WO2022004139A1 - 変圧器の診断方法および診断システム - Google Patents

変圧器の診断方法および診断システム Download PDF

Info

Publication number
WO2022004139A1
WO2022004139A1 PCT/JP2021/017926 JP2021017926W WO2022004139A1 WO 2022004139 A1 WO2022004139 A1 WO 2022004139A1 JP 2021017926 W JP2021017926 W JP 2021017926W WO 2022004139 A1 WO2022004139 A1 WO 2022004139A1
Authority
WO
WIPO (PCT)
Prior art keywords
transformer
gas
amount
oil
period
Prior art date
Application number
PCT/JP2021/017926
Other languages
English (en)
French (fr)
Inventor
瑞 小木
明 山岸
Original Assignee
株式会社日立製作所
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 株式会社日立製作所 filed Critical 株式会社日立製作所
Publication of WO2022004139A1 publication Critical patent/WO2022004139A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/26—Oils; Viscous liquids; Paints; Inks

Definitions

  • the present invention relates to a diagnostic method and a diagnostic system for diagnosing current or future abnormalities of a transformer.
  • the power system maintenance plan is based on the forecast of power demand and power development for more than 10 years.
  • the use of renewable energies that do not emit greenhouse gases, such as sunlight, solar heat, hydropower, wind power, biomass, and geothermal heat has been expanding.
  • the aging of society, the declining working population, and the transition to an information-oriented society are progressing. Therefore, in line with these trends, flexible maintenance of the electric power system is required.
  • Transformers installed in the power system include oil-filled type and dry type (mold type).
  • the oil-filled transformer has a structure in which the coil is immersed in insulating oil, and is more widely used than the dry type.
  • insulating oil mineral oil, vegetable oil and the like are used. By natural convection or forced circulation of mineral oil with high withstand voltage, both insulation performance and cooling performance are satisfied.
  • time-planned maintenance (Time Based Maintenance: TBM) has been adopted as a method for maintaining and managing a transformer.
  • the general expected life of a transformer is about 30 years.
  • the characteristic gas of the internal abnormality is generated. Therefore, the gas analysis in the oil is performed about once a year by electric power companies, railway companies, general business companies, and the like.
  • Non-Patent Document 1 describes a reference value of a gas allowed in insulating oil as an index used for maintenance and management of an oil-immersed transformer.
  • Hydrogen (H 2 ) ⁇ 400 ppm, methane (CH 4 ) ⁇ 100 ppm, ethane (C 2 H 6 ) ⁇ 150 ppm, ethylene (C 2 H 4 ) ⁇ 10 ppm, acetylene (C 2 H 2 ) ⁇ 0.5 ppm, monoxide One of carbon (CO) ⁇ 300 ppm and total flammable gas (TCG) ⁇ 500 ppm, "Caution required I", C 2 H 2 ⁇ 0.5 ppm, C 2 H 4 ⁇ 10 ppm and TCG ⁇ 500 ppm.
  • the conventional transformer maintenance method since the oil gas analysis by TBM is performed, it is possible to know the amount of gas generated in the insulating oil at the time of collecting the insulating oil. Therefore, it is possible to diagnose the presence or absence of the current abnormality of the transformer from the current deterioration state of the insulating oil and the insulating material. Moreover, since the average operating life of the transformer is known, it is possible to predict the remaining life that can be operated after that from the current state of deterioration.
  • transformer failures are likely to occur when an abnormality progresses, it is desirable to predict in advance an abnormality that will lead to an accidental failure in order to operate the power system in a stable manner. If an abnormality that leads to an accidental failure can be predicted in advance, it is possible to prevent the operation from being stopped due to the failure by carrying out repairs, inspections, and the like.
  • a method for grasping the current abnormality leading to an accidental failure is known, a method for accurately grasping the future abnormality has not been known so far.
  • an object of the present invention is to provide a diagnostic method and a diagnostic system capable of diagnosing current abnormalities and future abnormalities leading to transformer failure.
  • the diagnostic method according to the present invention in order to solve the above problems is a diagnostic method for diagnosing an abnormality in a transformer, and includes a step of measuring the amount of gas in the insulating oil of the transformer over time and a transformer. For each operating period of the transformer, a step of performing regression analysis based on the measured amount of the gas in the oil to obtain an approximate function representing the amount of increase in the gas in the oil per unit time, and each operating period of the transformer. Includes a step of comparing the amount of gas in the insulating oil of a transformer with the amount of gas in the oil estimated based on the approximation function.
  • the diagnostic system is a diagnostic system for diagnosing an abnormality in a transformer, and is based on the amount of gas in the insulating oil of the transformer measured over time for each operating period of the transformer. Based on the approximation function, the regression analysis unit that performs regression analysis to obtain an approximation function that represents the amount of increase in the gas per unit time, and the amount of gas in the insulating oil of the transformer for each operating period of the transformer. It is provided with a diagnostic unit for comparing with the estimated amount of gas in the oil.
  • the present invention it is possible to provide a diagnostic method and a diagnostic system capable of diagnosing current abnormalities and future abnormalities leading to transformer failure.
  • FIG. 1 It is a figure which shows the structure of the diagnostic system which concerns on 1st Embodiment of this invention. It is a figure which shows the result of having measured the amount of gas in the insulating oil of a transformer with time. It is a figure which shows the result of having measured the amount of gas in the insulating oil of a transformer with time. It is a figure which shows the failure rate curve of a general transformer. It is a figure explaining the approximate function obtained in the range of the initial failure period. It is a figure explaining the approximate function obtained in the range of the accidental failure period. It is a figure explaining the approximate function obtained in the range of the wear failure period. It is a flowchart which shows an example of the process of diagnosing the abnormality of a transformer.
  • the diagnostic method relates to a method for diagnosing an abnormality in a transformer.
  • Diagnosis of transformer anomalies includes diagnosing current anomalies occurring in transformers and predicting future anomalies occurring in transformers.
  • the transformer to be diagnosed is an oil-filled transformer, but the type of insulating oil as an insulating medium, the type of insulating material, the rated capacity of the transformer, the rated voltage, and the like are not particularly limited.
  • transformer abnormalities include events that require replacement of insulating media and insulating materials, events that require the operation of transformers to be stopped, and these precursory phenomena.
  • Specific examples of the abnormality of the transformer include deterioration or breakdown of the insulating property of the insulating medium or the insulating material, short circuit or overheating of the coil, progress of the flow charging phenomenon of the insulating medium, generation of partial discharge, and the like.
  • the diagnostic method is a step of measuring the amount of gas in the insulating oil of the transformer over time, and a regression analysis based on the measured amount of gas in the oil for each operating period of the transformer.
  • the process of finding an approximate function that represents the amount of increase in gas per unit time, and the amount of gas in the insulating oil of the transformer for each operating period of the transformer are estimated based on the approximate function. Includes a step of comparing with the amount of.
  • the amount of gas in the insulating oil is measured over time by performing a gas analysis in oil over time for the insulating oil enclosed in the transformer. Then, by performing regression analysis of the measurement results measured over time and grasping the tendency of abnormalities occurring in the transformer, it is possible to perform maintenance management such as condition monitoring maintenance (CBM).
  • CBM condition monitoring maintenance
  • an approximation function that expresses the amount of increase (increase rate) of oil gas per unit time by performing regression analysis with time as the independent variable and the amount of oil gas as the dependent variable. Is required. It can be said that the approximation function reflects the influence of the aged deterioration of the insulating medium and the insulating material and the influence of the accumulation of repeated abnormalities. From the approximation function, it can be seen whether the measured value of the current amount of oil gas and the predicted value of the future amount of oil gas have the same tendency as the past aging deterioration and the past repeated abnormality.
  • the conventional prediction is made by determining whether the estimated value of the future amount of gas in oil estimated from the approximate function deviates from the upper limit value allowed as the amount of gas in the insulating oil of the transformer. Can diagnose the possibility of future abnormalities that were difficult.
  • the measured value of the amount of gas in the insulating oil of the transformer was equal to or higher than the preset predetermined value with respect to the estimated value of the amount of gas in the oil estimated based on the approximate function. At that time, it is possible to determine that an abnormality has occurred in the transformer. In such a case, a warning is displayed or notified to the transformer operator to replace the insulating oil or insulating material or stop the operation of the transformer. On the other hand, when it becomes less than a predetermined value, it can be determined that no abnormality has occurred in the transformer.
  • the operating time of the future transformer is substituted into the approximate function representing the increase amount of the gas in the oil per unit time to estimate the amount of the gas in the oil in the future. Find the value. Then, the estimated value of the amount of gas in oil estimated based on the approximate function is compared with the upper limit of the amount of gas in the insulating oil of the transformer corresponding to the same operation time.
  • the estimated value of the amount of gas in oil estimated based on the approximate function is equal to or higher than the preset predetermined value with respect to the upper limit of the amount of gas in the insulating oil of the transformer.
  • a warning is displayed or notified to the transformer operator to inspect the transformer, replace the insulating oil or insulating material, or stop the operation of the transformer.
  • it becomes less than a predetermined value it can be determined that there is a low possibility that an abnormality will occur in the transformer in the future.
  • the predetermined value used for the determination can be arbitrarily set according to the type of the gas in the oil within the range exceeding the measurement error of the amount of the gas in the oil and the natural fluctuation of the amount of the gas in the oil.
  • the predetermined value is preferably a value of 20% or more with respect to the estimated value of the amount of gas in oil estimated based on the approximate function. Generally, it is said that the device error and the measurement error of the transformer are about 20% at the maximum. Therefore, if a value of 20% or more is set with respect to the amount of gas in oil indicated by the approximate function, erroneous diagnosis can be suppressed.
  • FIG. 1 is a diagram showing a configuration of a diagnostic system according to the first embodiment of the present invention.
  • the diagnostic system 100 includes a calculation unit 10 that performs a process of diagnosing an abnormality in a transformer, a storage unit 20 that stores data used for the diagnostic process, and an input unit 30. , A display unit 40, and a communication unit 50.
  • the diagnostic system 100 is a device having a function of executing the above-mentioned diagnostic method, and is used for diagnosing current abnormalities and future abnormalities of transformers.
  • the transformer to be diagnosed is an oil-filled transformer, which is installed on a power system away from the diagnostic system 100.
  • the diagnostic system 100 is configured to output a diagnosis result of an abnormality of the transformer for one input indicating the amount of gas in the insulating oil of the transformer.
  • the diagnostic system 100 may be configured to manually input measurement data representing the amount of gas in the insulating oil of the transformer by reading the measured value, or may be configured to input from a gas sensor via a communication line. You may.
  • the line connecting the diagnostic system 100 and the gas sensor may be either a wired communication line or a wireless communication line.
  • the measurement data may be acquired by a gas sensor attached to the transformer, or the insulating oil of the transformer may be sampled and acquired by an analyzer or the like.
  • the target gas for gas analysis in oil it is preferable to analyze one or more of methane, acetylene, ethylene, ethane, hydrogen, carbon monoxide and carbon dioxide.
  • the target gas it is more preferable to analyze one or more of methane, hydrogen and carbon dioxide, and it is further preferable to analyze at least hydrogen.
  • the concentration of these gases in the insulating oil increases when the insulating oil or insulating paper is thermally decomposed due to abnormal discharge or abnormal overheating, or when the insulating oil or insulating paper deteriorates over time.
  • Methane, acetylene, ethylene, ethane and hydrogen are known to be mainly derived from the deterioration of insulating oil.
  • carbon monoxide and carbon dioxide are mainly derived from deterioration of insulating paper and press board which are insulating materials.
  • the current state of insulating oil and insulating material and the degree of abnormalities that have occurred inside the transformer in the past can be known. That is, it is possible to diagnose the current abnormality occurring in the transformer from the current amount of gas in oil.
  • the future state can be estimated from the tendency of the increase in the amount of gas in oil per unit time up to now, future abnormalities occurring in the transformer can be diagnosed.
  • 2 and 3 are diagrams showing the results of measuring the amount of gas in the insulating oil of the transformer over time.
  • 2 and 3 show the results of oil gas analysis of an oil-immersed transformer using mineral oil as an insulating medium and insulating paper as an insulating material.
  • the horizontal axis represents the operating time [year] of the transformer, and the vertical axis represents the gas amount (concentration) [ppm].
  • ⁇ is the result of acetylene (C 2 H 2 )
  • ⁇ is the result of methane (CH 4 )
  • ⁇ is the result of ethane (C 2 H 6 )
  • ⁇ is ethylene (C 2 H 4 ).
  • ⁇ is the result of carbon dioxide (CO 2 )
  • ⁇ is the result of carbon monoxide (CO)
  • ⁇ is the result of hydrogen (H 2 ).
  • the amount of gas increases according to the rated capacity and voltage of the transformer, the type of insulating medium and insulating material, the type of the cause of abnormality, and the like. do.
  • the increase in the amount of gas occurs for each type of gas, and the degree of increase also differs from each other.
  • accidental abnormalities occur as relatively rapid changes, so that a large change in the amount of gas is brought about in a short time.
  • an approximate function representing an increase amount of gas in oil per unit time is obtained for each operating period of the transformer.
  • the operating period of the transformer to be the target range of the regression analysis, a period set based on the tendency of the time change of the failure rate of the transformer, for example, a period set based on the failure rate curve can be used. ..
  • FIG. 4 is a diagram showing a failure rate curve of a general transformer.
  • the horizontal axis represents the operating time of the transformer, and the vertical axis represents the failure rate [%] of the transformer.
  • the broken line is the failure rate of the initial failure caused by the design and manufacture of the transformer, the one-dot chain line is the failure rate of the accidental failure that occurs accidentally in the transformer, and the two-dot chain line is the cause of aging deterioration such as wear. Represents the failure rate of wear failure.
  • the solid line represents the combined failure rate curve.
  • the probability that a general transformer fails within a unit time shows a characteristic tendency depending on the operating time and is represented by a bathtub-shaped failure rate curve.
  • the failure rate curve can be divided into three regions according to the tendency of the failure rate to change. The first period in which the failure rate decreases over time is called the initial failure period, the intermediate period in which the failure rate is steady is called the accidental failure period, and the last period in which the failure rate increases over time is called the wear failure period. ..
  • FIG. 5 is a diagram illustrating an approximate function obtained in the range of the initial failure period.
  • FIG. 6 is a diagram illustrating an approximate function obtained in the range of the accidental failure period.
  • FIG. 7 is a diagram illustrating an approximate function obtained in the range of the wear failure period.
  • the horizontal axis represents the operating time [year] of the transformer, and the vertical axis represents the amount (concentration) [ppm] of gas in oil.
  • the solid line is the result of measuring the amount of gas in the insulating oil over time, and the broken line is the approximate function obtained by regression analysis of the measurement result, that is, the approximation representing the increase amount of the gas in the oil per unit time. It is a function.
  • an approximate function representing the amount of increase in oil gas per unit time can be obtained by linear regression for each transformer operating period.
  • the coefficients a and b are obtained for each type of gas in oil and for each operating period of the transformer.
  • the least squares method can be used as a method of linear regression for obtaining such an approximate function.
  • the initial failure period of the transformer is a period of 3 to 6 years from the start of operation of the transformer, although it depends on the rated capacity and voltage of the transformer.
  • the initial failure period is a period in which the failure rate of the transformer decreases over time, and the amount of increase in oil gas per unit time tends to be relatively small.
  • the difference in the amount of oil gas for each type of oil gas is usually small, although it depends on the initial degassing conditions and the like.
  • the period up to 5 years of operation time is defined as the initial failure period.
  • the accidental failure period of the transformer includes a period of 20 to 30 years from the end of the initial failure period, although it depends on the rated capacity and voltage of the transformer.
  • the accidental failure period is a period in which the failure rate of the transformer is steady, and shows a tendency that the amount of increase in oil gas per unit time begins to increase in response to an accidental abnormality. In FIG. 6, the period from 5 to 25 years of operation time is defined as an accidental failure period.
  • the wear failure period of the transformer includes the period after the end of the accidental failure period.
  • the wear failure period is a period in which the failure rate of the transformer increases over time, and the amount of increase in oil gas per unit time tends to be relatively large. The difference in the amount of gas in oil for each type of gas in oil tends to increase depending on the influence of aging deterioration and the influence of accumulation of abnormalities.
  • the period from the operating time of 25 to 30 years is defined as the wear failure period.
  • the period set based on the failure rate curve divided in this way is used as the operating period of the transformer to be the target range of the regression analysis, the cause of the abnormality is narrowed down for each operating period of the transformer. You get the function. Since an approximate function that can accurately diagnose an accidental abnormality is obtained, it is possible to more accurately diagnose the current abnormality that leads to the failure of the transformer and the future abnormality that leads to the failure of the transformer.
  • the calculation unit 10 As shown in FIG. 1, in the diagnostic system 100, the calculation unit 10, the storage unit 20, the input unit 30, the display unit 40, and the communication unit 50 are connected to the bus.
  • the calculation unit 10 includes a data acquisition unit 11, a primary diagnosis unit 12, a regression analysis unit 13, an estimation unit 14, a diagnosis unit 15, and an image generation unit 16. These functions are embodied by the arithmetic unit 10 executing a predetermined program.
  • the storage unit 20 stores measurement data 21 for the amount of gas in oil, diagnostic condition data 22, operation period data 23, approximate function data 24, estimation data 25, and diagnostic result data 26. ..
  • the diagnostic condition data 22 and the operation period data 23 are input to the diagnostic system 100 in advance.
  • the calculation unit 10 reads various data and programs, executes a program for diagnosing a transformer abnormality, performs calculations, and the like.
  • the arithmetic unit 10 is composed of, for example, an arithmetic unit such as a CPU (Central Processing Unit) and a storage device such as a RAM (RandomAccessMemory) and a ROM (ReadOnlyMemory).
  • the calculation unit 10 can be configured by appropriate hardware such as an IC, a computer, a calculation server, and a cloud.
  • the storage unit 20 stores various data and programs for diagnosing abnormalities in the transformer.
  • the storage unit 20 is composed of, for example, a storage device such as a ROM, a hard disk, a flash memory, a magnetic disk, or an optical disk.
  • the storage unit 20 may be configured by one hardware or may be configured by a plurality of hardware. A part or all of the functions of the storage unit 20 may be realized by an external storage device or the like.
  • the input unit 30 is a device that receives input from the operator of the diagnostic system 100.
  • the input unit 30 is composed of, for example, a keyboard, a mouse, a touch panel, and the like.
  • the input unit 30 is connected via an input interface (not shown).
  • the input unit 30 can be used for inputting the measurement data 21.
  • the display unit 40 is a device that displays the operation information of the diagnostic system 100, the contents of various data, the diagnostic status, the diagnostic result, and the like.
  • the display unit 40 is composed of, for example, a liquid crystal display, an organic EL display, a cathode ray tube, or the like.
  • the display unit 40 is connected via an output interface (not shown).
  • the communication unit 50 transmits and receives various data via the communication interface.
  • the communication unit 50 can be used for the input of the measurement data 21.
  • the measurement data 21 is data representing the measured value of the amount of gas in the insulating oil of the transformer, and includes information such as the amount and concentration of the oil in oil for each type of gas in oil associated with time.
  • the measurement data 21 is collected as time-series data for each rated capacity and rated voltage of the transformer to be diagnosed and for each type of gas in oil.
  • the diagnostic condition data 22 is data representing various conditions used for diagnosis, such as the timing of the abnormality to be diagnosed, the type of gas in oil used for diagnosing the abnormality, the upper limit of the amount of gas in oil used for diagnosis, and the diagnosis of abnormality. Includes information such as sensitivity (threshold used for determination).
  • As the timing of the abnormality to be diagnosed it is set whether to diagnose the current abnormality based on the latest measurement data 21 or the future abnormality by comparison with the preset upper limit value.
  • As the upper limit value a reference value permitted in the maintenance management of the transformer, for example, a numerical value of "Caution I" described in Non-Patent Document 1 can be set.
  • the operation period data 23 is data representing the operation period of the transformer to be the target range of the regression analysis, and includes information on the start and end of the operation period such as the initial failure period, the accidental failure period, and the wear failure period.
  • the operating period of the transformer to be the target range of the regression analysis can be set to an arbitrary period for each rated capacity and rated voltage of the transformer to be diagnosed, depending on the knowledge of the time change of the failure rate and the like.
  • the approximate function data 24 is data representing the amount of increase in gas in oil per unit time, and includes information on the approximate function obtained by regression analysis.
  • the approximate function data 24 is obtained as data such as a coefficient of the approximate function for each type of gas in oil and for each operation period of the transformer.
  • the estimation data 25 is data representing an estimated value of the amount of gas in oil for each operating time of the transformer estimated based on the approximate function, and is data for each type of gas in oil associated with time. Includes information such as quantity and concentration.
  • the estimation data 25 is obtained by substituting the set time into the approximation function by setting the time of the abnormality to be diagnosed.
  • the diagnosis result data 26 is data representing the diagnosis result of the abnormality of the transformer, and the measured value of the amount of gas in oil corresponding to the time of the abnormality to be diagnosed is the amount of gas in oil estimated based on the approximate function. Whether or not it is equal to or more than the predetermined value with respect to the estimated value of, and whether or not the estimated value of the amount of gas in oil estimated based on the approximate function is equal to or more than the predetermined value with respect to the preset upper limit value. Includes information on whether or not.
  • the diagnosis result data 26 is obtained, for example, as a difference between the measured value and the estimated value of the amount of gas in oil and a difference between the estimated value and the upper limit value of the amount of gas in oil.
  • the data acquisition unit 11 acquires the measurement data 21 input to the diagnostic system 100 as time-series data for each type of gas in oil.
  • the measurement data 21 is associated with an identifier that distinguishes the type of gas in oil, and is output to the storage unit 20 and the primary diagnosis unit 12.
  • the data acquisition unit 11 may be provided with a common interface function for manual input of measurement data 21 or input from a gas sensor.
  • the primary diagnosis unit 12 reads out the latest measurement data 21 and the diagnosis condition data 22, and presets the latest measurement value of the amount of oil gas measured by the oil gas analysis for each operation period of the transformer. Make a primary diagnosis by comparing with the upper limit of the amount of gas in oil.
  • the diagnosis result data 26 representing the result of the primary diagnosis is output to the storage unit 20 and the image generation unit 16.
  • the regression analysis unit 13 reads out the measurement data 21 and the operation period data 23 in which the transformer operation period belongs to the same range, and calculates the amount of oil gas measured by the oil gas analysis for each transformer operation period. Perform regression analysis based on.
  • the approximate function data 24 is output to the storage unit 20 and the estimation unit 14.
  • the estimation unit 14 reads out the measurement data 21, the diagnostic condition data 22, and the approximate function data 24, and from the approximate function representing the increase amount of the oil gas per unit time, the amount of the oil gas corresponding to the time of the abnormality to be diagnosed. To find the estimated value of.
  • the estimated data 25 is output to the storage unit 20 and the comparison unit 15.
  • the diagnostic unit 15 reads out the measurement data 21, the diagnostic condition data 22, and the estimation data 25, and estimates the amount of gas in the insulating oil of the transformer in the oil for each operation period of the transformer based on the approximate function. Compare with the amount of gas.
  • the diagnosis result data 26 representing the diagnosis result is output to the storage unit 20 and the image generation unit 16.
  • the image generation unit 16 Based on the diagnosis result data 26, the image generation unit 16 represents the result of the diagnosis as a warning that an abnormality has occurred in the transformer to be diagnosed or that an abnormality will occur in the transformer to be diagnosed in the future. Generate image data.
  • the image data is output to the output unit 50.
  • the image data may include measurement data 21, diagnostic condition data 22, operation period data 23, approximation function data 24, and estimation data 25 as display contents.
  • FIG. 8 is a flowchart showing an example of a process of diagnosing an abnormality of a transformer.
  • the primary diagnosis by comparison with the preset upper limit of the amount of oil in oil and the amount of gas in oil estimated based on the approximate function by regression analysis are performed. It is possible to make a two-step diagnosis with a secondary diagnosis by comparing with the estimated value. As the secondary diagnosis, the diagnosis of the current abnormality or the diagnosis of the future abnormality can be performed.
  • the operating period of the transformer which is the target range of regression analysis
  • the diagnostic conditions As the operating period of the transformer, specific start and end stages such as an initial failure period, an accidental failure period, and a wear failure period are set.
  • the diagnostic conditions the timing of the abnormality to be diagnosed, the type of the gas in the oil used for the diagnosis of the abnormality, the upper limit of the amount of the gas in the oil used for the diagnosis, the sensitivity of the diagnosis of the abnormality, and the like are set.
  • the measurement data of the amount of gas in the insulating oil of the transformer is acquired (step S101).
  • the amount of gas in the insulating oil of the transformer can be measured at appropriate time intervals such as every sampling interval, every day, every week, every month, every year, etc. by the gas sensor.
  • the latest measured measurement data 21 is input to the primary diagnosis unit 12 together with the data of the upper limit value of the amount of gas in oil set in advance.
  • step S102 it is determined whether or not the amount of gas in the insulating oil of the transformer to be diagnosed is equal to or greater than the preset upper limit of the amount of oil in oil.
  • the primary diagnosis unit 12 compares the latest measured value of the amount of gas in oil with a preset upper limit value for each type of gas in oil.
  • step S102 determines whether the amount of gas in the insulating oil of the transformer is equal to or higher than the upper limit value. If the amount of gas in the insulating oil of the transformer is equal to or higher than the upper limit value (step S102; YES), the process proceeds to step S106 and a warning is given to the effect that an abnormality has occurred in the transformer. On the other hand, if the amount of gas in the insulating oil of the transformer is less than the upper limit value (step S102; NO), the process proceeds to step S103.
  • regression analysis is performed based on the measurement data of the amount of gas in the insulating oil of the transformer, and an approximate function representing the amount of increase in the amount of gas in the oil per unit time is obtained (step).
  • the regression analysis unit 13 performs fitting such as linear regression by the least squares method based on the measurement data 21 in which the operating periods of the transformers belong to the same range, and updates the approximation function used for diagnosis.
  • an estimated value of the amount of oil in oil for each operating time of the transformer is obtained based on an approximate function representing the amount of increase in gas in oil per unit time (step S104).
  • the estimation unit 14 When diagnosing the current abnormality, the estimation unit 14 substitutes the operating time of the current transformer into the approximate function to obtain the estimated value of the current amount of gas in oil. On the other hand, when diagnosing a future abnormality, the estimation unit 14 substitutes the operating time of the future transformer into the approximation function to obtain an estimated value of the amount of gas in the oil in the future.
  • Step S105 the amount of gas in the insulating oil of the transformer is compared with the estimated value of the amount of gas in oil estimated based on the approximate function, and the amount of gas in the insulating oil of the transformer is equal to or more than a predetermined value.
  • the diagnostic unit 15 compares the current measurement of the amount of gas in the insulating oil of the transformer with the estimated value of the amount of gas in the oil estimated based on the approximate function. It is determined whether the current measurement of the amount of gas in the insulating oil of the transformer is equal to or greater than a predetermined value with respect to the estimated value of the amount of gas in the oil estimated based on the approximate function.
  • the diagnosis unit 15 compares the estimated value of the amount of gas in oil estimated based on the approximate function with the upper limit of the amount of gas in the insulating oil of the transformer. It is determined whether or not the estimated value of the amount of gas in oil estimated based on the approximation function is equal to or more than a predetermined value with respect to the upper limit of the amount of gas in the insulating oil of the transformer.
  • step S105 if the amount of gas in the insulating oil of the transformer is less than a predetermined value (step S105; NO), the diagnosis process is terminated.
  • the calculation unit 10 may indicate that no abnormality has occurred in the transformer to be diagnosed, or an abnormality may occur in the transformer to be diagnosed in the future.
  • An image showing that it is low or the like may be generated and displayed as a diagnosis result image on the display unit 40.
  • the operating time of the transformer which is predicted to exceed the upper limit value in the future, may be obtained and displayed as a diagnosis result image on the display unit 40.
  • step S105 if the amount of gas in the insulating oil of the transformer is equal to or higher than a predetermined value (step S105; YES), an abnormality is warned as a diagnosis result of the abnormality of the transformer (step S106). After that, the diagnostic process is terminated.
  • the image generation unit 16 When the current abnormality is diagnosed, the image generation unit 16 generates a diagnosis result image indicating that the transformer to be diagnosed has an abnormality as a diagnosis result of the abnormality of the transformer, and the diagnosis result image is displayed on the display unit 40. Is displayed to give a warning.
  • the diagnosis result image showing the result of diagnosing the current abnormality is an image showing the operating period of the diagnosed transformer, an image showing the type of gas in the oil showing the abnormality, and an image estimated based on an approximate function in the oil. An image or the like showing the difference from the estimated value of the amount of gas can be included.
  • the image generation unit 16 when a future abnormality is diagnosed, the image generation unit 16 generates a diagnosis result image indicating that an abnormality will occur in the transformer to be diagnosed in the future as a diagnosis result of the abnormality of the transformer, and displays the image on the display unit 40. A diagnosis result image is displayed and a warning is given.
  • the diagnosis result image showing the result of diagnosing the future abnormality is an image showing the operating period of the diagnosed transformer, an image showing the type of oil gas showing the abnormality, and a preset amount of oil gas. It is possible to include an image or the like showing the difference from the upper limit value of.
  • regression analysis is performed for each operating period of the transformer based on the amount of gas in oil measured by the transformer, and the amount of gas in the insulating oil of the transformer is determined.
  • the amount of gas in oil estimated based on the approximate function obtained for each operation period it is possible to accurately detect accidental abnormalities that are different from the aged deterioration of insulating media and insulating materials and the accumulation of repeated abnormalities. Can be diagnosed. Since transformer failures are likely to occur when abnormalities accumulate, it is possible to accurately grasp current and future abnormalities as precursory phenomena leading to transformer failures. Since the approximation function is obtained for each type of gas in oil, it is possible to predict the amount of gas in oil in the future for each type as a pattern, and it is also possible to estimate the type of cause of future failure. Become.
  • the primary diagnosis by comparing with the preset upper limit of the amount of oil in oil and the secondary diagnosis by comparing with the estimated value of the amount of gas in oil estimated based on the approximate function by regression analysis. Since the two-step diagnosis is performed, it is possible to individually diagnose a clear abnormality that has already occurred and an accidental abnormality that will lead to a failure in the future. If a clear abnormality has already occurred, the process is completed at the stage of the primary diagnosis, and regression analysis and comparison with the estimated value are not required, so that the transformer abnormality can be diagnosed promptly.
  • the process shown in FIG. 8 performs a two-stage diagnosis of a primary diagnosis and a secondary diagnosis, it may be configured to execute only the secondary diagnosis without executing the primary diagnosis. Further, the upper limit of the amount of gas in oil used for diagnosis may be the same between the numerical value used in the primary diagnosis and the numerical value used in the secondary diagnosis when diagnosing a future abnormality. They may be different from each other.
  • FIG. 9 is a diagram showing a diagnostic system according to the second embodiment of the present invention.
  • the diagnostic system 200 according to the present embodiment is connected to a plurality of terminals 140 provided for each of the plurality of transformers 1 via a communication line, and monitors an abnormality of the plurality of transformers 1. It is configured to function as a diagnostic server for diagnosis.
  • the plurality of transformers 1 are installed on the same power system, and are composed of oil-immersed transformers having the same rated capacity and rated voltage.
  • Each of the plurality of transformers 1 includes a gas sensor 110 that measures the amount of gas in the insulating oil. The amount of gas in the insulating oil of each transformer 1 is measured online over time by the gas sensor 110.
  • the communication line consists of the Internet, LAN (Local Area Network), fixed leased line, etc.
  • the communication line may be a wired communication line, a wireless communication line, or a line in which these are combined.
  • the terminal 140 is equipped with an application for collecting measurement data measured by the gas sensor 110 and a communication device for transmitting and receiving data between the diagnostic system 200 and the diagnostic system 200.
  • the terminal 140 associates the measurement data measured over time by the gas sensor 110 with the identifier for each transformer 1 and transmits the measurement data to the diagnostic system 200 at predetermined time intervals.
  • transformers 1 and 140 are shown in FIG. 9, the number of transformers 1 and 140 is not particularly limited.
  • the terminal 140 may be provided with one for each transformer 1, or may be provided with one for each of a plurality of transformers 1.
  • FIG. 10 is a diagram showing a configuration of a diagnostic system according to a second embodiment of the present invention.
  • the diagnostic system 200 stores a calculation unit 10 that performs a process of diagnosing an abnormality in a transformer and data used for the diagnostic process, similarly to the diagnostic system 100. It includes a storage unit 20, an input unit 30, a display unit 40, and a communication unit 50.
  • the difference between the diagnostic system 200 and the diagnostic system 100 is that measurement data 21 representing the measured value of the amount of gas in the insulating oil of the transformer is collected from a plurality of transformers 1 and obtained by the plurality of transformers 1. Based on the measured value of the amount of gas in oil obtained, an approximate function representing the amount of increase in gas in oil per unit time is obtained, and the current or future abnormality of the transformer 1 to be diagnosed can be detected by multiple transformers. This is a point of diagnosis using the approximation function obtained for the vessel 1.
  • the calculation unit 10 includes a data acquisition unit 111, a primary diagnosis unit 12, a regression analysis unit 131, a calculation unit 132, an estimation unit 14, a diagnosis unit 15, and an image generation unit 16. I have.
  • the storage unit 20 stores the measurement database 211, the diagnostic condition data 221, the operation period data 23, the approximate function data 24, the estimation data 25, and the diagnostic result data 26.
  • the diagnostic condition data 221 and the operation period data 23 are input to the diagnostic system 200 in advance.
  • the diagnostic system 200 is configured to input measurement data 21 representing the amount of gas in the insulating oil of the transformer from the gas sensor 110.
  • the terminal 140 transmits the measurement data 21 associated with the identifier for each transformer 1 and the identifier for distinguishing the type of gas in oil to the diagnostic system 200 via a communication line. Send.
  • FIG. 11 is a diagram showing an example of a measurement database based on measurement data obtained by a plurality of transformers.
  • the measurement data 21 obtained by the plurality of transformers 1 is stored in the storage unit 20 of the diagnostic system 200 as the measurement database 211.
  • the measurement database 211 contains information on transformer names that distinguish transformers on the power system, measured values of the amount of gas in insulating oil for each transformer and for each type of gas in oil, and gas in oil. Contains information on the date and time when the quantity was measured.
  • the diagnostic condition data 221 includes information such as the timing of the abnormality to be diagnosed, the type of gas in oil used for diagnosing the abnormality, the upper limit of the amount of gas in oil used for diagnosis, the sensitivity of diagnosing the abnormality, and the transformation of the diagnosis target. Includes information for instrument selection.
  • the transformer to be diagnosed may be selected according to a diagnosis schedule in a predetermined order, or may be selected according to a priority setting based on the length of operation time or the like.
  • the data acquisition unit 111 inputs measurement data 21 input to the diagnostic system 200 from a plurality of transformers having the same rated capacity and rated voltage to the diagnostic system 200 via a communication line for each transformer on the power system and in oil. Acquire as time-series data for each type of gas.
  • the measurement data 21 is associated with an identifier that distinguishes a transformer on an electric power system and an identifier that distinguishes the type of gas in oil, and is stored as a measurement database 211.
  • the regression analysis unit 131 reads out the measurement data 21 and the operation period data 23 for each transformer in the measurement database 211 in which the operation period of the transformer belongs to the same range, and reads the measurement data 21 and the operation period data 23 for each transformer on the power system and of the transformer. Regression analysis is performed based on the amount of gas in oil measured by multiple transformers for each operation period. The approximate function data 24 obtained for each transformer is output to the storage unit 20.
  • the calculation unit 132 reads out the approximation function data 24 obtained for each transformer on the power system, and averages a plurality of approximation functions obtained for each transformer on the power system among the plurality of transformers. do.
  • the averaging process can be performed, for example, as a process of calculating the arithmetic mean of the coefficients of the approximate function using a plurality of transformers that have measured the measurement data 21 as a population.
  • the approximate function data 24 representing the averaged approximate function is output to the storage unit 20.
  • FIG. 12 is a flowchart showing an example of a process of diagnosing an abnormality of a plurality of transformers.
  • the diagnostic system 200 similarly to the diagnostic system 100, the primary diagnosis by comparison with the preset upper limit of the amount of gas in oil and the approximate function by regression analysis are used.
  • a two-step diagnosis can be made with a secondary diagnosis by comparing with the estimated value of the estimated amount of gas in the oil.
  • the diagnosis of the current abnormality or the diagnosis of the future abnormality can be performed.
  • step S201 measurement data of the amount of gas in the insulating oil of the transformer is acquired (step S201), and a transformer to be diagnosed for abnormality is selected (step S202). ), It is determined whether or not the amount of gas in the insulating oil of the transformer to be diagnosed is equal to or greater than the preset upper limit of the amount of oil in oil (step S203).
  • step S203 determines whether the amount of gas in the insulating oil of the transformer is equal to or higher than the upper limit value. If the amount of gas in the insulating oil of the transformer is equal to or higher than the upper limit value (step S203; YES), the process proceeds to step S208, and a warning that an abnormality has occurred in the transformer is given. On the other hand, if the amount of gas in the insulating oil of the transformer is less than the upper limit value (step S203; NO), the process proceeds to step S204.
  • the regression analysis unit 131 performs fitting such as linear regression by the least squares method based on the measurement data 21 for each transformer whose operating periods of the transformers belong to the same range, and creates a plurality of approximate functions.
  • a plurality of approximate functions obtained for each transformer and for each transformer operation period are averaged among the transformers (step S205).
  • the calculation unit 132 obtains one averaged approximation function from a plurality of approximation functions created for each transformer on the power system by calculating the additive average of the coefficients of the approximation function.
  • an estimated value of the amount of oil gas for each operating time of the transformer is obtained based on an approximate function representing an increase amount of oil gas per unit time (step S206). ), Compare the amount of gas in the insulating oil of the transformer with the estimated value of the amount of gas in the oil estimated based on the approximate function, and if the amount of gas in the insulating oil of the transformer is above the specified value It is determined whether or not there is (step S207).
  • step S207 if the amount of gas in the insulating oil of the transformer is less than a predetermined value (step S207; NO), the process proceeds to step S209.
  • step S207; YES if the amount of gas in the insulating oil of the transformer is equal to or higher than a predetermined value (step S207; YES), the abnormality is warned as a diagnosis result of the abnormality of the transformer (step S208).
  • the image generation unit 16 generates a diagnosis result image indicating that an abnormality has occurred in the transformer to be diagnosed or an abnormality will occur in the transformer to be diagnosed in the future as a diagnosis result of the abnormality for each transformer.
  • a diagnosis result image is displayed on the display unit 40 to give a warning.
  • step S209 it is determined whether or not all the diagnoses to be diagnosed have been completed. Whether or not the diagnosis of the diagnosis target is completed can be managed by recording log data for each of a plurality of transformers on the power system.
  • step S208 determines whether all the diagnoses to be diagnosed have not been completed. If all the diagnoses to be diagnosed have not been completed (step S208; NO), the process returns to step S201. After that, the diagnosis target is switched and the diagnosis process is repeated. On the other hand, when all the diagnoses to be diagnosed have been completed (step S208; YES), the diagnosis process is terminated.
  • a regression analysis is performed for each operating period of the transformer based on the amount of gas in oil measured by a plurality of transformers having the same rated capacity and rated voltage.
  • anomalies that occur accidentally under a common power flow are found. It can be diagnosed with high accuracy. The tendency of past aging deterioration and the tendency of past repetitive anomalies that occurred in the same power system will be added by regression analysis for multiple transformers.
  • the approximation function obtained for each transformer is averaged between the transformers, the approximation function used for diagnosis is different from the case of regression analysis within the range of all measurement data obtained on the power system. , Can be obtained sequentially for each transformer. Even when it is difficult to measure the amount of gas in the insulating oil, or when the operating times of each transformer do not match, the diagnosis as a whole can be efficiently performed.
  • the approximation function may be obtained from the measurement data 21 of all the transformers 1 installed on the same power system, or may be obtained from the measurement data 21 of some transformers 1. good.
  • the transformer 1 to be diagnosed may or may not be included as a target of regression analysis.
  • the regression analysis unit 131 obtains one approximate function based on the amount of gas in oil measured by some or all of the transformers 1 among the plurality of transformers 1, and the diagnostic unit 15 obtains one approximate function.
  • the amount of gas in oil measured by the transformer for which the approximate function is obtained it is possible to configure the amount of gas in oil measured by the transformer for which the approximate function is obtained to be compared with the amount of gas in oil estimated based on the approximate function for each operation period of the transformer. can.
  • the regression analysis unit 131 obtains one approximate function based on the amount of gas in oil measured by some of the plurality of transformers 1, and the diagnostic unit 15 determines. For each period of operation of the transformer, the amount of gas in oil measured by the rest of the transformer for which the approximate function is not obtained shall be compared with the amount of gas in oil estimated based on the approximate function. You can also.
  • the present invention is not limited to the above-described embodiments, and includes various modifications as long as they do not deviate from the technical scope.
  • the embodiments described above are not necessarily limited to those having all the configurations described.
  • an approximate function is obtained for each type of gas in oil, and a diagnosis is performed for each type of gas by using a singular point deviating from the approximate function by a predetermined value or more as an estimated value.
  • a plurality of types of oil-in-oil gas may be compared, and the types of oil-in-oil gas that deviate from a predetermined value or more may be ranked and aggregated for diagnosis for each transformer.
  • multivariate analysis according to the type of gas in oil may be combined. As a multivariate analysis, there is a method of clustering each measurement data on a multidimensional space for a plurality of types of gas in oil and diagnosing an abnormality from a mathematical distance to a cluster pattern.
  • the diagnostic systems 100 and 200 are configured to warn the abnormality when the abnormality of the transformer is diagnosed, but the abnormality is diagnosed together with the warning of the abnormality or instead of the warning of the abnormality. It may be configured to control to stop the operation of the transformer. As a warning of abnormality, a voice warning may be given instead of the diagnosis result image.
  • Calculation unit 11 Data acquisition unit 12 Primary diagnosis unit 13 Regression analysis unit 14 Estimating unit 15 Diagnosis unit 16 Image generation unit 20 Storage unit 21 Measurement data 22 Diagnostic condition data 23 Operation period data 24 Approximate function data 25 Estimated data 26 Diagnostic result data 30 Input unit 40 Display unit 50 Communication unit 100 Diagnostic system

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Housings And Mounting Of Transformers (AREA)
  • Testing Electric Properties And Detecting Electric Faults (AREA)

Abstract

本発明は、変圧器の故障に繋がる現在の異常と将来の異常を診断することができる診断方法および診断システムを提供するものである。変圧器の異常を診断する診断方法は、変圧器の絶縁油中のガスの量を経時的に計測する工程と、変圧器の運転期間毎に、計測された油中ガスの量に基づいて回帰分析を行い、油中ガスの単位時間当たりの増加量を表す近似関数を求める工程と、変圧器の運転期間毎に、変圧器の絶縁油中のガスの量を、近似関数に基づいて推定されたガスの量と比較する工程と、を含む。変圧器の異常を診断する診断システム（１００）は、変圧器の運転期間毎に、経時的に計測された変圧器の絶縁油中のガスの量に基づいて回帰分析を行い、油中ガスの単位時間当たりの増加量を表す近似関数を求める回帰分析部（１３）と、変圧器の運転期間毎に、変圧器の絶縁油中のガスの量を、近似関数に基づいて推定された油中ガスの量と比較する診断部（１５）と、を備える。

Description

変圧器の診断方法および診断システム
　本発明は、変圧器の現在の異常や将来的な異常を診断する診断方法および診断システムに関する。
　電力系統の整備計画は、１０年以上先の電力需要や電源開発等の予測の下に行われている。しかし、近年では、温室効果ガスを排出しない再生可能エネルギ、例えば、太陽光、太陽熱、水力、風力、バイオマス、地熱等の利用が拡大している。また、社会の高齢化や労働人口の減少、情報化社会への移行も進んでいる。そのため、これらの動向に合わせて、電力系統の柔軟な整備が要求されるようになっている。
　再生可能エネルギの普及が進んだ場合、電力潮流の適正化がより重要になると予想される。火力発電や原子力発電に加え、風力発電、太陽光発電等が増設されると、特定の電力系統に電力潮流が集中して線路過負荷が生じる可能性がある。電力系統上の機器の状態によっては、電力系統を不安定化させる計画段階で想定していない事象が発生し得るため、機器の異常を事前に予測することが重要になっている。
　電力系統に備えられる変圧器には、油入式や、乾式（モールド式）がある。油入変圧器は、コイルを絶縁油に浸漬させた構造であり、乾式と比較して広く普及している。絶縁油としては、鉱油や植物油等が用いられている。耐電圧性が高い鉱油等を自然対流ないし強制循環させることにより、絶縁性能と冷却性能の両方を満たしている。
　従来、変圧器を保守管理する方法としては、時間計画保全（Ｔｉｍｅ　Ｂａｓｅｄ　Ｍａｉｎｔｅｎａｃｅ：ＴＢＭ）が、採用されている。変圧器の一般的な期待寿命は、３０年程度とされている。絶縁油や絶縁材が劣化すると、内部異常の特徴ガスを生じるため、年間に１回程度の油中ガス分析が、電力会社、鉄道会社、一般事業会社等で行われている。
　非特許文献１には、油入変圧器の保守管理に用いる指標として、絶縁油中で許容されるガスの基準値が記載されている。水素（Ｈ２）≧４００ｐｐｍ、メタン（ＣＨ４）≧１００ｐｐｍ、エタン（Ｃ２Ｈ６）≧１５０ｐｐｍ、エチレン（Ｃ２Ｈ４）≧１０ｐｐｍ、アセチレン（Ｃ２Ｈ２）≧０．５ｐｐｍ、一酸化炭素（ＣＯ）≧３００ｐｐｍ、可燃性ガス総量（ＴＣＧ）≧５００ｐｐｍ、のいずれか一つで「要注意Ｉ」、Ｃ２Ｈ２≧０．５ｐｐｍ、Ｃ２Ｈ４≧１０ｐｐｍ且つＴＣＧ≧５００ｐｐｍのいずれか一つで「要注意II」、Ｃ２Ｈ２≧５ｐｐｍ、Ｃ２Ｈ４≧１００ｐｐｍ且つＴＣＧ≧７００ｐｐｍ、Ｃ２Ｈ４≧１００ｐｐｍ且つＴＣＧ増加量≧７０ｐｐｍ／月のいずれか一つで「異常」と判定される旨が記載されている。
一般社団法人電気協同研究会、「電気協同研究」、第５４巻、第５号（その１）「油入変圧器の保守管理」
　従来の変圧器の保守管理の方法によると、ＴＢＭによる油中ガス分析を実施するため、絶縁油を採取した時点で絶縁油中に生成していたガスの量については知ることができる。そのため、絶縁油や絶縁材の現在の劣化の状態から、変圧器の現在の異常の有無を診断することができる。また、変圧器の平均的な運転寿命は知られているため、現在の劣化の状態から、その後に運転可能な余寿命についても予測することができる。
　しかし、従来の保守管理の方法では、変圧器に起こる将来的な異常を予測することができないという問題がある。変圧器の運転寿命は、絶縁油や絶縁材の経年劣化や、偶発的な異常等によって左右されるが、実際には、経年劣化で寿命が尽きる事例は少ない傾向である。
　変圧器の故障は異常が進展したときに起こり易いと考えられるため、電力系統を安定的に運用するためには、偶発的な故障に繋がる異常を事前に予測することが望まれる。偶発的な故障に繋がる異常を事前に予測することができれば、修理、点検等を実施することにより、故障による運転停止を未然に防ぐことが可能になる。しかし、偶発的な故障に繋がる現在の異常を把握する方法は知られているが、将来の異常を正確に把握する方法は従来知られていない。
　今後、再生可能エネルギの普及が進み、電力系統上の電源が多様化した場合、整備計画で想定していない瞬時負荷変動や高調波電流による故障が増加する可能性がある。従来の保守管理の方法では、ＴＢＭによる油中ガス分析を行うため、故障に繋がる異常が確認された場合であっても、変圧器を停止する措置等を速やか実行することが難しい。そのため、変圧器の故障に繋がる前兆現象としての現在の異常や将来の異常を正確に把握する手段が求められている。
　そこで、本発明は、変圧器の故障に繋がる現在の異常と将来の異常を診断することができる診断方法および診断システムを提供することを目的とする。
　すなわち、前記課題を解決するために本発明に係る診断方法は、変圧器の異常を診断する診断方法であって、変圧器の絶縁油中のガスの量を経時的に計測する工程と、変圧器の運転期間毎に、計測された前記油中ガスの量に基づいて回帰分析を行い、前記油中ガスの単位時間当たりの増加量を表す近似関数を求める工程と、変圧器の運転期間毎に、変圧器の絶縁油中のガスの量を、前記近似関数に基づいて推定された前記油中ガスの量と比較する工程と、を含む。
　また、本発明に係る診断システムは、変圧器の異常を診断する診断システムであって、変圧器の運転期間毎に、経時的に計測された変圧器の絶縁油中のガスの量に基づいて回帰分析を行い、前記ガスの単位時間当たりの増加量を表す近似関数を求める回帰分析部と、変圧器の運転期間毎に、変圧器の絶縁油中のガスの量を、前記近似関数に基づいて推定された前記油中ガスの量と比較する診断部と、を備える。
　本発明によると、変圧器の故障に繋がる現在の異常と将来の異常を診断することができる診断方法および診断システムを提供することができる。
本発明の第１実施形態に係る診断システムの構成を示す図である。 変圧器の絶縁油中のガスの量を経時的に計測した結果を示す図である。 変圧器の絶縁油中のガスの量を経時的に計測した結果を示す図である。 一般的な変圧器の故障率曲線を示す図である。 初期故障期の範囲で求められる近似関数を説明する図である。 偶発故障期の範囲で求められる近似関数を説明する図である。 摩耗故障期の範囲で求められる近似関数を説明する図である。 変圧器の異常を診断する処理の一例を示すフローチャートである。 本発明の第２実施形態に係る診断システムを示す図である。 本発明の第２実施形態に係る診断システムの構成を示す図である。 複数の変圧器で得られた計測データに基づく計測データベースの一例を示す図である。 複数の変圧器の異常を診断する処理の一例を示すフローチャートである。
　以下、本発明の一実施形態に係る診断方法および診断システムについて説明する。なお、以下の各図において、共通する構成については同一の符号を付して重複した説明を省略する。
　本実施形態に係る診断方法は、変圧器の異常を診断する方法に関する。変圧器の異常の診断には、変圧器に生じている現在の異常の診断、および、変圧器に生じる将来の異常の予測が含まれる。診断対象の変圧器は、油入変圧器であるが、絶縁媒体である絶縁油の種類、絶縁材の種類、変圧器の定格容量や定格電圧等は、特に限定されるものではない。
　変圧器の異常としては、絶縁媒体や絶縁材の交換が必要な事象、変圧器の運転の停止が必要な事象、これらの前兆現象等が挙げられる。変圧器の異常の具体例としては、絶縁媒体や絶縁材の絶縁性の低下ないし絶縁破壊、コイルの短絡や過熱、絶縁媒体の流動帯電現象の進行、部分放電の発生等が挙げられる。
　本実施形態に係る診断方法は、変圧器の絶縁油中のガスの量を経時的に計測する工程と、変圧器の運転期間毎に、計測された油中ガスの量に基づいて回帰分析を行い、ガスの単位時間当たりの増加量を表す近似関数を求める工程と、変圧器の運転期間毎に、変圧器の絶縁油中のガスの量を、近似関数に基づいて推定された油中ガスの量と比較する工程と、を含む。
　本実施形態に係る診断方法では、変圧器に封入されている絶縁油を対象として、経時的な油中ガス分析を実施して、絶縁油中のガスの量を経時的に計測する。そして、経時的に計測された計測結果を回帰分析し、変圧器に生じる異常の傾向を把握することにより、状態監視保全（Ｃｏｎｄｉｔｉｏｎ　Ｂａｓｅｄ　Ｍａｉｎｔｅｎａｎｃｅ：ＣＢＭ）様の保守管理を可能にする。
　油中ガス分析の計測結果からは、時間を独立変数、油中ガスの量を従属変数とした回帰分析を行うことにより、油中ガスの単位時間当たりの増加量（増加速度）を表す近似関数が求められる。近似関数は、絶縁媒体や絶縁材の経年劣化による影響や、繰り返し異常の蓄積による影響を反映しているといえる。近似関数からは、現在の油中ガスの量の測定値や、将来の油中ガスの量の予測値が、過去の経年劣化や過去の繰り返し異常と同様の傾向にあるか否かが分かる。
　そのため、変圧器の絶縁油中のガスの量の計測値が、近似関数から推定される現在の油中ガスの量の推定値から逸脱しているかどうかを判定することにより、現在における偶発的な異常の有無を診断することができる。また、近似関数から推定される将来の油中ガスの量の推定値が、変圧器の絶縁油中のガスの量として許容される上限値から逸脱しているかどうかを判定することにより、従来予測が困難であった将来の異常の可能性を診断することができる。
　変圧器の現在の異常を診断する場合、油中ガスの単位時間当たりの増加量を表す近似関数に、現在の変圧器の運転時間を代入して、現在の油中ガスの量の推定値を求める。そして、同一の運転時間に対応している変圧器の絶縁油中のガスの量の現在の計測値を、近似関数に基づいて推定された油中ガスの量の推定値と比較する。
　比較の結果、変圧器の絶縁油中のガスの量の計測値が、近似関数に基づいて推定された油中ガスの量の推定値に対して、予め設定されている所定値以上になったとき、当該変圧器に異常が生じている旨の判定を行うことができる。このような場合、変圧器の運用者に警告を表示、通知等して、絶縁油や絶縁材の交換や、変圧器の運転の停止を行う。一方、所定値未満になったとき、当該変圧器に異常が生じていない旨の判定を行うことができる。
　また、変圧器の将来の異常を診断する場合、油中ガスの単位時間当たりの増加量を表す近似関数に、将来の変圧器の運転時間を代入して、将来の油中ガスの量の推定値を求める。そして、近似関数に基づいて推定された油中ガスの量の推定値を、同一の運転時間に対応している変圧器の絶縁油中のガスの量の上限値と比較する。
　比較の結果、近似関数に基づいて推定された油中ガスの量の推定値が、変圧器の絶縁油中のガスの量の上限値に対して、予め設定されている所定値以上になったとき、当該変圧器に将来的に異常が生じる旨の判定を行うことができる。このような場合、変圧器の運用者に警告を表示、通知等して、変圧器の検査や、絶縁油や絶縁材の交換や、変圧器の運転の停止を行う。一方、所定値未満になったとき、当該変圧器に将来的に異常が生じる可能性が低い旨の判定を行うことができる。
　判定のために用いる所定値は、油中ガスの量の測定誤差や、油中ガスの量の自然変動を超える範囲において、油中ガスの種類に応じて、任意に設定することができる。所定値としては、近似関数に基づいて推定された油中ガスの量の推定値に対して２０％以上の値であることが好ましい。一般に、変圧器の装置誤差や測定誤差は、最大で約２０％あるといわれている。そのため、近似関数が示す油中ガスの量に対して２０％以上の値を設定すると、誤診断を抑制することができる。
　次に、本実施形態に係る診断方法を用いる診断システムについて、診断方法の詳細と共に、図を参照しながら説明する。
　図１は、本発明の第１実施形態に係る診断システムの構成を示す図である。
　図１に示すように、本実施形態に係る診断システム１００は、変圧器の異常を診断する処理を行う演算部１０と、診断の処理に用いるデータを格納する記憶部２０と、入力部３０と、表示部４０と、通信部５０と、を備えている。
　診断システム１００は、前記の診断方法を実行する機能を備えた装置であり、変圧器の現在の異常や将来の異常の診断に用いられる。診断対象である変圧器は、油入変圧器であり、診断システム１００から離れた電力系統上に設置されている。
　診断システム１００は、変圧器の絶縁油中のガスの量を表す一つの入力に対して、変圧器の異常の診断結果を出力するように構成される。診断システム１００は、変圧器の絶縁油中のガスの量を表す計測データを、計測値の読み取りにより手動で入力する構成とされてもよいし、ガスセンサから通信回線を介して入力する構成とされてもよい。
　診断システム１００とガスセンサを接続する回線は、有線通信回線および無線通信回線のいずれであってもよい。また、計測データを手動で入力する場合、計測データは、変圧器に取り付けたガスセンサで取得してもよいし、変圧器の絶縁油をサンプリングして分析装置等で取得してもよい。
　油中ガス分析の対象ガスとしては、メタン、アセチレン、エチレン、エタン、水素、一酸化炭素および二酸化炭素のうち、一種以上を分析することが好ましい。対象ガスとしては、メタン、水素および二酸化炭素のうち、一種以上を分析することがより好ましく、少なくとも水素を分析することが更に好ましい。
　これらのガスは、絶縁油や絶縁紙が異常放電や異常過熱で熱分解されたり、絶縁油や絶縁紙が経年劣化を起こしたりすると、絶縁油中における濃度が上昇する。メタン、アセチレン、エチレン、エタンおよび水素は、主に絶縁油の劣化に由来することが知られている。一酸化炭素および二酸化炭素は、主に絶縁材である絶縁紙やプレスボードの劣化に由来することが知られている。
　そのため、これらのガスの量を計測すると、絶縁油や絶縁材の現在の状態や、変圧器の内部で過去に生じた異常の程度が分かる。すなわち、現在の油中ガスの量から、変圧器に生じている現在の異常を診断することができる。また、現在までの油中ガスの単位時間当たりの増加量の傾向から、将来の状態を推定することができるため、変圧器に生じる将来の異常も診断することができる。
　図２および図３は、変圧器の絶縁油中のガスの量を経時的に計測した結果を示す図である。
　図２および図３には、絶縁媒体である鉱油と絶縁材である絶縁紙を用いた油入変圧器の油中ガス分析の結果を示している。図２および図３において、横軸は、変圧器の運転時間［年］、縦軸は、ガス量（濃度）［ｐｐｍ］を示す。
　図２の〇は、アセチレン（Ｃ２Ｈ２）の結果、△は、メタン（ＣＨ４）の結果、□は、エタン（Ｃ２Ｈ６）の結果、◇は、エチレン（Ｃ２Ｈ４）の結果である。図３の□は、二酸化炭素（ＣＯ２）の結果、◇は、一酸化炭素（ＣＯ）の結果、〇は、水素（Ｈ２）の結果である。
　図２および図３に示すように、変圧器の運転を続けると、変圧器の定格容量や定格電圧、絶縁媒体や絶縁材の種類、異常の原因の種類等に応じて、ガスの量が上昇する。ガスの量の上昇は、ガスの種類毎に起こり、上昇の程度も互いに異なる。但し、偶発的な異常は、経年劣化とは異なり、比較的急激な変化として起こるため、短時間でガスの量の大きな変化をもたらす。
　そのため、油中ガスの種類毎に油中ガスの単位時間当たりの増加量を表す近似関数を求めると、近似関数に基づいて推定された油中ガスの量の推定値との差によって、経年劣化以外の要因による異常を診断することができる。また、油中ガスの種類毎の比較の結果は、特徴的なパターンを示すため、異常の原因の種類を推定することができる。
　本実施形態に係る診断方法や診断システム１００において、油中ガスの単位時間当たりの増加量を表す近似関数は、変圧器の運転期間毎に求められる。回帰分析の対象範囲とする変圧器の運転期間としては、変圧器の故障率の時間変化の傾向に基づいて設定された期間、例えば、故障率曲線に基づいて設定された期間を用いることができる。
　図４は、一般的な変圧器の故障率曲線を示す図である。
　図４において、横軸は、変圧器の運転時間、縦軸は、変圧器の故障率［％］を示す。破線は、変圧器の設計や製造に原因がある初期故障の故障率、一点鎖線は、変圧器に偶発的に起こる偶発故障の故障率、二点鎖線は、摩耗等の経年劣化に原因がある摩耗故障の故障率を表す。実線は、これらを合わせた故障率曲線を表す。
　図４に示すように、一般的な変圧器が単位時間内に故障を起こす確率は、運転時間に依存した特徴的な傾向を示し、バスタブ状の故障率曲線で表されることが知られている。故障率曲線は、故障率の変化の傾向に応じて、３つの領域に分けることができる。故障率が経時的に減少する最初の期間は、初期故障期、故障率が定常である中間の期間は、偶発故障期、故障率が経時的に増加する最後の期間は、摩耗故障期と呼ばれる。
　図５は、初期故障期の範囲で求められる近似関数を説明する図である。図６は、偶発故障期の範囲で求められる近似関数を説明する図である。図７は、摩耗故障期の範囲で求められる近似関数を説明する図である。
　図５～図７において、横軸は、変圧器の運転時間［年］、縦軸は、油中ガス量（濃度）［ｐｐｍ］を示す。実線は、絶縁油中のガスの量を経時的に計測した結果であり、破線は、計測結果を回帰分析して得られる近似関数、すなわち、油中ガスの単位時間当たりの増加量を表す近似関数である。
　図５～図７に示すように、油中ガスの単位時間当たりの増加量を表す近似関数は、変圧器の運転期間毎に、線形回帰によって求めることができる。線形回帰による１次の近似関数は、Ｙ＝ａＸ＋ｂのように表される。係数ａ，ｂは、油中ガスの種類毎、且つ、変圧器の運転期間毎に求められる。このような近似関数を求める線形回帰の方法としては、例えば、最小二乗法を用いることができる。
　変圧器の初期故障期としては、変圧器の定格容量や定格電圧等にもよるが、変圧器の運転開始時から３年以上６年以内までの期間が挙げられる。初期故障期は、変圧器の故障率が経時的に減少する期間であり、油中ガスの単位時間当たりの増加量が比較的小さい傾向を示す。油中ガスの種類毎の油中ガスの量の差は、初期の脱気条件等にもよるが、通常、小さくなる。図５においては、運転時間５年までの期間を初期故障期としている。
　変圧器の偶発故障期としては、変圧器の定格容量や定格電圧等にもよるが、初期故障期の終了時から２０年以上３０年以内までの期間が挙げられる。偶発故障期は、変圧器の故障率が定常である期間であり、偶発的な異常に応じて、油中ガスの単位時間当たりの増加量が拡大し始める傾向を示す。図６においては、運転時間５～２５年までの期間を偶発故障期としている。
　変圧器の摩耗故障期としては、偶発故障期の終了時以後の期間が挙げられる。摩耗故障期は、変圧器の故障率が経時的に増加する期間であり、油中ガスの単位時間当たりの増加量が比較的大きい傾向を示す。油中ガスの種類毎の油中ガスの量の差は、経年劣化による影響や、異常の蓄積による影響に応じて、拡大する傾向を示す。図７においては、運転時間２５～３０年までの期間を摩耗故障期としている。
　回帰分析の対象範囲とする変圧器の運転期間として、このように区分けされた故障率曲線に基づいて設定された期間を用いると、変圧器の運転期間毎に、異常の原因が絞られた近似関数が得られる。偶発的な異常の診断を正確に行える近似関数が得られるため、変圧器の故障に繋がる現在の異常や、変圧器の故障に繋がる将来の異常を、より正確に診断することができる。
　図１に示すように、診断システム１００において、演算部１０、記憶部２０、入力部３０、表示部４０および通信部５０は、バスに接続されている。
　演算部１０は、データ取得部１１と、一次診断部１２と、回帰分析部１３と、推定部１４と、診断部１５と、画像生成部１６と、を備えている。これらの機能は、演算部１０が所定のプログラムを実行することにより具現化される。
　また、記憶部２０は、油中ガスの量の計測データ２１と、診断条件データ２２と、運転期間データ２３と、近似関数データ２４と、推定データ２５と、診断結果データ２６と、を格納する。診断条件データ２２および運転期間データ２３は、予め診断システム１００に入力される。
　演算部１０は、各種のデータやプログラムの読み取り、変圧器の異常の診断のためのプログラムの実行、演算等を行う。演算部１０は、例えば、ＣＰＵ（Central Processing Unit）等の演算装置や、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）等の記憶装置によって構成される。演算部１０は、ＩＣ、コンピュータ、演算用サーバ、クラウド等の適宜のハードウェアによって構成することができる。
　記憶部２０は、変圧器の異常の診断のための各種のデータやプログラムを格納する。記憶部２０は、例えば、ＲＯＭ、ハードディスク、フラッシュメモリ、磁気ディスク、光学ディスク等の記憶装置によって構成される。記憶部２０は、一つのハードウェアで構成されてもよいし、複数のハードウェアで構成されてもよい。記憶部２０の機能の一部または全部は、外部の記憶装置等によって実現されてもよい。
　入力部３０は、診断システム１００の操作者による入力を受け付ける装置である。入力部３０は、例えば、キーボード、マウス、タッチパネル等によって構成される。入力部３０は、不図示の入力インターフェイスを介して接続される。変圧器の絶縁油中のガスの量を表す計測データ２１を手動で入力する場合、計測データ２１の入力に入力部３０を用いることができる。
　表示部４０は、診断システム１００の操作情報、各種のデータの内容、診断状況、診断結果等を表示する装置である。表示部４０は、例えば、液晶ディスプレイ、有機ＥＬディスプレイ、ブラウン管等によって構成される。表示部４０は、不図示の出力インターフェイスを介して接続される。
　通信部５０は、通信インターフェイスを介して、各種のデータの送信および受信を行う。変圧器の絶縁油中のガスの量を表す計測データ２１をガスセンサから入力する場合、計測データ２１の入力に通信部５０を用いることができる。
　計測データ２１は、変圧器の絶縁油中のガスの量の計測値を表すデータであり、時間と関連付けられた油中ガスの種類毎の油中ガスの量、濃度等の情報を含む。計測データ２１は、診断対象の変圧器の定格容量や定格電圧毎、且つ、油中ガスの種類毎に、時系列のデータとして収集される。
　診断条件データ２２は、診断に用いる各種の条件を表すデータであり、診断する異常の時期、異常の診断に用いる油中ガスの種類、診断に用いる油中ガスの量の上限値、異常の診断の感度（判定に用いる閾値）等の情報を含む。診断する異常の時期としては、最新の計測データ２１に基づく現在の異常を診断するか、予め設定されている上限値との比較による将来の異常を診断するかを設定する。上限値としては、変圧器の保守管理上で許容される基準値、例えば、非特許文献１に記載されている「要注意Ｉ」の数値等を設定することができる。
　運転期間データ２３は、回帰分析の対象範囲とする変圧器の運転期間を表すデータであり、初期故障期、偶発故障期、摩耗故障期等の運転期間の始期および終期の情報を含む。回帰分析の対象範囲とする変圧器の運転期間は、診断対象の変圧器の定格容量や定格電圧毎に、故障率の時間変化の知見等に応じて、任意の期間を設定することができる。
　近似関数データ２４は、油中ガスの単位時間当たりの増加量を表すデータであり、回帰分析によって求められた近似関数の情報を含む。近似関数データ２４は、油中ガスの種類毎、且つ、変圧器の運転期間毎に、近似関数の係数等のデータとして求められる。
　推定データ２５は、近似関数に基づいて推定された変圧器の運転時間毎の油中ガスの量の推定値を表すデータであり、時間と関連付けられた油中ガスの種類毎の油中ガスの量、濃度等の情報を含む。推定データ２５は、診断する異常の時期を設定することにより、設定された時間を近似関数に代入して求められる。
　診断結果データ２６は、変圧器の異常の診断結果を表すデータであり、診断する異常の時期に対応した油中ガスの量の計測値が、近似関数に基づいて推定された油中ガスの量の推定値に対して所定値以上であるか否かや、近似関数に基づいて推定された油中ガスの量の推定値が、予め設定されている上限値に対して所定値以上であるか否かの情報を含む。診断結果データ２６は、例えば、油中ガスの量の計測値と推定値との差や、油中ガスの量の推定値と上限値との差として求められる。
　データ取得部１１は、診断システム１００に入力される計測データ２１を、油中ガスの種類毎に時系列のデータとして取得する。計測データ２１は、油中ガスの種類を区別する識別子と関連付けられ、記憶部２０や一次診断部１２に出力される。データ取得部１１は、計測データ２１の手動による入力やガスセンサからの入力のために、共通インターフェイスの機能を備えてもよい。
　一次診断部１２は、最新の計測データ２１と診断条件データ２２を読み出し、変圧器の運転期間毎に、油中ガス分析で計測された最新の油中ガスの量の計測値を、予め設定されている油中ガスの量の上限値と比較して一次診断を行う。一次診断の結果を表す診断結果データ２６は、記憶部２０や画像生成部１６に出力される。
　回帰分析部１３は、変圧器の運転期間が同一の範囲に属する計測データ２１と運転期間データ２３を読み出し、変圧器の運転期間毎に、油中ガス分析で計測された油中ガスの量に基づいて回帰分析を行う。近似関数データ２４は、記憶部２０や推定部１４に出力される。
　推定部１４は、計測データ２１や診断条件データ２２と近似関数データ２４を読み出し、油中ガスの単位時間当たりの増加量を表す近似関数から、診断する異常の時期に対応した油中ガスの量の推定値を求める。推定データ２５は、記憶部２０や比較部１５に出力される。
　診断部１５は、計測データ２１や診断条件データ２２と推定データ２５を読み出し、変圧器の運転期間毎に、変圧器の絶縁油中のガスの量を、近似関数に基づいて推定された油中ガスの量と比較する。診断の結果を表す診断結果データ２６は、記憶部２０や画像生成部１６に出力される。
　画像生成部１６は、診断結果データ２６に基づき、診断対象の変圧器に異常が生じている旨、または、診断対象の変圧器に将来的に異常が生じる旨の警告として、診断の結果を表す画像データを生成する。画像データは、出力部５０に出力される。画像データは、計測データ２１、診断条件データ２２、運転期間データ２３、近似関数データ２４、推定データ２５を表示の内容として含んでもよい。
　図８は、変圧器の異常を診断する処理の一例を示すフローチャートである。
　図８に示すように、診断システム１００では、予め設定されている油中ガスの量の上限値との比較による一次診断と、回帰分析による近似関数に基づいて推定された油中ガスの量の推定値との比較による二次診断との２段階の診断を行うことができる。二次診断としては、現在の異常の診断または将来の異常の診断を行うことができる。
　変圧器の異常の診断に際しては、はじめに、回帰分析の対象範囲とする変圧器の運転期間の設定と、診断条件の設定を行う。変圧器の運転期間としては、初期故障期、偶発故障期、摩耗故障期等の具体的な始期および終期を設定する。診断条件としては、診断する異常の時期、異常の診断に用いる油中ガスの種類、診断に用いる油中ガスの量の上限値、異常の診断の感度等を設定する。
　続いて、変圧器の絶縁油中のガスの量の計測データを取得する（ステップＳ１０１）。変圧器の絶縁油中のガスの量の計測は、ガスセンサによるサンプリング間隔毎、日毎、週毎、月毎、年毎等の適宜の時間間隔で行うことができる。計測された最新の計測データ２１は、予め設定されている油中ガスの量の上限値のデータと共に、一次診断部１２に入力される。
　続いて、診断対象の変圧器の絶縁油中のガスの量が、予め設定されている油中ガスの量の上限値以上である否かを判定する（ステップＳ１０２）。一次診断部１２は、最新の油中ガスの量の計測値と、予め設定されている上限値を、油中ガスの種類毎に比較する。
　判定の結果、変圧器の絶縁油中のガスの量が上限値以上であると（ステップＳ１０２；ＹＥＳ）、ステップＳ１０６に進み、変圧器に異常が生じている旨の警告を行う。一方、変圧器の絶縁油中のガスの量が上限値未満であると（ステップＳ１０２；ＮＯ）、ステップＳ１０３に進む。
　続いて、変圧器の運転期間毎に、変圧器の絶縁油中のガスの量の計測データに基づいて回帰分析を行い、油中ガスの単位時間当たりの増加量を表す近似関数を求める（ステップＳ１０３）。回帰分析部１３は、変圧器の運転期間が同一の範囲に属する計測データ２１に基づいて、最小二乗法による線形回帰等のフィッティングを行い、診断に用いる近似関数を更新する。
　続いて、油中ガスの単位時間当たりの増加量を表す近似関数に基づいて、変圧器の運転時間毎の油中ガスの量の推定値を求める（ステップＳ１０４）。
　現在の異常を診断する場合、推定部１４は、近似関数に現在の変圧器の運転時間を代入して、現在の油中ガスの量の推定値を求める。一方、将来の異常を診断する場合、推定部１４は、近似関数に将来の変圧器の運転時間を代入して、将来の油中ガスの量の推定値を求める。
　続いて、変圧器の絶縁油中のガスの量と、近似関数に基づいて推定された油中ガスの量の推定値とを比較し、変圧器の絶縁油中のガスの量が所定値以上であるか否かを判定する（ステップＳ１０５）。
　現在の異常を診断する場合、診断部１５は、変圧器の絶縁油中のガスの量の現在の計測値を、近似関数に基づいて推定された油中ガスの量の推定値と比較し、変圧器の絶縁油中のガスの量の現在の計測値が、近似関数に基づいて推定された油中ガスの量の推定値に対して所定値以上であるか否かを判定する。
　一方、将来の異常を診断する場合、診断部１５は、近似関数に基づいて推定された油中ガスの量の推定値を、変圧器の絶縁油中のガスの量の上限値と比較し、近似関数に基づいて推定された油中ガスの量の推定値が、変圧器の絶縁油中のガスの量の上限値に対して所定値以上であるか否かを判定する。
　判定の結果、変圧器の絶縁油中のガスの量が所定値未満であると（ステップＳ１０５；ＮＯ）、診断の処理を終了する。
　なお、油中ガスの量が所定値未満である場合、演算部１０は、診断対象の変圧器に異常が生じていない旨、または、診断対象の変圧器に将来的に異常が生じる可能性が低い旨等を示す画像を生成し、表示部４０に診断結果画像として表示してもよい。また、将来的に上限値以上となることが予測される変圧器の運転時間を求め、表示部４０に診断結果画像として表示してもよい。
　一方、判定の結果、変圧器の絶縁油中のガスの量が所定値以上であると（ステップＳ１０５；ＹＥＳ）、変圧器の異常の診断結果として、異常を警告する（ステップＳ１０６）。その後、診断の処理を終了する。
　現在の異常を診断した場合、画像生成部１６は、変圧器の異常の診断結果として、診断対象の変圧器に異常が生じている旨の診断結果画像を生成し、表示部４０に診断結果画像を表示して警告を行う。現在の異常を診断した結果を示す診断結果画像は、診断した変圧器の運転期間を示す画像や、異常を示した油中ガスの種類を示す画像や、近似関数に基づいて推定された油中ガスの量の推定値との差を示す画像等を含むことができる。
　一方、将来の異常を診断した場合、画像生成部１６は、変圧器の異常の診断結果として、診断対象の変圧器に将来的に異常が生じる旨の診断結果画像を生成し、表示部４０に診断結果画像を表示して警告を行う。将来の異常を診断した結果を示す診断結果画像は、診断した変圧器の運転期間を示す画像や、異常を示した油中ガスの種類を示す画像や、予め設定されている油中ガスの量の上限値との差を示す画像等を含むことができる。
　このような診断方法や診断システム１００によると、変圧器で計測された油中ガスの量に基づいて変圧器の運転期間毎に回帰分析を行い、変圧器の絶縁油中のガスの量を、運転期間毎に求められた近似関数に基づいて推定された油中ガスの量と比較するため、絶縁媒体や絶縁材の経年劣化や繰り返し異常の蓄積とは異なる偶発的な異常を、高精度に診断することができる。変圧器の故障は異常が蓄積したときに起こり易いため、変圧器の故障に繋がる前兆現象としての現在の異常と将来の異常を正確に把握することができる。近似関数は、油中ガスの種類毎に求められるため、種類毎の将来の油中ガスの量をパターンとして予測することが可能になり、将来の故障の原因の種類を推定することも可能になる。
　また、予め設定されている油中ガスの量の上限値との比較による一次診断と、回帰分析による近似関数に基づいて推定された油中ガスの量の推定値との比較による二次診断との２段階の診断を行うため、既に発生している明確な異常と、将来的に故障に繋がる偶発的な異常とを、個別に診断することができる。明確な異常が既に発生している場合、一次診断の段階で処理が終了し、回帰分析や推定値との比較が不要になるため、変圧器の異常の診断を速やかに行うことができる。
　なお、図８に示す処理では、一次診断と二次診断との２段階の診断を行っているが、一次診断を実行せず、二次診断のみを実行するように構成してもよい。また、診断に用いる油中ガスの量の上限値は、一次診断で用いる数値と、将来の異常を診断する場合の二次診断で用いる数値との間で、互いに同一であってもよいし、互いに異なっていてもよい。
　次に、本発明の別の実施形態に係る診断方法および診断システムについて説明する。
　図９は、本発明の第２実施形態に係る診断システムを示す図である。
　図９に示すように、本実施形態に係る診断システム２００は、複数の変圧器１毎に備えられる複数の端末１４０と通信回線を介して接続されており、複数の変圧器１の異常を監視して診断する診断サーバとして機能するように構成されている。
　複数の変圧器１は、互いに同じ電力系統上に設置されており、定格容量や定格電圧が互いに同等である油入変圧器同士で構成される。複数の変圧器１は、それぞれ、絶縁油中のガスの量を計測するガスセンサ１１０を備えている。各変圧器１の絶縁油中のガスの量は、ガスセンサ１１０により、オンラインで経時的に計測される。
　通信回線は、インターネット、ＬＡＮ（Local Area Network）、固定専用回線等で構成される。通信回線は、有線通信回線、無線通信回線、これらを組み合わせた回線のいずれであってもよい。
　端末１４０は、ガスセンサ１１０が計測した計測データを収集するアプリケーションと、診断システム２００との間でデータの送受信を行うための通信デバイスを搭載している。端末１４０は、ガスセンサ１１０によって経時的に計測された計測データを、変圧器１毎の識別子と関連付けて、所定の時間間隔で診断システム２００に送信する。
　なお、図９において、変圧器１および端末１４０は、それぞれ、２基が示されているが、変圧器１および端末１４０の基数は、特に限定されるものではない。端末１４０は、変圧器１毎に１基が備えられてもよいし、複数の変圧器１に対して１基が備えられてもよい。
　図１０は、本発明の第２実施形態に係る診断システムの構成を示す図である。
　図１０に示すように、本実施形態に係る診断システム２００は、前記の診断システム１００と同様に、変圧器の異常を診断する処理を行う演算部１０と、診断の処理に用いるデータを格納する記憶部２０と、入力部３０と、表示部４０と、通信部５０と、を備えている。
　診断システム２００が、前記の診断システム１００と異なる点は、変圧器の絶縁油中のガスの量の計測値を表す計測データ２１を複数の変圧器１から収集し、複数の変圧器１で得られた油中ガスの量の計測値に基づいて、油中ガスの単位時間当たりの増加量を表す近似関数を求め、診断対象の変圧器１の現在の異常または将来の異常を、複数の変圧器１に対して求めた近似関数を用いて診断する点である。
　診断システム２００において、演算部１０は、データ取得部１１１と、一次診断部１２と、回帰分析部１３１と、計算部１３２と、推定部１４と、診断部１５と、画像生成部１６と、を備えている。
　また、診断システム２００において、記憶部２０は、計測データベース２１１と、診断条件データ２２１と、運転期間データ２３と、近似関数データ２４と、推定データ２５と、診断結果データ２６と、を格納する。診断条件データ２２１および運転期間データ２３は、予め診断システム２００に入力される。
　診断システム２００は、変圧器の絶縁油中のガスの量を表す計測データ２１をガスセンサ１１０から入力する構成とされている。端末１４０は、ガスセンサ１１０が油中ガスの量を計測すると、変圧器１毎の識別子や油中ガスの種類を区別する識別子と関連付けられた計測データ２１を、通信回線を介して診断システム２００に送信する。
　図１１は、複数の変圧器で得られた計測データに基づく計測データベースの一例を示す図である。
　図１１に示すように、複数の変圧器１で得られた計測データ２１は、診断システム２００の記憶部２０に計測データベース２１１として格納される。計測データベース２１１は、電力系統上の変圧器を区別する変圧器名の情報や、変圧器毎、且つ、油中ガスの種類毎の絶縁油中のガスの量の計測値や、油中ガスの量を計測した日付・時刻の情報を含んでいる。
　診断条件データ２２１は、診断する異常の時期、異常の診断に用いる油中ガスの種類、診断に用いる油中ガスの量の上限値、異常の診断の感度等の情報に加え、診断対象の変圧器の選定のための情報を含む。複数の変圧器１のうち、診断対象の変圧器は、所定の順序による診断スケジュールにしたがって選定されてもよいし、運転時間の長さ等に基づく優先順位の設定にしたがって選定されてもよい。
　データ取得部１１１は、定格容量および定格電圧が互いに同等である複数の変圧器から通信回線を介して診断システム２００に入力される計測データ２１を、電力系統上の変圧器毎、且つ、油中ガスの種類毎に、時系列のデータとして取得する。計測データ２１は、電力系統上の変圧器を区別する識別子や、油中ガスの種類を区別する識別子と関連付けられ、計測データベース２１１として格納される。
　回帰分析部１３１は、計測データベース２１１中の変圧器の運転期間が同一の範囲に属する変圧器毎の計測データ２１と運転期間データ２３を読み出し、電力系統上の変圧器毎、且つ、変圧器の運転期間毎に、複数の変圧器で計測された油中ガスの量に基づいて回帰分析を行う。変圧器毎に求められた近似関数データ２４は、記憶部２０に出力される。
　計算部１３２は、電力系統上の変圧器毎に求められた近似関数データ２４を読み出し、電力系統上の変圧器毎に求められた複数の近似関数を、複数の変圧器同士の間で平均化する。平均化処理は、例えば、計測データ２１を計測した複数の変圧器を母集団として、近似関数の係数の相加平均を計算する処理として行うことができる。平均化された近似関数を表す近似関数データ２４は、記憶部２０に出力される。
　図１２は、複数の変圧器の異常を診断する処理の一例を示すフローチャートである。
　図１２に示すように、診断システム２００では、前記の診断システム１００と同様に、予め設定されている油中ガスの量の上限値との比較による一次診断と、回帰分析による近似関数に基づいて推定された油中ガスの量の推定値との比較による二次診断との２段階の診断を行うことができる。二次診断としては、現在の異常の診断または将来の異常の診断を行うことができる。
　診断システム２００では、前記の診断システム１００と同様に、変圧器の絶縁油中のガスの量の計測データを取得し（ステップＳ２０１）、異常を診断する診断対象の変圧器を選定し（ステップＳ２０２）、診断対象の変圧器の絶縁油中のガスの量が、予め設定されている油中ガスの量の上限値以上である否かを判定する（ステップＳ２０３）。
　判定の結果、変圧器の絶縁油中のガスの量が上限値以上であると（ステップＳ２０３；ＹＥＳ）、ステップＳ２０８に進み、変圧器に異常が生じている旨の警告を行う。一方、変圧器の絶縁油中のガスの量が上限値未満であると（ステップＳ２０３；ＮＯ）、ステップＳ２０４に進む。
　続いて、変圧器毎、且つ、変圧器の運転期間毎に、変圧器の絶縁油中のガスの量の計測データに基づいて回帰分析を行い、油中ガスの単位時間当たりの増加量を表す変圧器毎の近似関数を求める（ステップＳ２０４）。回帰分析部１３１は、変圧器の運転期間が同一の範囲に属する変圧器毎の計測データ２１に基づいて、最小二乗法による線形回帰等のフィッティングを行い、複数の近似関数を作成する。
　続いて、変圧器毎、且つ、変圧器の運転期間毎に求められた複数の近似関数を変圧器同士の間で平均化する（ステップＳ２０５）。計算部１３２は、近似関数の係数の相加平均を計算することにより、電力系統上の変圧器毎に作成された複数の近似関数から、平均化された一つの近似関数を求める。
　続いて、前記の診断システム１００と同様に、油中ガスの単位時間当たりの増加量を表す近似関数に基づいて、変圧器の運転時間毎の油中ガスの量の推定値を求め（ステップＳ２０６）、変圧器の絶縁油中のガスの量と、近似関数に基づいて推定された油中ガスの量の推定値とを比較し、変圧器の絶縁油中のガスの量が所定値以上であるか否かを判定する（ステップＳ２０７）。
　判定の結果、変圧器の絶縁油中のガスの量が所定値未満であると（ステップＳ２０７；ＮＯ）、ステップＳ２０９に進む。一方、判定の結果、変圧器の絶縁油中のガスの量が所定値以上であると（ステップＳ２０７；ＹＥＳ）、変圧器の異常の診断結果として、異常を警告する（ステップＳ２０８）。画像生成部１６は、変圧器毎の異常の診断結果として、診断対象の変圧器に異常が生じている旨や診断対象の変圧器に将来的に異常が生じる旨の診断結果画像を生成し、表示部４０に診断結果画像を表示して警告を行う。
　続いて、診断対象の全ての診断が終了したか否かを判定する（ステップＳ２０９）。診断対象の診断が終了したか否かは、電力系統上の複数の変圧器毎にログデータを記録して管理することができる。
　判定の結果、診断対象の全ての診断が終了していないと（ステップＳ２０８；ＮＯ）、ステップＳ２０１に戻る。その後、診断対象を切り替え、診断の処理を繰り返す。一方、診断対象の全ての診断が終了していると（ステップＳ２０８；ＹＥＳ）、診断の処理を終了する。
　このような診断方法や診断システム２００によると、定格容量および定格電圧が互いに同等である複数の変圧器で計測された油中ガスの量に基づいて変圧器の運転期間毎に回帰分析を行い、変圧器の絶縁油中のガスの量を、運転期間毎に求められた近似関数に基づいて推定された油中ガスの量と比較するため、共通の電力潮流の下で偶発的に生じる異常を高精度に診断することができる。同じ電力系統内で生じた過去の経年劣化の傾向や、過去の繰り返し異常の傾向が、複数の変圧器に対する回帰分析によって加味されることになる。
　また、変圧器毎に求められた近似関数を変圧器同士の間で平均化するため、電力系統上で得られた全計測データの範囲で回帰分析する場合とは異なり、診断に用いる近似関数を、変圧器毎に逐次得ることができる。絶縁油中のガスの量の計測が難しい場合や、変圧器毎の運転時間が一致していない場合等であっても、全体としての診断を効率的に行うことができる。
　なお、診断システム２００において、近似関数は、同じ電力系統上に設置されている全部の変圧器１の計測データ２１から求めてもよいし、一部の変圧器１の計測データ２１から求めてもよい。診断対象の変圧器１は、回帰分析の対象として含まれてもよいし、回帰分析の対象として含まれなくてもよい。
　すなわち、診断システム２００は、回帰分析部１３１が、複数の変圧器１のうち、一部または全部の変圧器で計測された油中ガスの量に基づいて一つの近似関数を求め、診断部１５が、変圧器の運転期間毎に、近似関数を求めた変圧器で計測された油中ガスの量を、近似関数に基づいて推定された油中ガスの量と比較するように構成することができる。
　このような構成によると、回帰分析に用いられる計測データ２１が多くなるため、診断対象の変圧器の異常をより高精度に診断することができる。特に、偶発的な異常を検知する精度が向上するため、異常の蓄積により起こる可能性がある突発的な故障の予測に有利である。
　或いは、診断システム２００は、回帰分析部１３１が、複数の変圧器１のうち、一部の変圧器で計測された油中ガスの量に基づいて一つの近似関数を求め、診断部１５が、変圧器の運転期間毎に、近似関数を求めていない残部の変圧器で計測された油中ガスの量を、近似関数に基づいて推定された油中ガスの量と比較するように構成することもできる。
　このような構成によると、診断対象の変圧器において、油中ガスの量が計測されていない場合であっても、他の変圧器で計測された油中ガスの量に基づいて近似関数が求められる。そのため、絶縁油中のガスの量の計測が難しい場合や、変圧器の運転時間が一致していない場合等であっても、診断対象の変圧器の現在の異常や将来の異常を診断することができる。
　以上、本発明の実施形態について説明したが、本発明は前記の実施形態に限定されるものではなく、技術的範囲を逸脱しない限り、様々な変形例が含まれる。例えば、前記の実施形態は、必ずしも説明した全ての構成を備えるものに限定されない。また、或る実施形態の構成の一部を他の構成に置き換えたり、或る実施形態の構成に他の構成を加えたりすることが可能である。また、或る実施形態の構成の一部について、他の構成の追加、構成の削除、構成の置換をすることも可能である。
　例えば、前記の診断方法、診断システム１００，２００においては、油中ガスの種類毎に近似関数を求め、近似関数から所定値以上はずれた特異点を推定値として、ガスの種類毎の診断を行っているが、複数の油中ガスの種類について比較を行い、所定値以上はずれた油中ガスの種類をランク集計して変圧器毎の診断を行ってもよい。また、油中ガスの種類に応じた多変量解析を組み合わせてもよい。多変量解析としては、複数の油中ガスの種類について、各計測データを多次元空間上にクラスタリングし、クラスタのパターンに対する数学的距離から異常を診断する方法が挙げられる。
　また、前記の診断システム１００，２００は、変圧器の異常を診断した場合に、異常を警告するように構成されているが、異常の警告と共に、または、異常の警告に代えて、異常が診断された変圧器の運転を停止する制御を行うように構成してもよい。異常の警告としては、診断結果画像に代えて、音声による警告を行ってもよい。
１０　　演算部
１１　　データ取得部
１２　　一次診断部
１３　　回帰分析部
１４　　推定部
１５　　診断部
１６　　画像生成部
２０　　記憶部
２１　　計測データ
２２　　診断条件データ
２３　　運転期間データ
２４　　近似関数データ
２５　　推定データ
２６　　診断結果データ
３０　　入力部
４０　　表示部
５０　　通信部
１００　診断システム

Claims (15)

  1. 　変圧器の異常を診断する診断方法であって、
    　変圧器の絶縁油中のガスの量を経時的に計測する工程と、
    　変圧器の運転期間毎に、計測された前記油中ガスの量に基づいて回帰分析を行い、前記油中ガスの単位時間当たりの増加量を表す近似関数を求める工程と、
    　変圧器の運転期間毎に、変圧器の絶縁油中のガスの量を、前記近似関数に基づいて推定された前記油中ガスの量と比較する工程と、を含む診断方法。
  2. 　請求項１に記載の診断方法であって、
    　変圧器の絶縁油中のガスの量の計測値が、前記近似関数に基づいて推定された前記油中ガスの量の推定値に対して所定値以上であるとき、当該変圧器に異常が生じている旨の判定を行う診断方法。
  3. 　請求項１に記載の診断方法であって、
    　近似関数に基づいて推定された前記油中ガスの量の推定値が、変圧器の絶縁油中のガスの量の予め設定されている上限値に対して所定値以上であるとき、当該変圧器に将来的に異常が生じる旨の判定を行う診断方法。
  4. 　請求項２または請求項３に記載の診断方法であって、
    　前記所定値は、前記推定値に対して２０％以上の値である診断方法。
  5. 　請求項１に記載の診断方法であって、
    　前記変圧器の運転期間は、前記変圧器の故障率曲線に基づいて設定された期間である診断方法。
  6. 　請求項５に記載の診断方法であって、
    　前記変圧器の運転期間は、前記変圧器の故障率が経時的に減少する初期故障期、前記変圧器の故障率が定常である偶発故障期、および、前記変圧器の故障率が経時的に増加する摩耗故障期のうち、いずれかとして設定された期間である診断方法。
  7. 　請求項６に記載の診断方法であって、
    　前記初期故障期は、前記変圧器の運転開始時から３年以上６年以内までの期間であり、
    　前記偶発故障期は、前記初期故障期の終了時から２０年以上３０年以内までの期間であり、
    　前記摩耗故障期は、前記偶発故障期の終了時以後の期間である診断方法。
  8. 　請求項１に記載の診断方法であって、
    　前記ガスは、メタン、アセチレン、エチレン、エタン、水素、一酸化炭素および二酸化炭素のうち、一種以上である診断方法。
  9. 　請求項１に記載の診断方法であって、
    　前記ガスの量を経時的に計測する工程を、定格容量および定格電圧が互いに同等である複数の変圧器について行い、
    　前記近似関数を求める工程を、前記複数の変圧器のうち、一部の変圧器について行い、
    　変圧器の運転期間毎に、前記近似関数を求めていない前記変圧器で計測された前記油中ガスの量を、別の変圧器で求められた近似関数に基づいて推定された前記油中ガスの量と比較する診断方法。
  10. 　請求項１に記載の診断方法であって、
    　前記ガスの量を経時的に計測する工程を、定格容量および定格電圧が互いに同等である複数の変圧器について行い、
    　前記近似関数を求める工程を、前記複数の変圧器のうち、全部または一部の変圧器について行い、
    　前記近似関数を前記変圧器同士の間で平均化し、
    　変圧器の運転期間毎に、変圧器の絶縁油中のガスの量を、平均化された前記近似関数に基づいて推定された前記油中ガスの量と比較する診断方法。
  11. 　変圧器の異常を診断する診断システムであって、
    　変圧器の運転期間毎に、経時的に計測された変圧器の絶縁油中のガスの量に基づいて回帰分析を行い、前記油中ガスの単位時間当たりの増加量を表す近似関数を求める回帰分析部と、
    　変圧器の運転期間毎に、変圧器の絶縁油中のガスの量を、前記近似関数に基づいて推定された前記油中ガスの量と比較する診断部と、を備える診断システム。
  12. 　請求項１１に記載の診断システムであって、
    　変圧器の絶縁油中の前記ガスの量の計測値が、前記近似関数に基づいて推定された前記油中ガスの量の推定値に対して所定値以上であるとき、当該変圧器に異常が生じている旨の警告を表示する診断システム。
  13. 　請求項１１に記載の診断システムであって、
    　近似関数に基づいて推定された前記油中ガスの量の推定値が、変圧器の絶縁油中のガスの量の予め設定されている上限値に対して所定値以上であるとき、当該変圧器に将来的に異常が生じる旨の警告を表示する診断システム。
  14. 　請求項１１に記載の診断システムであって、
    　前記変圧器の運転期間は、前記変圧器の故障率曲線に基づいて設定された期間であり、
    　前記期間の始期および終期のデータを記憶した記憶部を備える診断システム。
  15. 　変圧器の異常を診断する診断システムであって、
    　定格容量および定格電圧が互いに同等である複数の変圧器から、経時的に計測された変圧器の絶縁油中のガスの量の計測データを取得するデータ取得部と、
    　変圧器毎、且つ、変圧器の運転期間毎に、経時的に計測された変圧器の絶縁油中のガスの量に基づいて回帰分析を行い、前記油中ガスの単位時間当たりの増加量を表す近似関数を求める回帰分析部と、
    　前記近似関数を前記変圧器同士の間で平均化する計算部と、
    　変圧器毎、且つ、変圧器の運転期間毎に、変圧器の絶縁油中のガスの量を、平均化された前記近似関数に基づいて推定された前記油中ガスの量と比較する診断部と、を備える診断システム。
PCT/JP2021/017926 2020-07-01 2021-05-11 変圧器の診断方法および診断システム WO2022004139A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2020-113879 2020-07-01
JP2020113879A JP7405707B2 (ja) 2020-07-01 2020-07-01 変圧器の診断方法および診断システム

Publications (1)

Publication Number Publication Date
WO2022004139A1 true WO2022004139A1 (ja) 2022-01-06

Family

ID=79315190

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/017926 WO2022004139A1 (ja) 2020-07-01 2021-05-11 変圧器の診断方法および診断システム

Country Status (2)

Country Link
JP (1) JP7405707B2 (ja)
WO (1) WO2022004139A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114545294A (zh) * 2022-01-14 2022-05-27 国电南瑞科技股份有限公司 一种变压器故障诊断方法、系统、存储介质及计算设备

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0452567A (ja) * 1990-06-20 1992-02-20 Yuka Ind:Kk 油入電気機器内部の異常を迅速に診断する方法およびそれに用いる診断図
JPH0540114A (ja) * 1991-08-08 1993-02-19 Osaka Gas Co Ltd 油の劣化原因推定方法
JPH0636941A (ja) * 1992-07-15 1994-02-10 Osaka Gas Co Ltd 油入変圧器の異常予測システム
JPH0687448B2 (ja) * 1987-05-22 1994-11-02 株式会社日立製作所 油入電気機器の異常診断装置
JP2004200348A (ja) * 2002-12-18 2004-07-15 Tokyo Electric Power Co Inc:The 油中ガス分析による油入変圧器の診断方法
JP2007317836A (ja) * 2006-05-25 2007-12-06 Tokyo Electric Power Co Inc:The 油入変圧器の診断方法
JP2009224578A (ja) * 2008-03-17 2009-10-01 Toshiba Corp 油入電気機器の劣化診断方法
JP2009266988A (ja) * 2008-04-24 2009-11-12 Sumitomo Metal Ind Ltd 油入電気機器の内部異常の診断方法
JP2010256208A (ja) * 2009-04-27 2010-11-11 Tokyo Electric Power Co Inc:The 電気機器中絶縁油に対する経年劣化診断方法
JP2011185880A (ja) * 2010-03-10 2011-09-22 Fuji Electric Co Ltd 信頼度評価装置、信頼度評価プログラムおよび信頼度評価方法
WO2012029154A1 (ja) * 2010-09-02 2012-03-08 株式会社かんでんエンジニアリング 油中ガス濃度を用いた油入電気機器の内部異常診断方法、内部異常診断システム及び内部異常診断のための決定木作成方法
JP2013045860A (ja) * 2011-08-24 2013-03-04 Nippon Steel & Sumitomo Metal 油入電気機器の内部異常の診断方法
CN104764869A (zh) * 2014-12-11 2015-07-08 国家电网公司 一种基于多维特征量的变压器气体故障诊断和报警方法
CN109030791A (zh) * 2018-09-07 2018-12-18 广西电网有限责任公司电力科学研究院 一种基于帝国殖民竞争算法的优化svm变压器故障诊断方法

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0687448B2 (ja) * 1987-05-22 1994-11-02 株式会社日立製作所 油入電気機器の異常診断装置
JPH0452567A (ja) * 1990-06-20 1992-02-20 Yuka Ind:Kk 油入電気機器内部の異常を迅速に診断する方法およびそれに用いる診断図
JPH0540114A (ja) * 1991-08-08 1993-02-19 Osaka Gas Co Ltd 油の劣化原因推定方法
JPH0636941A (ja) * 1992-07-15 1994-02-10 Osaka Gas Co Ltd 油入変圧器の異常予測システム
JP2004200348A (ja) * 2002-12-18 2004-07-15 Tokyo Electric Power Co Inc:The 油中ガス分析による油入変圧器の診断方法
JP2007317836A (ja) * 2006-05-25 2007-12-06 Tokyo Electric Power Co Inc:The 油入変圧器の診断方法
JP2009224578A (ja) * 2008-03-17 2009-10-01 Toshiba Corp 油入電気機器の劣化診断方法
JP2009266988A (ja) * 2008-04-24 2009-11-12 Sumitomo Metal Ind Ltd 油入電気機器の内部異常の診断方法
JP2010256208A (ja) * 2009-04-27 2010-11-11 Tokyo Electric Power Co Inc:The 電気機器中絶縁油に対する経年劣化診断方法
JP2011185880A (ja) * 2010-03-10 2011-09-22 Fuji Electric Co Ltd 信頼度評価装置、信頼度評価プログラムおよび信頼度評価方法
WO2012029154A1 (ja) * 2010-09-02 2012-03-08 株式会社かんでんエンジニアリング 油中ガス濃度を用いた油入電気機器の内部異常診断方法、内部異常診断システム及び内部異常診断のための決定木作成方法
JP2013045860A (ja) * 2011-08-24 2013-03-04 Nippon Steel & Sumitomo Metal 油入電気機器の内部異常の診断方法
CN104764869A (zh) * 2014-12-11 2015-07-08 国家电网公司 一种基于多维特征量的变压器气体故障诊断和报警方法
CN109030791A (zh) * 2018-09-07 2018-12-18 广西电网有限责任公司电力科学研究院 一种基于帝国殖民竞争算法的优化svm变压器故障诊断方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114545294A (zh) * 2022-01-14 2022-05-27 国电南瑞科技股份有限公司 一种变压器故障诊断方法、系统、存储介质及计算设备
CN114545294B (zh) * 2022-01-14 2023-06-16 国电南瑞科技股份有限公司 一种变压器故障诊断方法、系统、存储介质及计算设备

Also Published As

Publication number Publication date
JP2022012217A (ja) 2022-01-17
JP7405707B2 (ja) 2023-12-26

Similar Documents

Publication Publication Date Title
US6446027B1 (en) Intelligent analysis system and method for fluid-filled electrical equipment
JP5431324B2 (ja) 変成器の分解ガス高調波回帰解析方法およびシステム
EP2735011B1 (en) Method and system for estimating transformer remaining life
US10001518B2 (en) System and method for power transmission and distribution asset condition prediction and diagnosis
Catterson et al. Online conditional anomaly detection in multivariate data for transformer monitoring
BR112013026307B1 (pt) Sistema de avaliação dinâmico para monitorar componentes elétricos de alta tensão e método para avaliar pelo menos um componente elétrico de alta tensão
EP1085635A2 (en) Fluid-filled electrical equipment intelligent analysis system and method
Feng et al. Evaluation of power transformers' effective hot-spot factors by thermal modeling of scrapped units
CA2981036A1 (en) Method and system for assessment of fault severity, risk exposure, and gassing status for liquid-filled high-voltage apparatus
WO2022004139A1 (ja) 変圧器の診断方法および診断システム
JP2018113737A (ja) 柱上変圧器の寿命推定装置
Bhalla et al. Transformer incipient fault diagnosis based on DGA using fuzzy logic
JP5562287B2 (ja) 受配電機器の余寿命診断方法および余寿命診断装置
KR102309979B1 (ko) 전력설비의 자산관리 방법
CN116990621B (zh) 电力安全工器具故障动态监测系统
CN115864310A (zh) 一种多参量融合电力变压器缺陷辨识、状态分级与主动安全保护方法
CN117074824B (zh) 一种变压器保护系统的检验系统及方法
Pickster Determination of probability of failure of power transformers using statistical analysis
CN117849494B (zh) 小电流映射大电流的变压器快速温升预测方法及装置
Sutton et al. Life Cycle Cost Comparison of Three Online Dissolved Gas Analyzers
KR20230077369A (ko) 변압기 유중가스분석의 진단주기 산출장치 및 방법
BR102020008829A2 (pt) Metodologia de avaliação da condição de transformadores de potência, reatores, disjuntores, transformadores de instrumentos, chaves seccionadoras e equipamentos de alta tensão congêneres
CN118585775A (zh) 基于数字孪生的接地网腐蚀状态评估方法、装置
MXPA01001695A (en) Method and system of intelligent analysis for electrical
MXPA01001693A (en) Method and system of intelligent analysis for electrical

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21832378

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21832378

Country of ref document: EP

Kind code of ref document: A1