基于信息融合的变压器内部故障诊断方法

张继锋边小东

摘要：本文在针对信息融合的变压器内部故障进行分析的时候，首先对变压器故障诊断中的信息进行分类研究，根据这一分类，对其故障进行诊断。其次，对信息融合进行进行简单阐述，将其如何科学合理的应用到变压器内部故障诊断中进行详细分析和研究。

关键词：信息融合；变压器；内部故障；诊断方法

随着电网用电负荷迅猛增长，原有电网常常由于长期投资不足，设备陈旧，其电能质量及供电可靠性满足不了日益增长的用户电力需求。电力系统中的设备会经常重载甚至过载运行，包括很多主设备都难以满足电网安全运行标准的要求，严重的话会导致电网安全裕度大幅降低、停电风险加大，给电力系统的安全稳定运行和持续可靠供电带来严重隐患。作为电网中的核心设备，电力变压器的运行健康状态对整体电力系统运行起着至关重要的作用。因此，国内外都对变压器状态评估及故障诊断方法进行了大量的研究，旨在降低变压器故障发生率，提高电网运行的可靠性。

1.变压器故障诊断中的信息分类

在变压器故障诊断过程中，可以利用的变压器信息很多，下面对这些信息进行简要的归类。

（1）溶解在变压器油中的特征气体的含量及其产气速率：利用各种（低分子）烃类气体在变压器油中单位体积的含量及产生的速率来探测变压器内部故障情况，并通过油色谱分析法（三比值法、四比值法、特征气体法）初步分析变压器故障。变压器故障气体产生的主要原因包括：电弧、局部过热、局部放电、火花放电等。

（2）微水分析法：通过检测变压器油中的含水量，不仅可以防止变压器油绝缘强度降低至危险水平，还可以对变压器整体绝缘状况进行评估。油中微水含量的离线检测方法主要包括库仑法、色谱法等。近年来，高分子薄膜电容传感器常用于变压器油中微水含量的在线连续监测中[1]。

（3）温度监测法：主要测变压器中的油温和绕组热点温度，反映的是变压器的安全热效应。

（4）直流电阻以及绕组电阻的测量：测量绕组直流电阻，可方便而有效地考核绕组纵绝缘和电流回路连接状况，能够反映绕组匝间短路、绕组断股、分接开关及导线接头接触不良等故障。也是判断各相绕组直流电阻是否平衡、调压开关挡位是否正确的有效手段。单纯依靠绝缘电阻绝对值的大小对绕组绝缘作出判断，其有效性很低。因此，必须结合吸收比或极化指数、介损和泄漏电流试验，才有助于对其作出较可靠的绝缘诊断。

（5）其他：变压器的电气特性，如电压、电流等，甚至变压器的工作噪声也能提供有效信息。

上面几种信息是根据变压器状态信息的物理特征来划分的，对其中每一种诊断信息还可以更细地往下分类。对这些信息再作进一步的处理之后还可形成描述信息（声音异常）、逻辑型信息（油温：高1，低0）、定量型信息（电阻大小、气体含量）等类型。这些信息从不同侧面、不同程度和不同层次上反映了变压器运行情况的好坏，如果能够充分加以利用，就可提高诊断的精度和可靠性[2]。

2.信息融合技术

信息融合是将来自不同信息源的信息进行处理，信息集成是将各级信息融合过程进行合成。两个过程的最终目的都是通过对多传感器（多源）信息的协同利用，以产生对被测对象或过程的最佳估计。多传感器信息融合的优点突出地表现在信息的冗余性、容错性、互补性、实时性和低成本性。系统的信息融合相对于信息表征的层次可以分为以下3类。

（1）数据层融合：匹配的传感器数据直接融合，而后对融合的数据进行特征提取和状态（属性）说明。实现数据层融合的传感器必须是相同的或匹配的，在原始数据上实现关联，且保证同一目标或状态的数据进行融合，传感器的原始数据融合后，识别的处理等价于对单传感器信息的处理。最简单、最直观的数据层融合方法是算术平均法和加权平均法。

（2）特征层融合：就是特征层联合识别，它实际上是模式识别问题。多传感器系统为识别提供比单传感器更多的有关目标（状态）的特征信息，增大了特征空间维数。具体的融合方法仍是模式识别的相应技术，只是在融合前，融合系统首先对传感器数据进行预处理以完成特征提取及数据配准，即通过传感器信息变换，把各传感器输入数据变换成统一的数据表达形式（即具有相同的数据结构）；在数据配准后，还必须对特征进行关联处理，对目标（状态）进行的融合识别，就是基于关联后的联合特征矢量。具体实现技术包括参量模板法、特征压缩和聚类分析、人工神经网络及基于知识的技术等[3]。

（3）决策层融合：不同类型的传感器监测同一个目标或状态，每个传感器各自完成变换和处理，其中包括预处理、特征提取、识别或判决，以建立对所监测目标或状态的初步结论。而后通过关联处理、决策层融合判决，最终获得联合推断结果。所采用的主要方法有Bayesian推断、Dempster-shafer证据理论、模糊集理论、专家系统等。

多传感器信息融合技术的故障诊断过程是根据从对象的某些检测量得到的故障特征（故障模式），经过信息融合分析处理，判断是否存在故障及查找故障源的过程。

3.基于特征层与决策层数据融合的故障诊断

特征层融合需要检测层的融合结果，同时需要有关诊断对象描述的诊断知识的融合结果。诊断知识的来源既包括先验的各种知识.也包括通过数据挖掘系统得到的有关对象运行的新的知识。当故障发生时，往往不能确定故障发生的个数，无法判定观测数据是由真实故障还是由噪声、干扰等产生的。这些不确定因素破坏了观测数据与故障源之间的关系，需要进行特征层的信息融合，也就是故障诊断。

决策层融合的信息来源是特征层的数据融合结果和对策知识融合的结果，根据决策层数据融合的结果，可以采取相应故障状态下的对策[4]。

特征层和决策层的信息融合在该系统当中是基于同一套专家系统和数据挖掘模块运作的；同时，给出故障诊断结果和提出相应的故障对策是它们的共同目的，因此，将其合为一层进行设计。

4.故障诊断的信息融合过程描述

故障诊断的信息融合具体过程如下：①对来自于传感器的特征量进行有效性分析，排除坏数据对诊断过程的不利影响；②对特征数据进行标准化处理，形成统一的特征表述，以便数据匹配和特征关联的一致性，保证信息融合的成功；③利用基于故障机理内在因素的专家系统，采用匹配知识规则，引入模糊推理，从而得到特征信息与变压器故障信息间的关联性质，完成故障的初步诊断；④通过人机接口，由操作人员提供环境信息，并对诊断结果进行校正与核实；⑤诊断过程完成且经过实践验证后，该典型案例又是宝贵的经验，需存入数据库，通过必要的数据挖掘为以后的决策融合做必要的准备。

5.结束语

在针对变压器故障诊断问题进行详细分析和研究的时候，将信息融合技术科学合理的应用其中，与实际情况进行有效结合。这样不仅能够制定出科学合理的诊断模型，而且还能够有利于提高信息融合技术在针对变压器内部故障诊断时的可靠性和准确性。

参考文献：

[1]徐阳，谢天喜，周志成，陆云才，李建生，曹健，蒋超.基于多维度信息融合的实用型变压器故障诊断专家系统[J].中国电力，2017，50（01）：85-91.

[2]周媛，丛林，李春霞，王延波.基于智能信息融合的变压器故障诊断[J].煤矿机械，2016，37（08）：152-153.

[3]李志斌，李启本.基于信息融合技术的变压器多层次故障诊断[J].电测与仪表，2014，51（16）：37-40+45.

[4]张成军，阴妍，鲍久圣，纪洋洋.多源信息融合故障诊断方法研究进展[J].河北科技大学学报，2014，35（03）：213-221.