變壓器故障診斷的國(guó)內(nèi)外文獻(xiàn)綜述對(duì)于變壓器運(yùn)行時(shí)的監(jiān)測(cè)與故障診斷一直以來(lái)都是國(guó)內(nèi)外研究的熱點(diǎn)內(nèi)容。目前，國(guó)內(nèi)外基于變壓器故障診斷研究的實(shí)現(xiàn)方式主要分為兩大類別[10-12],一類以檢測(cè)實(shí)驗(yàn)數(shù)據(jù)為依據(jù)，由不同變壓器故障類型的特征數(shù)據(jù)來(lái)判別故障，其結(jié)果寬泛且誤差較大；另一類以模式識(shí)別理論為依據(jù)，聯(lián)合智能算法理論實(shí)現(xiàn)故障類型的精準(zhǔn)判斷，其故障判別的速度和精度較高具有參考價(jià)值。1.1傳統(tǒng)方式的變壓器故障診斷方法傳統(tǒng)方式下的故障診斷方法經(jīng)由行業(yè)相關(guān)人員大量的實(shí)驗(yàn)研究和經(jīng)驗(yàn)總結(jié)，得出的診斷的理論依據(jù)和簡(jiǎn)單的判斷方法，主要包含了油中溶解氣體分析與預(yù)防性試驗(yàn)。當(dāng)前電網(wǎng)及設(shè)備運(yùn)行維護(hù)的電氣試驗(yàn)法通常情況下，運(yùn)用交流耐壓實(shí)驗(yàn)、局放實(shí)驗(yàn)等可檢測(cè)出變壓器所存在的問(wèn)題，該方式對(duì)于操作環(huán)境和實(shí)驗(yàn)程序有著較高的要求，試驗(yàn)時(shí)間長(zhǎng)且特殊地理環(huán)境下無(wú)法進(jìn)行，操作的困難程度和繁瑣程度隨著變壓器等級(jí)和容量增加而成倍數(shù)正相關(guān)，多次實(shí)驗(yàn)下還可能對(duì)變壓器造成一定的損害。對(duì)于檢測(cè)變壓器故障的基礎(chǔ)方式絕大多數(shù)采取預(yù)防性試驗(yàn)，通過(guò)各種有效的物理實(shí)驗(yàn)獲取可靠的實(shí)驗(yàn)結(jié)果。例如油中水、氣的含量檢測(cè)、絕緣油試驗(yàn)等能夠有效的反應(yīng)老化程度。下面將介紹幾種常見預(yù)防性試驗(yàn)內(nèi)容：(1)變壓器絕緣油檢測(cè)電力變壓器由于受潮、老化、以及長(zhǎng)期運(yùn)行損耗等原因?qū)е碌墓收蠈⑨尫乓欢ǖ奈镔|(zhì)在油中，因?yàn)槌溆偷碾娏ψ儔浩魍ㄟ^(guò)油來(lái)達(dá)到散熱和絕緣的功效，加之釋放的物質(zhì)具有可溶性，所以檢測(cè)人員可通過(guò)含氣、水量的多少及物質(zhì)成分分析，并且綜合電氣試驗(yàn)分析達(dá)到檢測(cè)故障的目的[13]。(2)阻抗測(cè)量實(shí)驗(yàn)，變壓器空載試驗(yàn)、短路實(shí)驗(yàn)這類實(shí)驗(yàn)用于檢測(cè)變壓器的繞組變形。繞組的直流電阻測(cè)量利用不平衡系數(shù)在3%以內(nèi)為標(biāo)準(zhǔn)，用于反映匝間短路、分接頭開關(guān)的接觸不良等問(wèn)題。若阻抗電流、空載電流數(shù)值發(fā)生變化時(shí)，結(jié)合歷史故障數(shù)據(jù)額比較進(jìn)一步判斷故障發(fā)生原因。(3)繞組的分接頭電壓比檢測(cè)該實(shí)驗(yàn)是預(yù)防性試驗(yàn)必不可少的內(nèi)容，利用變壓器的運(yùn)行規(guī)定及出廠銘牌給出的數(shù)據(jù)，檢測(cè)繞組分接頭的電壓比是否在標(biāo)稱范圍內(nèi)，繞組分接頭的電壓比測(cè)量能有效反應(yīng)變壓器匝間短路以及連接組別的正確與否等故障，同時(shí)為選擇變壓器分接頭提供一項(xiàng)指標(biāo)。預(yù)防性試驗(yàn)作為定期檢修的主要內(nèi)容在防止設(shè)備事故發(fā)生、保證安全可靠地供電方面起著很好的作用。定期檢修是依照預(yù)試規(guī)程確定的試驗(yàn)周期，到期必修，不考慮電氣設(shè)備絕緣等實(shí)際狀況,具有盲目性和強(qiáng)制性。容易導(dǎo)致過(guò)修和失修的弊端從而造成新的安全隱患。另一方面，由于電力系統(tǒng)是逐步發(fā)展的，各時(shí)期變壓器的設(shè)備型號(hào)及制造工藝等均有所不同，對(duì)于預(yù)防性試驗(yàn)的耐受程度也不盡相同，這也給建立通用的物理性診斷方法造成了較大困難。大型的電力變壓器目前以充油形式為主，油中溶解氣體分析法、局放檢測(cè)法、老化分解物的檢測(cè)法等[13-14]，各方法中目前應(yīng)用最多的是基于油中溶解氣體分析技術(shù)，通過(guò)對(duì)氣體的成分分析判斷故障類型。除了常規(guī)的受潮等故障以外，隨著運(yùn)行時(shí)間的增加，油中雜質(zhì)增加引起局放，使得局部溫升過(guò)高等問(wèn)題也加速絕緣介質(zhì)的分解從而引起一系列的問(wèn)題，利用油中溶解氣體分析也成為了更好的選擇。其中的改良IEC法，故障特征氣體數(shù)據(jù)結(jié)構(gòu)法都是應(yīng)用檢測(cè)異常及故障運(yùn)行狀況的發(fā)生的常用方法，其中改良IEC法對(duì)潛伏性故障的捕捉較可靠。本文第二章會(huì)著重對(duì)油中溶解氣體分析進(jìn)行介紹。1.2智能方式的變壓器故障診斷方法由于傳統(tǒng)方式下的診斷效果不理想，加之人工智能、計(jì)算機(jī)等相關(guān)學(xué)科的普及推廣，使得變壓器故障診斷領(lǐng)域引入人工智能的方法成為熱門研究方向。比如專家系統(tǒng)、模糊理論、神經(jīng)網(wǎng)絡(luò)等智能方法及多種智能方法的綜合運(yùn)用，都成為智能方式下熱門的應(yīng)用研究，且故障診斷的效果顯著。(1)基于神經(jīng)網(wǎng)絡(luò)的故障診斷人工神經(jīng)網(wǎng)絡(luò)是一種具有自主學(xué)習(xí)能力和信息處理能力的一種無(wú)監(jiān)督學(xué)習(xí)，效率高且善于歸納推廣。具有良好的自組織、自學(xué)習(xí)、自適應(yīng)的特點(diǎn)，因此被人們應(yīng)用在各個(gè)領(lǐng)域[14]。神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用在變壓器故障診斷中有兩類，一種是將人工神經(jīng)網(wǎng)絡(luò)直接用作故障判別分類器的模型，而另一種則是將多種診斷技術(shù)與人工神經(jīng)網(wǎng)絡(luò)混合應(yīng)用的綜合模型。利用文獻(xiàn)[15]利用傳感器技術(shù)應(yīng)用在神經(jīng)網(wǎng)絡(luò)中形成變壓器故障診斷，并通過(guò)實(shí)驗(yàn)結(jié)果證明該方法時(shí)有效的。(2)支持向量機(jī)支持向量機(jī)是一種基于有監(jiān)督的機(jī)器學(xué)習(xí)的方法，在各個(gè)行業(yè)領(lǐng)域被經(jīng)常應(yīng)用。文獻(xiàn)[16]提出基于多分類的相關(guān)向量機(jī)作為變壓器故障診斷的方法，輸入量為溶解氣體量的比，利用最大似然法與期望估計(jì)法對(duì)模型推斷，輸出量為各個(gè)故障類型的概率，最終取概率值最大的故障類型為最終結(jié)果。分析實(shí)例得到的結(jié)果，該方式下工程需求可以滿足且診斷效率較高，但支持向量機(jī)法也存在一定的弊端，對(duì)于大量樣本的學(xué)習(xí)能力差，且由于核函數(shù)是隨即進(jìn)行選取的，從而影響故障診斷的能力。（3）極限學(xué)習(xí)機(jī)極限學(xué)習(xí)機(jī)是一種結(jié)構(gòu)簡(jiǎn)單易操作的的前饋神經(jīng)網(wǎng)絡(luò)。綜合了前面兩種方法以及機(jī)器學(xué)習(xí)的思想，克服支持向量機(jī)訓(xùn)練時(shí)間長(zhǎng)且運(yùn)行參數(shù)多的問(wèn)題[17]，解決了傳統(tǒng)神經(jīng)網(wǎng)絡(luò)結(jié)果容易陷入局部最優(yōu)解的問(wèn)題，文獻(xiàn)[18]提出基于多分類算法自適應(yīng)的極限學(xué)習(xí)機(jī)方法與反正切變換的綜合運(yùn)用，且自適應(yīng)學(xué)習(xí)機(jī)運(yùn)用節(jié)點(diǎn)偏差與輸出權(quán)重模擬非線性函數(shù)的能力，結(jié)合油中溶解氣體分析法來(lái)提高診斷的精度。（4）基于模糊推理的故障診斷在變壓器故障診斷中模糊理論的應(yīng)用主要有三大方面，即為：基于模糊聚類的診斷方法、基于模糊關(guān)系的評(píng)判方法、邊界值的模糊化處理[19-21]。文獻(xiàn)[19]中分別從模糊聚類與徑向基神經(jīng)網(wǎng)絡(luò)聯(lián)合應(yīng)用實(shí)現(xiàn)優(yōu)勢(shì)互補(bǔ)，文獻(xiàn)[20][21]利用模糊聚類處理油色譜數(shù)據(jù)，再利用灰色聚類處理故障分類系數(shù)，從而使得診斷結(jié)果更加準(zhǔn)確。（5）貝葉斯分類器要求各個(gè)特征均為獨(dú)立特征，具有獨(dú)立性，分類器可使得分類誤差最小化，所以貝葉斯分類器又有了最優(yōu)分類的特性。文獻(xiàn)[22]運(yùn)用嵌入式知識(shí)對(duì)故障的關(guān)系進(jìn)行分析利用貝葉斯網(wǎng)絡(luò)量化故障類型，提出應(yīng)用程序框架，再使用貝葉斯分類器進(jìn)行故障判別。貝葉斯方法的由于需要投入大量的故障樣本，而無(wú)法得到很好的推廣。縱觀整個(gè)電力行業(yè)，盡管現(xiàn)代化的智能診斷方法廣泛的應(yīng)用于變壓器故障診斷方面，但這些方法仍舊存在著自身的弊端，而基于傳統(tǒng)方式油中溶解氣體分析進(jìn)行故障判斷也是層出不窮。實(shí)踐證明，綜合多種方法聯(lián)立判斷的結(jié)果才能夠取長(zhǎng)補(bǔ)短，診斷結(jié)果更加準(zhǔn)確。伴隨著人工智能與計(jì)算機(jī)的發(fā)展，多種方法的融合診斷成為今后研究發(fā)展的主流，具有非凡意義。1.3變壓器故障診斷的分析變壓器存在不同程度的故障時(shí)，會(huì)產(chǎn)生一定的故障信息及異?，F(xiàn)象，故障特征的準(zhǔn)確分析和故障類型的準(zhǔn)確診斷對(duì)于電網(wǎng)安全運(yùn)行具有重要意義?；谟椭腥芙鈿怏w分析法對(duì)變壓器故障進(jìn)行分析目前已取得一定成果，是一種可信賴的診斷方法。依據(jù)《變壓器油中溶解氣體分析和判斷導(dǎo)則》顯示，改良IEC法診斷故障的正確識(shí)別率在80%左右，經(jīng)過(guò)改進(jìn)后準(zhǔn)確率高于運(yùn)用較多的普通三比值法，并能夠較好判斷出潛伏性故障，但在實(shí)際的應(yīng)用中仍存在著較多問(wèn)題。一方面，當(dāng)變壓器內(nèi)部出現(xiàn)一種以上的故障時(shí)會(huì)出比值編碼找不到的情況及出現(xiàn)誤診編碼的問(wèn)題，另一方面，實(shí)際發(fā)生的故障類型并未出現(xiàn)在給定的編碼范圍等。雖然改良IEC法有著可靠的診斷策略在故障初期診斷效果好，但隨著故障時(shí)間的增加多故障同時(shí)作用時(shí)容易誤判且診斷的即時(shí)性不夠好。隨著人工智能應(yīng)用的崛起，加入具有學(xué)習(xí)改進(jìn)能力的智能診斷方法參與可以提升診斷效率和精度。因此，本文提出將智能算法的概率神經(jīng)網(wǎng)絡(luò)與油中溶解氣體分析法相融合的方法等一系列措施建立變壓器故障診斷系統(tǒng)，從而提升故障診斷的精度和速度。未來(lái)的變壓器故障診斷技術(shù)也應(yīng)朝著智能化、融合多元化、多功能集成化的方向發(fā)展。參考文獻(xiàn)[1]胡青，杜林，楊麗君，等.PCA與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的變壓器故障診斷[J].計(jì)算機(jī)應(yīng)用研究，2010，27(02)：580-581.[2]曹海洋,張玉成,朱啟偉,趙強(qiáng).基于紅外成像技術(shù)的變壓器熱故障在線檢測(cè)與診斷[J].實(shí)驗(yàn)室研究與探索,2012,31(02):30-40.[3]郭英軍,孫麗華,孫會(huì)琴,冉海潮.電力變壓器熱故障的在線診斷技術(shù)[J].河北科技大學(xué)學(xué)報(bào),2007(02):147-149.[4]胡發(fā)明.幾起變壓器油色譜異常的分析[J].電氣技術(shù),2012(05):74-76.[6]袁海滿.基于多維特征量的電力變壓器故障診斷技術(shù)研究[D].成都:西南交通大學(xué),2017,5.[7]代杰杰，宋輝，楊祎，等．基于油中氣體分析的變壓器故障診斷ReLU-DBN方法[J].電網(wǎng)技術(shù)，2018，42(02)：658-664.[8]劉云鵬，許自強(qiáng)，李剛，等.人工智能驅(qū)動(dòng)的數(shù)據(jù)分析技術(shù)在電力變壓器狀態(tài)檢修中的應(yīng)用綜述[J].高電壓技術(shù)，2019，45(02)：337-348.[9]孫才新，陳偉根，李儉，等．電氣設(shè)備油中氣體在線監(jiān)測(cè)與故障診斷技術(shù)[M]．北京：科學(xué)出版社，2003：1-89．[10]程加堂，段志梅，熊燕，等．基于DGA的QPSO-BP模型變壓器故障診斷方法研究[J]．高壓電器，2016(2)：57-61．[11]楊鳳春，賈本巖，張麗娟.電力變壓器故障診斷方法研究[J]．科技創(chuàng)新與應(yīng)用，2016，(04):55－56.[13]H.Lin.W.H.Tang,A.NovelApproachtoPowerTransformerFaultDiagnosisBasedonOntologyandBayesian[J].Network978-1-4799-7537-2/14/2014IEEE．[14]胡義鵬，唐賢敏.電氣設(shè)備中的絕緣油試驗(yàn)探討[J].貴州電力技術(shù)，2016.19(3)：88-89.[15]遇炳杰．基于極限學(xué)習(xí)機(jī)的變壓器故障診斷[M].華北電力大學(xué)碩士論文，2014．[16]S.Li.G.Wu.InterpretationofDGAforTransformerFaultDiagnosiswithComplementarySaE-ELMandArctangentTransform.Manuscriptreceivedon15May2015,infinalform8August2015,accepted19August2015.[17]BhallaD,BansalRK,GuptaHO.TransformerincipientfaultdiagnosisbasedonDGAusingfuzzylogic[C].//IndiaInternationalConferenceonPowerElectronics,IICPE.2010,2011:1-5.[18]熊浩,孫才新,廖瑞金,等.基于核可能性聚類算法和油中溶解氣體分析的電力變壓器故障診斷研究[J].中國(guó)電機(jī)工程學(xué)報(bào),2005,25(20):162-166.[19]李儉,孫才新,陳偉根,等.灰色聚類與模糊聚類集成診斷變壓器內(nèi)部故障的方法研究[J].中國(guó)電機(jī)工程學(xué)報(bào),2003,23(2):116-119.[20]尹金良，朱永利，俞國(guó)勤．基于多分類相關(guān)向量機(jī)的變壓器故障診斷新方法[J]．電力系統(tǒng)保護(hù)與控制，2013．[21]熊浩,孫才新,廖瑞金,等.基于核可能性聚類算法和油中溶解氣體分析的電力變壓器故障診斷研究[J].中國(guó)電機(jī)工程學(xué)報(bào),2005,25(20):162-166.[22]李儉,孫才新,陳偉根,等.灰色聚類與模糊聚類集成診斷變壓器內(nèi)部故障的方法研究[J].中國(guó)電機(jī)工程學(xué)報(bào),2003,23(2):116-119.[23]尹金良，朱永利，俞國(guó)勤．基于多分類相關(guān)向量機(jī)的變壓器故障診斷新方法[J]．電力系統(tǒng)保護(hù)與控制，2013．[24]趙家禮，張慶達(dá)，等.變壓器故障診斷與修理[M].北京:機(jī)械工業(yè)出版社，2008:38-39.[25]胡青，杜林，楊麗君，等.KernelPCA與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的變壓器故障診斷[J].計(jì)算機(jī)應(yīng)用研究，2010，27(02)：580-581.[26]曹海洋,張玉成,朱啟偉,趙強(qiáng).基于紅外成像技術(shù)的變壓器熱故障在線檢測(cè)與診斷[J].實(shí)驗(yàn)室研究與探索,2012,31(02):30-40.[27]郭英軍,孫麗華,孫會(huì)琴,冉海潮.電力變壓器熱故障的在線診斷技術(shù)[J].河北科技大學(xué)學(xué)報(bào),2007(02):147-149.[28]王霞.基于油中溶解氣體分析的變壓器故障診斷方法的研究[D].華北電力大學(xué).2003：12-13.[29]張利剛.變壓器油中溶解氣體的成分和含量與充油電力設(shè)備絕緣故障診斷的關(guān)系[J].變壓器,2000,37(03:39-42.[30]董其國(guó).電力變壓器故障診斷[M].中國(guó)電力出版社,2000.[31]蔣宗禮.人工神經(jīng)網(wǎng)絡(luò)導(dǎo)論[M].高等教育出版社,北京2001.[32]韓金華,張健壯.大型電力變壓器典型故障案例分析與處理[M].北京：中國(guó)電力出版社,2012.[33]MATLAB中文論壇著.M