和额定容量分别为110kV和40MVA，投运时间从2002年开始算起，冷却方式采用油浸自冷方式(ONAN，Oil Natural Air Natural)，线圈/顶层油温升为65K/55K，空载损耗为33.8kW，额定负荷下的顶层油温升ΔΘ_TO,R为36.0℃，额定负荷下HST相对于顶层油温的温升ΔΘ_H,R为28.6℃。

表4

本实施例中，变压器可靠性评估模型的相应参数取值如表5所示，其中χ_i是滤油时变压器的预期寿命损失恢复因子，χ_j是大修时变压器的预期寿命损失恢复因子，两者均为经验参数，τ_TO,R为额定负荷下变压器油的时间常数。

表5

在该实施例中，利用江门气象局提供的该地区历年的温度数据，统计区间取1957～2013年，共57年。以每个月的平均气温为基准，可得到全年12个月的平均气温，如以2013年为例，其1～12月份的平均气温(℃)分别为：13.9、15.4、18.1、23.2、25.8、27.6、28.6、29.2、28.3、25.5、21.4和17.9。为了能更好的反映变压器所带负荷的大小，需考虑如下两方面：1)短期内负荷是按日循环的，即所说的日循环曲线；2)长期内变压器负荷是按年循环的，一年内随季节的不同，用电负荷会展现一定规律，为了能全面把握负荷变动，同时考虑计算量和可行性。

基于上述两点，在本实施例中，制定如下等效方案：①每个月份取1日、11日和21日的负荷，全年12各月，总共取36天；②以小时为单位对负荷曲线进行量化。工程实践中，变压器负荷常用电流进行度量，在本实施例中，使用实际电流值与额定电流值的比值作为负荷率标幺值。在确定气温数据后，对本实施例中的变压器进行可靠性评估动态修正，具体步骤和结果如下。

在本实施例中，首先，求取变压器的热点温度值，采用IEEE规程推荐的热点温度计算模型可以求得各个小时段的热点温升；

然后，基于主负荷率曲线，可求得全天的平均热点温度Θ_HD，以2013年1月1日为例，其计算值为同理，在本实施例中，可求得2013年其他抽样日期(共36天)的热点温度值，对这抽样的36日的温度值取平均值即可得到2013年的年热点温度平均值，记为Θ_HY，其值为苏丹国家电力公司(Sudan NationalElectricity Corporation)的Selma K.E.Awadallah博士在其文献(Awadallah S K E,J V,Jarman P N.The Influence of Modeling Transformer Age RelatedFailures on System Reliability[J].IEEE Transactions on Power Systems,2015,30(2):970-979.)中对154台电力变压器的寿命分布情况进行统计分析，并借助于高斯分布确定了阿列纽斯方程的经验值，同时，借助Matlab仿真平台得到热点温度HST与变压器预期寿命对应的关系曲线图。因此，参考该文献中提到的对应关系曲线图，可得到变压器在43.42(℃)的热点温度下的预期寿命可达64.12年，将得到的温度与相应的参数代入到前述的失效率公式中，可得失效率函数为：

在本实施例中，利用Matlab对该故障率公式进行仿真，可得到变压器特征寿命(年)随变压器热点温度HST(℃)故障率变化的关系曲线，并可得到在变压器投运12年之后，其失效率(或故障率)只有0.01％，是相当低的，这主要是由于变压器所带负荷控制在40％左右，变压器运行状态良好，但是变压器在实际过程中难免会出现短时过负荷、涌流等极端情况。同时，变压器在设计方面可能存在的缺陷也会对变压器的故障率产生比较大的影响。因此，必须结合变压器的实际情况对该故障率曲线进行修正。

在本实施例中，由江门供电局检修所得到该变电站#2主变2002到2014年DGA测试数据值如表6所示。通过该表可得，DGA数据连续，该变电站#2主变从投运(2002年)到目前为止，没有进行过有关绕组绝缘系统的解体检修或滤油等维修。由数据的积累性，在本实施例中，需考虑最后一次的DGA数据来修正可靠性模型，对2014年的识别序列ω′＝(0,18.82,3.08,3.53,0)进行灰色相关性分析，得到靶心度为0.9508，其对应第一级[0.9,1.0]。则根据前述的变压器健康等级划分，可计算得到修正后的寿命值，计算结果为：

表6

利用前述的热点温度HST与预期寿命对应的关系，可得到变压器在在修正寿命值下的等效热点温度值H_eq＝48.53(℃)，因此可得到变压器修正后的故障率曲线。

在本实施例中，由于变压器DGA数据良好，所以修正后的故障率也只有0.014％。通过分析变压器各种预试数据及向运维人员核实，得到情况为：变压器运行状态良好，各项检测数据正常，从而印证了本发明方法的正确性。

在本实施例中，假设变压器从投运到现在已有过一次检修，对应的变压器DGA数据参考值如表7所示，则基于表7，对经过检修后的变压器可靠性评估进行动态修正的具体实施步骤如下。

表7

首先，对检修前变压器的预期寿命损耗进行计算，由DGA试验数据可得靶心度为0.5705，对应第三级别，对应的预期寿命计算结果为：

其中，A为灰色靶心度Q的下界，取值为0.33。

此时，在本实施例中，变压器的预期寿命降低到23.016年，由前述热点温度HST和预期寿命对应曲线可得变压器等效热点温度H_eq为130.66℃，相应的故障率曲线即可得到，并由此可得，如果不考虑检修的影响，运行到第六年故障率已经达到0.1％，内部绝缘情况已经开始劣化，故障率上升较快。经过检修之后，变压器内部绝缘故障得到及时处理，系统运行条件改善，预期寿命损失量减少，得到实际的寿命修正值Z″，计算结果为：Z″＝Z_eq+χ_iZ′_eq＝23.016+0.5×41.10＝43.57(年)。由热点温度和预期寿命对应曲线可得到变压器的等效热点温度H_eq为71.50℃，则可得到变压器在滤油之后的故障率曲线。在本实施例中，考虑滤油影响后，变压器运行到第六年的故障率为0.005％，远低于修正前的0.1％，同样的方法可得到变压器在实施涉及到油纸绝缘系统的检修后的故障修正值。

在本实施例中，现将变压器基础故障率曲线和加入动态修正后的曲线作对比分析，得到对比曲线图如图5(a)和5(b)所示。通过对比分析可知，在本实施例中，未加入修正的变压器故障率曲线是一个近似指数分布的静态曲线，在一定程度上能反映变压器的故障率随投运时间的变化关系，加入修正后的故障率曲线是一个类似阶梯状的分段曲线，变压器的故障率会随着变压器所经历的运行情况做出更新，是一个动态的可靠性评估曲线，能很好地诊断出变压器内部故障，确保评估值能很好地跟踪并反映变压器实际运行状态。

本发明基于HST的变压器老化故障模型用于描述变压器的老化过程，通过计算绕组HST并求解变压器油纸绝缘系统的故障率；然后，基于电力变压器油中溶解气体分析(Dissolved Gas Analysis，DGA)数据，结合灰色理论对模型进行修正，确保评估值能很好的跟踪并反映变压器的实际可靠性水平。利用本发明对江门供电局数据作实例分析，验证了本发明所提供模型的有效性，通过分析可以得知该模型可以很好地跟踪变压器的运行状态，有效解决可靠性分析模型准确性不高、推广应用难的问题。

本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims

1.一种大型油浸式电力变压器可靠性评估动态修正方法，其特征在于包括如下步骤：

1)基于HST的变压器老化故障模型：

2)采用基于灰色理论的变压器可靠性评估动态修正：

2.根据权利要求1所述的大型油浸式电力变压器可靠性评估动态修正方法，其特征在于，所述步骤(2)中变压器绕组HST相对于变压器顶部油温的增量ΔΘ_H、变压器绕组顶层油温相对于环境温度的温升ΔΘ_TO和滞后的环境温度ΔΘ_Ae，单位均为℃，定义如下：

<mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <msub> <mi>&Delta;&Theta;</mi> <mi>H</mi> </msub> <mo>:</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <msub> <mi>&tau;</mi> <mi>&omega;</mi> </msub> <mo>=</mo> <mfrac> <mrow> <msub> <mi>d&Delta;&Theta;</mi> <mi>H</mi> </msub> </mrow> <mrow> <mi>d</mi> <mi>t</mi> </mrow> </mfrac> <mo>=</mo> <mi>&Delta;</mi> <msub> <mi>&Theta;</mi> <mrow> <mi>H</mi> <mo>,</mo> <mi>U</mi> </mrow> </msub> <mo>-</mo> <mi>&Delta;</mi> <msub> <mi>&Theta;</mi> <mi>H</mi> </msub> </mtd> </mtr> <mtr> <mtd> <mi>&Delta;</mi> <msub> <mi>&Theta;</mi> <mrow> <mi>H</mi> <mo>,</mo> <mi>U</mi> </mrow> </msub> <mo>=</mo> <mi>&Delta;</mi> <msub> <mi>&Theta;</mi> <mrow> <mi>H</mi> <mo>,</mo> <mi>R</mi> </mrow> </msub> <mo>&CenterDot;</mo> <msup> <mi>K</mi> <mrow> <mn>2</mn> <mi>m</mi> </mrow> </msup> </mtd> </mtr> </mtable> </mfenced> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>&Delta;&Theta;</mi> <mrow> <mi>T</mi> <mi>O</mi> </mrow> </msub> <mo>:</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <msub> <mi>&tau;</mi> <mrow> <mi>T</mi> <mi>O</mi> </mrow> </msub> <mfrac> <mrow> <msub> <mi>d&Delta;&Theta;</mi> <mrow> <mi>T</mi> <mi>O</mi> </mrow> </msub> </mrow> <mrow> <mi>d</mi> <mi>t</mi> </mrow> </mfrac> <mo>=</mo> <mi>&Delta;</mi> <msub> <mi>&Theta;</mi> <mrow> <mi>T</mi> <mi>O</mi> <mo>,</mo> <mi>U</mi> </mrow> </msub> <mo>-</mo> <mi>&Delta;</mi> <msub> <mi>&Theta;</mi> <mrow> <mi>T</mi> <mi>O</mi> </mrow> </msub> </mtd> </mtr> <mtr> <mtd> <mi>&Delta;</mi> <msub> <mi>&Theta;</mi> <mrow> <mi>T</mi> <mi>O</mi> <mo>,</mo> <mi>U</mi> </mrow> </msub> <mo>=</mo> <mi>&Delta;</mi> <msub> <mi>&Theta;</mi> <mrow> <mi>T</mi> <mi>O</mi> <mo>,</mo> <mi>R</mi> </mrow> </msub> <mo>&CenterDot;</mo> <msup> <mrow> <mo>(</mo> <mfrac> <mrow> <msup> <mi>K</mi> <mn>2</mn> </msup> <mi>R</mi> <mo>+</mo> <mn>1</mn> </mrow> <mrow> <mi>R</mi> <mo>+</mo> <mn>1</mn> </mrow> </mfrac> <mo>)</mo> </mrow> <mi>n</mi> </msup> </mtd> </mtr> </mtable> </mfenced> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>&Delta;&Theta;</mi> <mrow> <mi>A</mi> <mi>e</mi> </mrow> </msub> <mo>:</mo> <msub> <mi>&tau;</mi> <mrow> <mi>T</mi> <mi>O</mi> </mrow> </msub> <mfrac> <mrow> <msub> <mi>d&Theta;</mi> <mrow> <mi>A</mi> <mi>e</mi> </mrow> </msub> </mrow> <mrow> <mi>d</mi> <mi>t</mi> </mrow> </mfrac> <mo>=</mo> <msub> <mi>&Theta;</mi> <mi>A</mi> </msub> <mo>-</mo> <msub> <mi>&Theta;</mi> <mrow> <mi>A</mi> <mi>e</mi> </mrow> </msub> </mrow> </mtd> </mtr> </mtable> </mfenced> 1

式中：K是变压器实际负荷与额定负荷的比值，R是额定负荷状态下的负荷损耗与空载损耗之间的比值，m和n是取决于冷却方式的经验常数，其值与变压器的冷却方式有关；s为复频率；τ_w是在温度点位置的时间常数，单位：h；τ_TO是变压器油的时间常数，单位：h；Θ_A是瞬时环境温度，ΔΘ_H,U是最高温度点相对于顶部油温的最终增量，ΔΘ_H,R是最高温度点相对于额定负载下油温的温升，ΔΘ_TO,U是油顶部相对于环境温度的最终温升，ΔΘ_TO,R是在额定负载下油顶部相对于环境温度的温升，Θ_A是瞬时环境温度，上述温度变量单位均为：℃。

3.根据权利要求1所述的大型油浸式电力变压器可靠性评估动态修正方法，其特征在于，所述步骤(3)中变压器绕组的HST值Θ_H定义为：

Θ_H＝ΔΘ_H+ΔΘ_TO+ΔΘ_Ae

式中：Θ_H为变压器绕组的HST值；ΔΘ_H为变压器绕组HST相对于变压器顶部油温的增量；ΔΘ_TO为变压器绕组顶层油温相对于环境温度的温升；ΔΘ_Ae为滞后的环境温度；上述温度的单位均为：℃。

4.根据权利要求1所述的一种大型油浸式电力变压器可靠性评估动态修正方法，其特征在于，所述步骤(5)中阿列纽斯-威布尔模型的故障率函数λ_a(t|Θ_H)定义为：

式中：参数β，B，C的求取通常采用极大释然估计法，借助于高斯分布来估计参数的新方法，具体包括两个步骤：首先，借助于高斯分布中σ，μ值对威布尔分布的参数η和β进行估算；然后，对于阿列纽斯威布尔模型，令β保持不变，用η值用来估算B和C的取值。

5.根据权利要求1所述的大型油浸式电力变压器可靠性评估动态修正方法，其特征在于，所述步骤(8)中5个变压器健康状态等级对应的变压器预期寿命修正系数系数L_i(i＝1,2,3,4)定义为：

第一级别为健康：级别上界1.0，下界0.9，

第二级别为正常：级别上界0.9，下界0.6，

第三级别为轻度故障：级别上界0.5，下界0.6，

第四级别为中度故障：级别上界0.4，下界0.5，

第五级别为严重故障：级别上界0.4，下界0.33；对于该级，故障若能修好，则根据变压器维修后的恢复情况，结合寿命损失恢复因子，再计算相应的故障率；

公式中：L₁、L₂、L₃和L₄为变压器健康状态等级对应的变压器预期寿命修正系数系数；α＝(α₁,α₂,α₃,α₄)和δ＝(δ₁,δ₂,δ₃,δ₄)为级差系数，用来调整变压器油纸绝缘系统的故障程度与变压器预期寿命的对应关系；Q为灰色靶心度且0.33≤Q≤1。

6.根据权利要求1所述的大型油浸式电力变压器可靠性评估动态修正方法，其特征在于，所述步骤(9)中建立变压器健康状态与变压器预期寿命的关系，引入了级差系数α＝(α₁,α₂,α₃,α₄)和δ＝(δ₁,δ₂,δ₃,δ₄)用来调整变压器油纸绝缘系统的故障程度与变压器预期寿命的对应关系；其中，α是为了调整靶心度与变压器预期寿命的比例关系，δ是考虑靶心度与变压器预期寿命可能不满足线性关系，δ值越大，对应的寿命缩短趋势越平缓，两者的值采用专家评测的方法确定。

7.根据权利要求6所述的大型油浸式电力变压器可靠性评估动态修正方法，其特征在于，所述级差系数α＝(α₁,α₂,α₃,α₄)和δ＝(δ₁,δ₂,δ₃,δ₄)的引入，假定了变压器绕组绝缘系统的寿命损失量与变压器的状态量成严格正比例关系，取α＝(1,1,1,1)，指数δ＝(1,1,1,1)，最终得到所述的变压器各状态等级对应的寿命损失范围表。

8.根据权利要求1所述的一种大型油浸式电力变压器可靠性评估动态修正方法，其特征在于，所述步骤(10)中对第一过程中原始基础模型的动态修正，修正后的预期寿命Z_eq，定义为：

式中：α，δ是经验值，需要根据实际变压器历史运行、检修数据进行确定，Z是由基础模型求得的原始预期寿命。

9.根据权利要求1所述的大型油浸式电力变压器可靠性评估动态修正方法，其特征在于，所述步骤(10)中对第一过程原始基础模型的动态修正，修正后的寿命损失量Z′，定义为：

10.根据权利要求1所述的大型油浸式电力变压器可靠性评估动态修正方法，其特征在于，所述步骤(10)完成对所述第一过程中原始基础模型的动态修正后，进一步引入预期寿命损失恢复因子χ_i，对考虑变压器在经历大修或滤油等涉及绕组绝缘系统的维修后，对其新的预期寿命Z″进行求解，并计算该预期寿命下的等效HST值H_eq，完成所述的对原始基础模型的最终动态修正，最终修正后的预期寿命Z″，定义为：

Z″＝Z′+χ_iZ′_eq

式中：Z″为变压器新预期寿命，Z′为维修前一次修正后的预期寿命，Z′_eq为维修前一次修正后的寿命损失量；

相应地，在该新的预期寿命Z″下对应的等效HST温度H_eq定义为：

<mrow> <msub> <mi>&lambda;</mi> <mi>a</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>|</mo> <msub> <mi>&Theta;</mi> <mi>H</mi> </msub> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mi>&beta;</mi> <mrow> <msup> <mi>Ce</mi> <mfrac> <mi>B</mi> <mrow> <msub> <mi>&Theta;</mi> <mrow> <mi>e</mi> <mi>q</mi> </mrow> </msub> <mo>+</mo> <mn>273</mn> </mrow> </mfrac> </msup> </mrow> </mfrac> <msup> <mrow> <mo>(</mo> <mfrac> <mi>t</mi> <mrow> <msup> <mi>Ce</mi> <mfrac> <mi>B</mi> <mrow> <msub> <mi>&Theta;</mi> <mrow> <mi>e</mi> <mi>q</mi> </mrow> </msub> <mo>+</mo> <mn>273</mn> </mrow> </mfrac> </msup> </mrow> </mfrac> <mo>)</mo> </mrow> <mrow> <mi>&beta;</mi> <mo>-</mo> <mn>1</mn> </mrow> </msup> <mo>,</mo> <msub> <mi>&Theta;</mi> <mrow> <mi>e</mi> <mi>q</mi> </mrow> </msub> <mo>=</mo> <msub> <mi>H</mi> <mrow> <mi>e</mi> <mi>q</mi> </mrow> </msub> <mo>.</mo> </mrow> 3