电力系统故障诊断

故障诊断

当前变电站在使用电力设备传统的故障诊断技术，这种传统的故障诊断技术完全不适应现在电力设备监测的需要。而当前信号处理技术、神经网络法和专家故障诊断系统的应用仍然是故障诊断研究的热点。

1 电力设备故障诊断技术的发展现状

我国在故障诊断技术方面的研究起步较晚，初级阶段是了解设备诊断技术的重要性，设备故障诊断技术的相关理论研究比较多，以快速傅里叶变换、谱分析、信号处理等技术为基础，以电力设备故障诊断为主要目标。高级阶段以现代化管理的需要为前提，出现了诊断技术迅速发展的局面，以模式识别、智能化专家故障检测系统及其计算为基础，全方位开展了设备的故障诊断研究，从实际生产应用上形成了具有我国特点的故障诊断理论，研究出了世界水平的电力设备状态监测与故障诊断系统。

2 电力设备故障诊断在电力事业发展中的重要性

由于电力系统规模的不断扩大，电力设备故障发生率逐步增加，对电力设备的可靠性及技术水平要求也日益提高，特别是变电站无人值班的逐渐推广，对电力故障检测系统的要求也越来越高。

3 电力设备故障诊断的发展对策

（1） 利用神经网络法对电力设备故障

进行诊断神经网络具备高度神经计算能力和极强的自适应性、鲁容性、容棒性和容错性。用神经网络处理问题只需要进行简单的非线性函数的数次复合，不需要建立任何物理模型和人工干预，具有自组织、自学习能力，能映射高度非线性的输入输出关系，重新观察现象之后判断输出。神经网络法在故障诊断中得到高度重视和广泛应用，它在处理不确定性问题时具有独特的优势。

（2）采用专家系统进行电力设备故障诊断

专家系统(ExpertSys tem)是人工智能中最成功和最有效的一个系统，它是模拟人脑专家的思维决策过程，系统内存储着大量领域知识和丰富经验，对客户提出的问题进行推理和判断，能解决只有专家系统才能解决的故障问题。

电力设备故障诊断专家系统用电力设备的故障现象、油中色谱分析结果及电气试验结果作为故障信息，采用三比值法、特征气体法、故障现象、电气试验结果单独或综合诊断电力变压器故障，利用专家系统进行电力设备故障诊断，能对电力设备的各种试验数据作全方面的比较，采用专家系统的知识库及专家权威经验综合分析，得出电力设备故障诊断结论。然而在电力事业发展中，已有大量数学模型和数值算法，专家系统的应用越来越受到重视。

（3）综合不同故障诊断方法的优点形成特有的一种电力设备故障诊断方案

神经网络方法比传统的故障诊断方法在背景噪声统计特性不清楚的情况下，这种方法性能会比较好，准确率更高；然而神经网络故障诊断方法也存在着固有的缺点，比如对数据的依赖性会较大，而专家系统有时泛化能力不好等。

一种有效地诊断电力设备故障方法，应该以电力设备电气试验数据、常规检查项目和运行检修记录作为分析的数据源，在此前提上，研究电力设备能否正常运行，从而为电力设备的状态监测提供依据和基础。对电力设备而言，应尽可能的进行故障诊断测试。解气体分析、电气试验、微水分析在内的多种项目，最重要先调用气体含量和产气速率模块，判断有无故障及其发展趋势；然后根据传统的改进三比值法初步诊断故障类型；再调用神经网络诊断模块判断故障性质；同时利用专家系统推理模块判断故障；最后调用信息融合模块进行分析判断。在专家系统中，除了判断故障类型之外，还要判断故障可能的部位和检修方法，输入相应的电气试验项目。

综合不同故障诊断方法的优点能够充分利用多传感器的各种信息综合处理设备故障。充分利用多个信息源，把多个信息源在空间或时间上的冗余或互补信息按照某种准则进行组合，以获得对被测对象的一致性解释或描述，使得到的结果判断更加可靠，数据显示更加准确，通过不同故障诊断方法的信息融合提高了故障诊断的准确性，决策的可信度会大幅度提高。

4 结论

电力设备故障诊断是一个复杂的非线性问题，而且缺乏一个准确的数学公式来进行概述，在电力设备故障诊断中，一个故障类型对应几个现象，而一个现象对应几个故障，因此在电力设备故障信息部完整和不准确的前提下，有效地实现电力设备故障诊断以及如何提高故障诊断的准确率是下一步研究的重点。