变压器故障的种类多种多样,按故障发生的部位可分为外部故障和内部故障;按故障发生的过程可分为突发性故障和长年累月逐步扩展而形成的故障,这些故障可能相互影响、转化,使故障更趋严重。
变压器故障分析和诊断的方法很多,主要有直观检查方法、电气预防性试验方法、油中溶解气体分析法(DGOA)、专家系统(TFDES)及人工神经网络法(TFDANN)、智能型系统法(TFDAI)几种。
其原因可能是过负荷运行、环境温度超过40℃、冷却系统故障、漏油引起油量不足等。
其原因可能是电压过高或频率波动,紧固件松动,铁芯紧固不良,分接开关动作机构异常,偏磁现象等,外部接地不良或未接地的金属部分出现静放电,瓷件、套管表面粘附污秽引起局部火花、电晕等。
其原因可能是套管接线端子不良或接触面氧化使触头过热产生异味和变色,漏磁通、涡流使油箱局部过热,风扇、潜油泵过热烧毁产生的异味,过负荷造成温升过高,外部电晕、闪络产生的臭氧味,干燥剂受潮变色等等。
其原因可能是阀门、密封圈部位焊接不好或密封不良漏油,油位计损坏漏油,以及内部故障引起喷油。
其原因可能是内部局部放电,铁芯不正常,导电部分过热。
其原因可能如瓦斯、差动等继电器动作,一般为内部故障。
其原因可能是过电压或机械力引起。
几乎所有的故障一开始都是经直观检查发现的,它是发现故障的最开始和必经的步骤。但要进一步分析原因,必须利用有效的检测手段来诊断。
试验项目次序基本上是按照项目的重要性排列的。在总共32个试验项目中,有些是在变压器解体后才能进行的,有些是与其它项目同时进行或附带进行的,有些是变压器投运前或投运后的例行检查、试验项目,有些项目在特殊情况下进行,而交流耐压试验是一种破坏性试验,对试验变压器的要求很高,现场条件一般很难满足,所以是变压器绝缘水平的一种考核项目。
有资料表明,同一电压等级、同样容量、同一规格的变压器,其绝缘电阻值有时会相差比较大,这并不能说明这些变压器绝缘水平有差距,而往往是因为变压器绝缘结构的设计、绝缘材料选用的不同所致。但是,对于铁芯、夹件、穿心螺栓等部件,测量绝缘电阻往往能反映故障、说明问题。
这主要是因为这些部件的绝缘结构比较简单、绝缘介质单一,正常情况下基本上不承受电压,绝缘更多的是起“隔爆”作用,而不象绕组绝缘要承受高电压。
实践表明,对于电容性设备,如电容型套管、电容式电压互感器、耦合器电容器等,测量tanδ和电容量Cx(实际上是根据Cx的变化量ΔCx进行判断)仍然是故障诊断的有效手段。不仅如此,tanδ和电容量Cx已经从离线测量发展到了在线监测阶段。
绝缘油试验、油中含水量、油中含气量以及油中糠醛含量测量都属于油试验或油化验的范畴。而作为一种故障诊断方法,油试验似乎没有得到应有的重视。造成这种状况的原因之一在现场,在实际工作中,有时会发生这样的事情:对同一台设备取油样,高压试验班的结果与油化验班的结果有较大出入。
实例:
对110kV少油断路器做泄漏电流,试验时发现:泄漏电流值超标,初步判断绝缘拉杆受潮。而这时,油化验的结果也显示,油中含水量超标。最后的检查结果是,断路器顶部将军帽有砂眼,下雨时进水。油化验的结果有一定分散性,这种分散性来源于取样、送检、化验全过程。其实,油中溶解气体分析也有类似的问题,例如分析CO2的含量时,要防止油中特征气体的逸出、回溶、外界气体的侵入。因为空气中本来就含有约0.3%的CO2。
总的说来,油化验在变压器故障诊断中还是有较大价值的。比如:糠醛含量的大小能够反映绝缘的老化程度;绝缘油的耐压试验能说明油质的好坏等等。
导致绕组变形的原因主要有:
①绕组绝缘和机械结构强度先天不足,绕制工艺粗糙,承受正常容许的短路电流冲击能力差;
②变压器出口短路,出口短路形成的巨大的短路冲击电流产生的电动力使绕组扭曲、变形。变压器绕组变形检测正成为一个研究热点,同时也是一项必须突破的故障诊断技术。根据资料介绍,可以采用频谱法等来检测变压器绕组变形,但目前还没有形成相应的判断标准和规范。
在现有的条件下,对变压器绕组严重变形故障的诊断可以通过变压器空载试验、短路试验及阻抗测量实现。当绕组发生变形时,变压器内部的磁路结构发生变化,空载电流及损耗、短路损耗及阻抗会发生一定的变化,通过横向相间比较、纵向历史数据比较,有可能判断。
通过油中溶解气体分析试验发现:任何一种特定的烃类气体的产生速率随温度变化,在特定的温度下,有某一种气体的产气率会出现最大值;随着温度升高,产气率最大的气体依次为CH4、C2H6、C2H4、C2H2。
过热、电晕和电弧是导致油浸纸绝缘中故障特征气体产生的主要原因,这些故障特征气体主要有:H2、CO、CO2 、CH4 、C2H2、C2H6、 C2H4、O2和N2。总烃是指CH4、C2H2、C2H6、 C2H4这4种气体的总量。
由于分接开关接触不良,铁芯多点接地和局部短路,导线过电流发热和接头不良等变压器内部裸金属过热引起油裂解的特征气体,主要是CH4、C2H4,其次是C2H6。
变压器内部发生各种性质的故障都要产生H2,当H2含量偏高时,可能是变压器中进水.变压器主要的绝缘材料是绝缘油、绝缘纸和板等,在运行中将逐渐老化。绝缘油分解产生的主要气体是氢、烃类气体,而绝缘纸等固体材料分解产生的主要气体是CO和CO2。
变压器发生低温过热性故障,因温度不高,往往油的分解不剧烈,因此烃类气体的含量并不高。而CO、CO2含量变化较大,故而用CO和CO2的含量判断变压器固体绝缘老化状况。
基于油中溶解气体类型与内部故障性质的对应关系,提出了多种以油中特征气体为依据的判断设备故障的方法。
油中溶解气体分析方法是充油电气设备内部故障早期诊断的有效方法,这不仅为IEEE所认可,而且被实践所证实。对于电气设备中充油量最大的电力变压器,油中溶解气体分析自然是非常有效的故障诊断方法。
故障点产生烃类气体与故障源的能量密度之间有密切的关系
故障性质 | 特征气体的特点 |
一般过热性故障 | 总烃较高,C2H2<5×10-6 |
严重过热性故障 | 总烃较高,C2H2>5×10-6,但未构成总烃主要成分,H2含量较高 |
局部放电 | 总烃不高,H2>100×10-6,CH4占烃中的主要成分 |
火花放电 | 总烃不高,C2H2>10×10-6,H2含量较高 |
电弧放电 | 总烃高,C2H2高,H2含量高 |
故障性质特征气体的特点一般过热性故障总烃较高,C2H2<5×10-6严重过热性故障总烃较高,C2H2>5×10-6,但未构成总烃主要成分,H2含量较高局部放电总烃不高,H2>100×10-6,CH4占烃中的主要成分火花放电总烃不高,C2H2>10×10-6,H2含量较高电弧放电总烃高。
三比值法在变压器故障诊断中发挥了重要作用,但是该方法在应用中存在以下几个问题:
(1)只有根据各组分含量的注意值或产气速率的注意值有理由判断可能存在故障时,才能进一步用三比值法判断故障性质。换言之,当油中特征气体含量或产气速率未达到注意值时,不宜应用三比值法进行判断;
(2)在实际诊断过程中,有时会出现编码缺损的情况,即根据编码规则和分类方法得到的编码超出了已知的编码列表,因而无法确定故障性质;
(3)当多种故障同时发生时,三比值法难以区分。针对特征气体法中的语义表达、三比值法中的编码缺损等问题,已经有人在这方面做了不少工作。
此外,随着判断方法的改进,人们发现,变压器油中的溶解气体CO和CO2能够反映一定的故障,一些气体的产气速率也能反映故障的发展情况,并且部分比较成熟的内容已经被列入相关的规程和导则中。
尽管油中溶解气体分析方法在变压器故障诊断中暴露出来一些缺陷和不足,但是这些不足和缺陷正在逐步解决和克服,其中的内容不断得到修补和扩充。
(1)TFDES的知识库结构
变压器故障诊断专家系统(TFDES)由变压器故障诊断的知识库、数据库、解释机制、推理机和人机接口5部分组成。知识库是专家系统的核心,本系统的知识库建成模块化结构。
TFDES着重围绕气体色谱分析,根据油中溶解气体色谱分析的数据,采用三比值法和特征气体法对变压器运行状况进行初步分析,判断变压器是正常、正常老化、局部放电,还是过热故障。同时结合外部检查、绝缘油特性试验、绝缘油预防性检查等检测手段建立知识库。
(2)充分利用了TURBO—PROLOG语言的特点,实现目标驱动的反向推理,并引入了模糊逻辑,成功地处理了某些模糊问题。
(3)本系统的数据库由气体分析与绝缘预防数据库和动态数据库两部分组成。前者可将各种气体数据和绝缘预防数据作为历史资料存档,以便用户随时查询、管理。最后 得出的结论,不但根据当前的输入数据,而且还综合历史变化的趋势进行纵向分析,以及对有关试验数据进行横向分析。
(1)TFDANN的结构
TFDANN的实质就是用来模拟人脑的信息处理功能,它具有自组织、自学习的能力,能映射高度非线性的输入、输出关系。
TFDANN工作过程由学习期和工作期两个阶段组成。
TFDANN采用神经网络的模块化结构,其各模块样本训练是独立进行的。
其中BP1是特征气体法模块,输入特征元素X1~X6分别为H2、CH4、C2H2、C2H4、C2H6、CO等6种气体在TCG中的含量,其输出Y1~Y4分别对应变压器故障诊断正常、过热、电晕、电弧4种情况。
其中BP2为三比值法模块,其中X7~X9分别为C2H2/C2H4、CH4/H2、C2H4/C2H6的比值数据特征元素,输出Y5~Y12分别对应变压器的故障性质。
BP4为变压器外部检查模块,输入特征元素X16~X20分别为变压器运行的油温、油位、各种噪声等数据,其输出Y16、Y17对应变压器外部及内部是否异常。
TFDANN主模块根据各分模块输出的结果进行归纳,最后输出TFDANN诊断结论。
(2)TFDANN的特点
①采用反向传播BP网络,具有良好的模式分类能力,引入模糊逻辑理论,较好地处理了一些数据不确定性问题。
②将网络的输入/输出分别与故障征状和故障性质相对应,建立了神经网络的模块化结构。它不但极大地简化了样本训练的过程,使用户输入信息量大为减少,同时,网络的节点、隐层节点和激活函数趋向简单,加快了诊断速度,有利于软件的更新和维护。
人工智能(AI)是一门新兴的边缘科学,它已引起了许多学者的重视,并具有越来越重要的实用意义。
智能型系统TFDAI采用的是TFDES和TFDANN“局部结合”的途径,两者既保持了原有的各自结构,相互之间又处于密切的联系,并将各自的困难问题转化成另一种方法去解决。
智能型系统中TFDANN是完成变压器故障诊断工作的核心环节,逻辑推理部分I和II具有独立的专家系统推理机制和逻辑判断功能。
(1)诊断速度快。由于系统采用了模块化结构,既体现了并行处理的特点,又具有逻辑推理功能。
(2)训练时间减少,由于采用了分层网络结构,使TFDANN样本总的训练时间相应减少。
(3)适应性强、正确率高、维护方便是本系统的最大优点。
(4)TFDES和TFDANN的结合是完成模拟人类智能思维的必然道路。