JP4742259B2 - 油入変圧器の劣化診断法 - Google Patents

Description

本発明は、油入変圧器の劣化診断法に関する。

油入変圧器の経年劣化の要因のひとつとして、熱による絶縁紙の劣化が考えられる。これは、個々の変圧器の運転状態により劣化の速度が異なるため、一様には判断できないものである。このため、以下に示すような診断法が提案されている。

（１）変圧器の劣化診断では、コイルを絶縁している絶縁紙の引張り強さなどの劣化度を推定することが必要となる。絶縁紙の引張り強さやこれらの指標となる平均重合度は、稼動中の変圧器から絶縁紙を簡単に採取することができないため、直接の測定が困難である。そのため、第１の従来の方法では、変圧器の油中ガス分析によってＣＯ（一酸化炭素）、ＣＯ_２（二酸化炭素）などのガス成分と濃度を測定するか、変圧器内部の採取可能な絶縁物（プレスボード、リード絶縁紙）の平均重合度や絶縁物の分解過程における生成物であるフルフラールやアセトンの濃度を測定し、これらから絶縁紙に残っている引張り強さを示す平均重合度残率を推定し、残存寿命の診断を行っている。この方法では、製造されてからこれまでの変圧器の負荷率、巻線の温度、劣化指標成分の生成速度を正しく知り、絶縁紙の平均重合度残率を推定する必要がある。しかしながらこの方法では、熟練した経験者以外は劣化診断を行うことができず、また、高い診断精度も期待できなかった。

（２）第２の従来の方法は、運転停止中、精密点検等の機会に変圧器内部から絶縁に影響のない部分のプレスボードを採取して、コイル絶縁紙の劣化度を診断する重合度法である。コイルの絶縁紙を直接採取しないのは、コイルに接触している絶縁紙を採取すると変圧器に傷をつけることになり、しかも、それが必ずしも変圧器内で最も温度の高い部分の絶縁紙でない可能性があるからである。すなわちこの方法では、コイルの最も温度の高いホットスポット部分のコイル絶縁紙を取り出してくる必要がある。

このように、従来の劣化診断法には課題があり、それは電気学会の専門委員会でも指摘されている。
電気協同研究会、電機協同研究、第５４巻、第５号（その１）、１８０〜１８１ページ（１９９９年）

本発明は、上記事情に基づいてなされたもので、従来の方法における課題を克服した油入変圧器の劣化診断法を提供することを目的とする。

本発明による油入変圧器の劣化診断法は、油入変圧器の劣化診断方法において、１つ以上の使用された油入変圧器の使用年数と、該油入変圧器の使用状況を数値化したデータと、該油入変圧器の絶縁油中の一酸化炭素、二酸化炭素のうち少なくとも１つの溶存ガスの成分及び濃度と、前記溶存ガスの成分及び濃度から推定される該油入変圧器の想定残存寿命とを含む入力データによって学習した自己組織化マップを形成するステップと、診断対象となる油入変圧器の絶縁油中の溶存ガスの成分及び濃度と、前記診断対象となる油入変圧器の使用状況を数値化したデータとを入力データとし、前記自己組織化マップを用いて、該油入変圧器の絶縁油中の溶存ガスの成分及び濃度から推定される該油入変圧器内の絶縁紙に残っている引張り強さを示す平均重合度残率から前記診断対象となる油入変圧器の想定残存寿命を得るステップとを含むことを特徴とする。

本発明の油入変圧器の劣化診断法は、自己組織化マップを適用して変圧器の残存寿命を数値で得ることにより、未経験者でも対象変圧器の測定データと使用条件さえあれば、短時間に、しかも正確に劣化の程度を含めた残存寿命を診断結果として得ることができることから、設備のメンテナンスや更新時期の判断に役立てることができ、重大事故への進展防止が期待できる。

本発明は、１つ以上の使用されている油入変圧器の、例えば過去数年間のＣＯ（一酸化炭素）、ＣＯ_２（二酸化炭素）などのガス成分の濃度や、種々の分解物濃度、個々の変圧器の運転状況などを自己組織化マップ（ＳＯＭ）のアルゴリズムにより学習させ、過去のデータパターンと、これらのデータパターンと類似のデータパターンとを発生させることにより、双方のデータパターンをマップ上に記憶させ、その中から診断対象の変圧器の既知データと類似なデータパターンを自動検索し、得られた未入力データを必要な劣化診断データとすることを特徴とするものであり、変圧器の使用状況による発生ガスの変化量及び種々の分解物濃度変化と、今までの運転状態から、総合的に残存寿命を診断することができる。

以下に自己組織化マップによる劣化診断の原理について説明する。

まず自己組織化マップのアルゴリズムについて説明する。自己組織化マップのアルゴリズムは、コホネンによって考案され、生物の神経細胞、主として脳の情報処理の仕方を、簡単に以下の式１のように表現した。

神経細胞（ノード）ｉが時刻ｔで処理している情報量を

とするとき、外部から入力信号

が入力されると、この細胞はこれを学習して、次の時刻（ｔ＋１）にはこれにより近い情報量

を持つようになる。このとき、〔数３〕がｎ次元の入力ベクトルであれば、以下の式２で表現される

また、〔数２〕は参照ベクトルとも呼ばれ、同様にｎ次元の要素を持って以下の式３で表現される。

Ｔはベクトルの転置を示す。さらに、ｈ_ｃｉ（ｔ）は学習率係数を含めた近傍関数と呼ばれる。なお、ｄ＝１，２，３，．．．，ｎは離散時間座標である。

図１は、自己組織化マップの構造を説明する図である。この図に示すように、自己組織化マップは２層のネットワークである。第１層はｎ次元の入力層〔数３〕である。第２層は出力を視覚的に見られるように２次元に配列されており、参照ベクトル

を持つＭ個のユニットで構成されている。

学習は前記式１により行われ、入力ベクトル〔数３〕を用いてユークリッド距離

を最小にする参照ベクトル〔数２〕を探して

とすれば、以下の式（４）が得られる。

この参照ベクトル〔数９〕を持つユニットｃを勝者ユニットと呼ぶ。

近傍関数ｈ_ｃｉ（ｔ）は、勝者ユニットｃの周りに近傍領域を定義し、以下の式５及び式６で表現される。

ｈ_ｃｉ（ｔ）＝α（ｔ） （ｉ∈Ｎ_ｃ） （５）

近傍領域内にあるユニット内のベクトルは、入力ベクトルの方向に少し動くことによって学習し、この学習動作を繰り返し行う。このとき、α（ｔ）の値を学習率係数と呼び、０＜α（ｔ）＜１の値を持ち、以下の式７で定義される。

α（ｔ）＝α（０）（１−ｔ／Ｔ） （７）

ここで、α（０）はαの初期値であり、Ｔは学習回数である。また、近傍領域Ｎｃも時間の関数で表され、以下の式８で定義される。

Ｎ_ｃ（ｔ）＝Ｎ_ｃ（０）（１−ｔ／Ｔ） （８）

α（ｔ）及びＮｃ（ｔ）を、共に学習を重ねる毎に単調減少させる。

図２は、学習の進度（ｔ１＜ｔ２＜ｔ３）に伴う勝者ユニットｃの周りの近傍領域のサイズの変化を説明する図である。この図に示すように、近傍領域のサイズを学習の初期には大きく取っておき、学習が進むと徐々に縮小し、最後には勝者ユニットのみ学習をさせるようにする。このようにして、自己組織化マップはｎ次元の入力ベクトル〔数３〕を受け取り、出力（競合）層で視覚的に見られるように２次元に配列される。

このようにして作成された自己組織化マップは、すでにフィールドで使用されている変圧器の絶縁油中に溶解したＣＯ（一酸化炭素）、ＣＯ_２（二酸化炭素）などのガス成分の濃度、アセトンやフルフラールなどの種々の分解物成分の濃度、変圧器の想定残存寿命（ＣＯ（一酸化炭素）、ＣＯ_２（二酸化炭素）などのガス成分の濃度、アセトンやフルフラールなどの種々の分解物成分の濃度から推定される、絶縁紙に残っている引張り強さを示す平均重合度残率に相当する）に加えて、変圧器の寿命に影響する絶縁油の酸化防止方式、冷却方式、今までの使用年数、平均負荷率を数値化した入力データによって特徴付けられたユニットから構成されており、入力データのパターン特性により出力（競合）層で分類、表示されている。この自己組織化マップを用いることによって、未入力データである平均重合度残率を想定残存寿命として得ることができる。

次に本発明における自己組織化マップを用いた診断について説明する。図３は、このような自己組織化マップを用いた診断手順を示す流れ図である。

第１段階は、ステップＳ１０１〜Ｓ１０３を含み、すでに使用されている油入変圧器（学習用油入変圧器）からのデータをもとに自己組織化マップを構成する段階である。ステップＳ１０１において、例えば、既にフィールドで使用されている変圧器の絶縁油中に溶解したＣＯ（一酸化炭素）やＣＯ_２（二酸化炭素）などのガス成分の濃度と、アセトンやフルフラールなどの種々の分解物成分の濃度と、変圧器の想定残存寿命（ＣＯ（一酸化炭素）やＣＯ_２（二酸化炭素）などのガス成分の濃度と、アセトンやフルフラールなどの種々の分解物成分の濃度とから推定される、絶縁紙に残っている引張り強さを示す平均重合度残率に相当）と、変圧器の寿命に影響する絶縁油の酸化防止方式及び冷却方式と、今までの使用年数及び平均負荷率とを数値化した入力データ（ｎ次元）を入力する。診断制度の向上には、できる限り多くの油入変圧器の入力データを用意する必要がある。以下の表１に入力データの一例を示す。

ステップＳ１０２において、前記入力データをデータ処理装置によって入力次元に適合した平均化処理及び正規化処理を行う。入力データの数値範囲を限定することにより、自己組織化マップによる診断精度の向上を図る。

ステップＳ１０３においてこれらの入力データを学習することにより、自己組織化マップを作成する。このとき、出力（競合）層で生成される参照ベクトルデータは、

（ｉ＝１，２，３，．．．，Ｍ、ｊ＝１，２，３，．．．，ｎ）
となる。図４は、多次元の入力データが類似パターンの変圧器ごとに２次元のマップ上に可視化された様子を示す図である。この図において、入力データは、類似パターンの変圧器群として♯１〜５の位置に分類される。なお、この図は説明のための一例であり、実際には数十パターンの位置に分類される。

第２段階は、診断対象の油入変圧器のデータを入力する段階である。ステップＳ１０４において、診断したい変圧器の絶縁油中に溶解したＣＯ（一酸化炭素）やＣＯ_２（二酸化炭素）などのガス成分の濃度と、アセトンやフルフラールなどの種々の分解物成分の濃度と、変圧器の寿命に影響する絶縁油の酸化防止方式及び冷却方式と、今までの使用年数及び平均負荷率とを数値化した入力データの既知ベクトルデータ

（ｊ＝１，２，３，．．．，ｌ、ｌ＜ｎ）
を入力する。このとき、未知の診断データは〔数１３〕（ｊ＝ｌ＋１，ｌ＋２，ｌ＋３，．．．，ｎ）となる。ステップＳ１０５において、ステップＳ１０２と同様に、入力データの前処理を行う。

第３段階は、上記第２段階で入力された既知ベクトルデータ〔数１３〕と、上記第１段階で形成された自己組織化マップ上のすべての参照ベクトルデータ〔数１２〕とを比較して、その差が最小となる参照ベクトルデータ〔数１２〕を選択してベストマッチングユニットを決定する段階である。ステップＳ１０６において、ステップＳ１０４で入力された既知ベクトルデータＰ_ｊと自己組織化マップ上のすべての参照ベクトルデータ〔数１２〕を比較して、その差が最小となる、すなわち以下の式（９）を満足する〔数１２〕を選択してベストマッチングユニット（Best Matching Unit：ＢＭＵ）とする。

ステップＳ１０６において、ｉ＝１から開始し、参照ベクトルデータ〔数１２〕を読み出す。ステップＳ１０７において、ｉがその最大値Ｍより小さければ、ステップＳ１０８に進む。ステップＳ１０８において、上記式９を計算する。ステップＳ１０９において、これまでに最も診断対象の油入変圧器の既知ベクトルデータに近い、すなわち、最もε（ｉ）が小さかったマッチングユニットである参照ベクトルデータのε（ｉ）と比較し、マッチングユニットのε（ｉ）より大きければ、ステップＳ１１１においてｉを１増分し、ステップＳ１０６に戻る。マッチングユニットのε（ｉ）より小さければ、ステップＳ１１０において、このときの参照ベクトルデータをこの時点での新たなマッチングユニットとして記憶し、ステップＳ１１１においてｉを１増分し、ステップＳ１０６に戻る。このようにして、すべての参照ベクトルデータ〔数１２〕との比較を行い、ステップＳ１０７においてｉがその最大値Ｍと等しくなったらステップＳ１１２に進み、この時点でのマッチングユニットをベストマッチングユニットに決定する。

第４段階は、診断データを得る段階である。ステップＳ１１３において、上記第３段階で得られたベストマッチングユニットの参照ベクトルデータ〔数１２〕（ｉ＝１，２，３，．．．，Ｍ、ｊ＝１，２，３，．．．，ｎ）となる。

図５は、診断時のデータパターンの状況を示すグラフである。横軸はｊの値を表し、縦軸は〔数１２〕及び〔数１３〕の値を表す。

劣化診断の対象変圧器について油中ガス分析を行い、ガス成分や分解物の濃度データの測定、並びに使用条件と冷却方式を数値化して学習により得られる自己組織化マップに入力し、類似度の高いデータパターンから、未入力となっている想定残存寿命を診断対象の変圧器の劣化診断結果として、数値で得ることができる。

自己組織化マップの構造を説明する図である。 学習の進度に伴う勝者ユニットの周りの近傍領域のサイズの変化を説明する図である。 自己組織化マップを用いた診断手順を示す流れ図である。 油入変圧器のデータパターンの状況を示す自己組織化マップを示す図である。 診断時のデータパターンの状況を示すグラフである。

Claims (1)

1. 油入変圧器の劣化診断方法において、１つ以上の使用された油入変圧器の使用年数と、該油入変圧器の使用状況を数値化したデータと、該油入変圧器の絶縁油中の一酸化炭素、二酸化炭素のうち少なくとも１つの溶存ガスの成分及び濃度と、前記溶存ガスの成分及び濃度から推定される該油入変圧器の想定残存寿命とを含む入力データによって学習した自己組織化マップを形成するステップと、
   診断対象となる油入変圧器の絶縁油中の溶存ガスの成分及び濃度と、前記診断対象となる油入変圧器の使用状況を数値化したデータとを入力データとし、前記自己組織化マップを用いて、該油入変圧器の絶縁油中の溶存ガスの成分及び濃度から推定される該油入変圧器内の絶縁紙に残っている引張り強さを示す平均重合度残率から前記診断対象となる油入変圧器の想定残存寿命を得るステップと、
   を含むことを特徴とする油入変圧器の劣化診断方法。

Images