公司新聞

變壓器診斷的油色譜分析法

電力變壓器是電力係統的樞紐設備,在變電站中,主變壓器能否安全可靠運行,直接關係到電網的安全運行。要使主變壓器安全運行,提高供電可靠率,除了應選用技術過硬、產品質量好的變壓器以外,關鍵是要不斷提高主變壓器的運行、維護、檢修水平。而故障診斷技術則為此提供了一種有效的手段。

2 變壓器常見故障分析

1)導電回路過熱故障

主要有引線接觸不佳(包括將軍帽接線裝置過熱)、線圈導線接頭焊接質量差以及虛焊、過負荷運行等都會引起導電回路局部過熱。

2)絕緣水平下降www.tgdq18.com

主要有變壓器進水受潮(包括將軍帽密封不佳進水)、變壓器油油質不佳(如介損偏大、有微生物、含水量高等),變壓器內部局部過熱也會造成絕緣損壞以及絕緣材料的熱解。變壓器所用的電氣材料包括絕緣材料、導體(金屬)材料兩大類。變壓器的絕緣材料主要是絕緣油和紙,故障下產生的氣體也主要來源於油和紙的熱裂解。絕緣油是由烷烴、環烷烴、芳香烴等碳氫化合物組成的混合物。絕緣紙的成分是纖維素,主要是由糖或多糖類構成的高分子碳水化合物。絕緣油熱分解時,因分子鏈的斷裂反應產生低分子烴類氣體。絕緣油大約在300℃左右就開始熱分解,但如果延長加熱時間或存在某些催化劑時,則在150 200℃也會產生熱分解。絕緣紙熱分解時,因分子鏈反應將產生二氧化碳、一氧化碳及少量低分子烴類氣體。絕緣紙的熱解溫度也是300 ℃左右,但如果長時間加熱,120150℃也會裂解而產生碳酸氣。其他絕緣物的熱分解物大體和絕緣油相似,但各有特點。金屬材料在絕緣物的熱分解過程中會起到催化作用,當有水分存在時,還會產生氫氣。

3)產氣故障

常見的產氣故障有過熱和放電兩種類型。放電故障可分為局部放電和其他形式的放電故障兩種類型。過熱故障的主要原因有:①導體故障;②磁路故障;③接點或連接不佳。熱點溫度的高低、產氣組分的相對濃度特征有所不同,熱點與局部放電,電弧放電時的產氣組分濃度特征也不相同,祥見表1。

4)調壓開關故障

調壓開關主觸頭沒有到位,調壓開關抽頭引線鬆動,調壓開關觸頭燒毛,調壓開關觸頭接觸壓力不夠,還有有載調壓開關中的切換開關接觸不佳,切換開關觸頭燒毛,過渡電阻斷線、調壓時滑檔等,另外還有滲油,即切換開關中油滲到本體中引起本體油色譜異常等。

5)變壓器繞組變形

由於運輸過程中不注意或沒有采取安全措施使繞組發生移位。由於抗短路能力差,當發生出口短路時變壓器繞組發生變形或散架,嚴重時造成變壓器燒毀。

6)變壓器滲油缺陷(包括冷卻器滲油)。

7)電容套管故障

主要是進水受潮、油介損不好或整體介損不好,製造質量比較差內部存在著嚴重的局部放電(運行中油色譜異常),運行中末屏接地不佳等造成套管絕緣不佳或絕緣損壞事故發生等。

以上變壓器的常見故障有多種測試和監測手段,這些手段有的能夠測試出部分故障,有的可以綜合判斷運行狀態及故障點、故障原因。

3 變壓器運行狀態的主要測試與監測手段

1)直流電阻的測量

直流電阻雖然是一個測試方法比較簡單的實驗,但它能比較直觀地確認繞組、引線、調壓開關等導電回路是否正常。它能發現繞組導線的焊接質量,引線接頭是否擰緊接觸是否良好,調壓開關觸頭接觸是否良好等。

2)油色譜分析

通過油色譜分析可以判斷變壓器內部是否存在著過熱性故障(導電回路、鐵芯多點接地引起過熱等)嚴重的局部放電、電弧放電故障等,它是一個綜合性判斷變壓器運行狀態的重要手段之一。

3)絕緣性能測試 通過絕緣電阻、吸收比、極化指數、介損、電容量(包括電容套管)、泄露測試等實驗可掌握變壓器的繞組絕緣水平和鐵芯對地絕緣。通過油介損、微水、油簡化測試可反映絕緣介質的好壞。

4)遠紅外測溫 通過紅外線測溫可以隨時掌握各出線引線接觸是否良好。

5)有載調壓開關特性測試

通過有載調壓開關切換時間、周期、切換的波形測量可以掌握變壓器的有載調壓開關的性能是否良好。

6)繞組變形測試和低電壓短路阻抗的測試

可以掌握變壓器出口短路後變壓器繞組有否變形和移位。以上方法各有特點,其中油色譜分析是一種綜合的判斷方法。據統計[4],我國電網中有50%以上的故障變壓器是通過該試驗結果檢出的。由於這一檢測技術能夠在無須停電的情況下進行,不受外界電場和磁場因素的影響,因此可以在線對變壓器內部絕緣狀況進行診斷,有利於狀態維修的發展。

油色譜分析可以在變壓器運行中隨時取樣分析,也可以采用在線監測的油色譜裝置(也是有源的)**分析。這種方法從運行的角度看應該是一種比較理想的主要監測分析方法。

4 基於油色譜分析方法的變壓器故障診斷技術

用油色譜分析法分析油中溶解物來診斷變壓器內部故障,有以下幾種方法。

1)油色譜分析的現狀

變壓器運行時出現內部故障原因往往不是單一的,一般存在熱點的同時還有局部放電,而且故障是在不斷發展和轉化的。在判斷設備有無故障及其嚴重程度時,要根據設備運行的曆史記錄和設備特點以及外部環境等因素進行綜合判斷。故障產氣與正常產氣在技術上是不可分離的。經驗表明,當懷疑設備固體材料老化時,一般CO2/CO大於7;當懷疑故障涉及到固體絕緣材料時,CO2/CO可能小於3;當懷疑紙或紙板過度老化時,應適當測試油中糠醛含量,或測試紙樣聚合度。在線檢測可隨時檢測油中溶解氣體含量,對保證主網安全運行有重大意義。但在線監測儀出現報警時,必須由實驗室色譜儀分析其組份和質量分數,再做進一步判斷。有載調壓操作產生氣體與低能量放電相符,當主油箱C2H2/H2大於2 3,可能是有載調壓汙染主油箱,可利用比較主油箱、有載調壓油箱和儲油罐油中溶解氣體分析來確定,或通過油柱靜壓試驗法和氣體試漏法來檢漏。對變壓器故障部位的準確判斷,有賴於對其內部結構和運行狀態的**掌握,並結合曆年色譜數據和其他試驗(直阻、絕緣、變比、泄漏、空載等)進行比較,色譜分析與判斷的技術應借鑒新方法並結合使用。Borsi分析了變壓器油中產生的氣體和故障間的關係。

2)基於專家係統的故障診斷方法

人工智能的出現為變壓器故障診斷提供了良好的新途徑。判斷故障類型、故障點、故障狀況需要大量的經驗,而專家係統正好適合解決這類問題。該領域*早使用的專家係統是RieseTOGA係統。國內也有根據油色譜分析和電氣試驗作為主要檢測數據來源的一套電力變壓器故障診斷專家係統。這方麵還有很多采用正反向混合推理的研究及應用係統實例。但是,專家係統所采用的判斷規則和專家庫中經驗的準確度卻成為專家係統的“瓶頸”。即專家庫需要不斷地修正和擴充。徐文等將模糊數學理論和專家係統相結合,形成模糊推理知識庫,應用於變壓器故障診斷。

3)基於神經網絡的故障診斷方法

神經網絡係統具有自組織、自學習的能力,它不包含具體的診斷規則,而是將診斷規則隱含於權值矩陣中,通過對故障樣本的自學習來自動修正和擴充對故障的判斷能力。目前,變壓器故障診斷中使用*多的是BP神經網絡。Zhang等認為具有單隱層的神經網絡分類效果*優,它具有*小運算量,同時完全滿足故障現象和故障原因之間的非線性映射。但是BP神經網絡容易收斂到局部*優解,為了解決這個問題,已提出了幾種結合其他方法的學習算法。其中有結合遺傳算法的多層前饋網絡[10],其進行網絡訓練的初始權值是全解空間中的*優解。而另一種在學習算法中加入隨機擾動的方法也取得了較好的效果。

4)其他的故障診斷方法

基於油色譜分析進行故障診斷,還有很多其他方法。李天雲將灰色故障診斷方法[21]運用到變壓器的油色譜分析上,利用灰色關聯度分析來診斷,其實質是比較時間函數的幾何形狀的接近程度。它是根據一組典型的由變壓器各種運行狀態的油色譜分析求得標準狀態模式(故障特征向量矩陣),然後對待檢的運行狀態與標準狀態模式進行數學分析—灰關聯度分析。宋斌等提出了將模糊聚類分析應用於變壓器故障診斷。

5 結 語

目前變壓器的故障診斷正逐步進入預報維修的新階段,但真正做到這一步還有很多難點和重點需要解決。首先是三比值法中的乙炔含量,傳統的注意值是否完全滿足要求?還是一經產生乙炔就應考慮到氫氣的增長來判斷故障是否產生。而且傳統的三比值法僅僅是通過和注意值比較來判斷,經驗的比重較大,因此可以考慮采用主元分析法建模。其次,采用優化的BP神經網絡做數據分析有兩個難點:一是學習算法的優化;二是輸入特征參量的選擇。對於輸入特征參量的選擇,采用氣體含量比值的方法應是一種較好的方法。比值應有:C2H2/C2H4,CH4/H2,C2H4/C2H6,CO/CO2,C2H2/H2增量,C2H2/(CO2+ CO)。*後,故障類型確定後,應進一步估計故障源溫度、功率與麵積大小以及故障發展趨勢、故障點定位等,這些都是需要進一步研究的課題。

滬公網安備 31011402005121號