电力设备故障诊断问题研究

摘要：电力设备给我国居民的生活带来了极大的方便，同时其在故障方面的问题也日益显露，因此，如何有效解决好电力设备故障诊断的问题，已经成为我国学者共同关注的一大课题，笔者认为要做好电力设备故障诊断工作，前提就是要确保故障诊断的准确率，因此，笔者于本文中，首先从探究电力设备故障诊断的发展现状入手，然后分析电力设备故障检测对于变电站综合自动化的重要性，最后再讨论合适的电力设备故障诊断建议。

关键词：电力设备；故障诊断；建议

中图分类号：V351.31 文献标识码：A文章编号：

一、引言

鉴于当前变电站在利用电力设备传统的故障诊断技术的现状，传统的故障诊断技术已经满足不了电力设备检测的需要。但是，就目前研究现状而言，专家故障诊断系统、神经网络发和信号处理技术在我国的故障诊断研究中依然相当热门。

二、电力设备故障诊断技术的发展

我国对于故障诊断技术的相关研究起步算是比较晚，最当初的阶段就是对设备诊断技术重要性进行较浅层面的理解，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。而后发展到的高级阶段，该阶段是以现代化管理的需要作为发展前提，同时伴随着诊断技术发展迅速的局面，以模式识别、智能化专家故障检测系统及其计算为基础，全面加强了对设备故障诊断的有关研究，并且出于实际生产应用的基础上，逐步形成了在具有我国特色的故障诊断理论，研究出了世界水平的电力设备状态监测与故障诊断系统。

在20世纪90年代，发达国家中的电力研究所早早就着手于对变电站电力设备故障诊断技术的研究，在20多年的不断努力和发展下，发达国家在变电站性能检测和诊断的技术和发展比起绝大部分发展中国家都要先进。就拿英国来说，英国的电力公司在1990年就已经开始了开展了变电站故障诊断的工作，并且于1995年研发了一个相对比较大型的变电站故障诊断系统，随后的1997年开进行了对变电站SIS系统的研究，并于2003年将SIS 系统成功地应用于大型电站故障监测诊断系统中。

三、电力设备故障诊断技术对电力事业发展的作用

随着我国电力系统规模的逐渐扩大，电力设备发生故障的几率也逐渐在增加，同时对于电力设备的技术和可靠性的要求也相应地有所增加，尤其是变电站无人值班得到逐渐推广后，社会对于电力故障检测系统的要求也随之有所提高。

目前，我国已经有相当一部分变电站都已经建立了在线监测系统，而且也有一部分变电站也实现了无人值守，但是我国变电站中的电力设备存在种类相对繁多，加上结构比较复杂，一旦发生故障，就会对工作人员的工作增加不少压力。所以，不论是常规的变电站还是无人值守的变电站，对于其监控系统中，都应该为之增加一个在线监测和故障诊断专家系统来作为加强手段，进一步强化监控的功能。而要想根本地实现无人值守，就应当将在线监测和故障诊断的内容增加至电力设备中去。

四、电力设备故障诊断技术的发展建议

（一）通过专家系统对电力设备进行故障诊断

专家系统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通过利用电力设备的油中色谱分析结果、电气试验结果以及故障现象等作为发生故障的信息，并且采用三比值法、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，电力设备通过专家系统进行故障诊断，有利于电力设备的各种试验经验数据都能得到全方位的比较，通过与专家系统中的数据库和相关专家权威的经验结合来分析，综合考虑各方面的因素，探究电力设备故障诊断发生的原因。

但是，从目前我国电力事业的发展进程看来，已经涉及到了相当多的数学模型和数值算法，专家系统也越来越受到了人们的重视。根据国际大电网会议对20个国家的调查，截止到2009 年5 月，电力系统已经有100个专家系统，当中监视、控制类型的专家系统占 65%，而故障诊断类的专家系统又占其中的 25%。

（二）结合不同故障诊断方法的优点

企业首先必须清楚地意识到，一套高效、有特色的电力设备故障诊断措施必然是综合了不同故障诊断方法的各个优点而形成的。神经网络方法相比于传统的故障诊断方法而言，其优点在背景噪声统计特性不清楚的情况下就会显示出其优越性，准确率比传统的方法要相对高些；但是，就神经网络故障诊断方法而言，自身也存在不少缺陷，常见的问题有系统对于数据的依赖性相对较大。对于一种行之有效的诊断电力设备故障方法而言，必然就是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，基于此，对电力设备的工作能够正常进行的问题，就成为了向检测电力设备状态的依据和基础。针对电力设备的现状，笔者认为应该尽可能地对设备进行诊断测试。其中涉及到解气体分析、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。另外，在专家系统中，除了要求要准确判断出设备故障所属的类型之外，还要注意发生故障可能的部位和检修方法，并输入与之相对应的电气试验项目。

通过将不同故障诊断方法进行综合考虑，便于通过利用多传感器的各种类型的信息来解决设备故障的问题。使不同的信息源得到充分的利用，并且把不同信息源在空间上和时间上存在重复的信息根据某种法则来进行重新组合，以获得对被测对象的一致性解释或描述，从而增加了判断结果的可靠性，数据的信息更加全面和精确，利用不同种类的故障诊断方法将信息进行不同程度的融合，对于诊断决策也有一定的促进作用。

（三）通过神经网络法加强对电力设备故障的诊断

神经网络具有一系列的优点，常见的有强适应性、容错性、容棒性和鲁容性，除此之外，还具有高度神经计算能力。通过神经网络来处理电力设备的故障问题，只需要完成的工作就是进行数次比较简单的非线性函数复合，并没有涉及到物理模型和人工的干预，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。因此，神经网络法对于电力设备故障诊断领域而言，具有相当重要的意义，主要体现在处理不确定较大的问题上。

五、结论

综上所述，电力设备故障诊断实质上就是一个相当复杂的非线性问题，并且欠缺一个准确的数学方程式来进行解答，而对于电力设备故障诊断问题而言，某一个故障类型往往对应有几个现象，并且是一个对象又对应有几个故障，所以说，假如电力设备故障发生的原因和信息未能准确查清的的话，将会对故障诊断工作带来较多的阻碍。

参考文献

[1]王建辉.电力设备故障检测与诊断技术探讨[J].科技与企业,2012(19).

[2]肖振华,卢勇振.浅谈电力设备的故障判断[J].电源技术应用,2012(12).

[3]胡东海.电力设备状态检修分析[J].机电信息,2012(36).