引言
我们通常情况下所阐述的所谓的油浸式电力变压器（简称变压器）在现运行变压器中占很大一部分，并且在电力传输和分配中发挥着关键作用，是电力系统安全、稳定运行的重要保证。
1智能诊断方法应用的必要性
随着电网发展，尽管系统安全性有很大提升，然而变压器故障仍难以完全避免。只有及时准确的排除变压器故障，才能使设备及供电安全得到更好的保障。当前主要采用基于变压器溶解气体分析的故障诊断方法（DGA），能够较为准确的研判变压器故障，而且实现了变压器带电运行故障诊断，较大程度提高了变压器故障处理效率。然而，DGA技术仍有很大缺陷，诊断方法单一，准确度不足，而且不具备实时在线智能诊断的特点。伴随人工智能技术的不断发展，对变压器故障智能诊断研究提供新的契机，通过将传统的DGA技术与智能算法相融合，即弥补了DGA技术的缺陷，在诊断精度及效率上也有很大提升，而且在变压器实际故障诊断中已有较多应用，故障智能识别技术也更加符合现代电网发展需要。
2油浸式电力变压器低压故障智能诊断技术
2.1油浸式电力变压器离线故障诊断方法
(1)油色谱分析出现异常:可对变压器绕组的直流电阻进行检测、对变压器铁芯的接地电流以及绝缘电阻进行检测、对空载电流以及控制损耗进行检测等。可在变压器运行过程中进行油色谱以及局部放电监测,检查变压器潜油泵实际的运行状态,通过红外线测温仪对油箱的表面温度和套管端部的温度进行检测等等。(2)绝缘老化:要进行一氧化碳以及二氧化碳含量色谱分析,进行油中糖醛含量检测、酸值检测、含水量检测以及绝缘纸聚合度检测。(3)变压器绝缘受潮:进行绝缘特性实验,包括绝缘电阻、介质损耗、泄露电流、计划指数以及吸收比等,以及油介质损耗、击穿电压、含水量以及含气量等,同时还要进行绝缘纸含水量检测。(4)变压器出口短路:检测应包括空载电流以及空载损耗检验、对于绕组的直流电阻进行检测、油色谱的分析、短路阻抗试验、绕组的频率响应试验等。(5)变压器振动及噪声:需进行相关实验如噪声检测、振动检测、变压器阻抗电压测量以及油色谱分析等等。
2.2油浸式电力变压器瓦斯保护动作故障问题的处理方法
在继电保护装置中如果有气体释放出来，就要对气体进行点燃，对颜色进行色谱分析，并采取处理措施。在继电保护装置中没有所释放出的气体，就需要对容易渗油的部位进行检查。如果没有出现渗油现象，则是环境温度低所导致的。这时就可以根据油枕油位指示进行技术处理，之后对二次回路进行检查，采取必要的消缺措施。对于油浸式电力变压器所产生的重瓦斯保护动作故障，就要判断是否为变压器内部故障所导致的，通过对电脑故障报文进行查看以对故障情况有所了解，将保护动作的时间、电压情况、电流情况、事故报警情况等详细记录。之后进入到故障现场对电力主变压器进行检查，包括油的温度、油面是否降低、油的颜色是否变化等。检查瓦斯继电保护装置内部是否有气体，主变压器的外壳时候出现变形等，根据故障原因采取相应的技术措施。
2.3基于智能计算的故障识别方法
目前，在变压器故障诊断中，遗传算法、粒子群算法等智能算法得到较多应用，在智能识别理论中有着重要的地位。智能计算方法的应用，有着坚实的理论基础，并且具有较好的鲁棒性，在并行处理方面有较大优势，在故障识别上能达到较高效率。同时，智能算法经过优化，能够达到更高的收敛速度，并且能够实现变压器故障诊断准确度的提升。基于其在全局优化中的优势以及智能算法的自学习的特点，智能算法的应用也得到了较大发展。
2.4超高频检测法
主要是通过罗果夫斯基线圈在变压器的中性点获得信号,此种信号频率可以高达30 000 KHZ,很大程度上提升了局部放电测量频率。另外测试系统安装更加的便捷,相关的检测设备不会改变电力系统的运行方式。但从现阶段的情况来看,超高频检测方法的研究还存在着一定的问题,此种测量方法的原理和脉冲电流法是不同的,所以不能标定出视在放电量。另外,变压器内部的绝缘结构是非常复杂的,由局部放电产生的电磁波在变压器内进行传播时会受到折射、反射以及散射等情况的影响而出现衰减的情况,所以对于传播的特性研究以及局部放电源定位都是非常困难的。
2.5神经网络故障诊断
神经网络用于故障诊断有以下几个优点，强大的非线性映射能力能在模式空间内形成各种复杂的判决面,具有自适应能力的网络即能自适应学习隐藏在故障征兆中的信息又能自适应调节网络的大小自学习的特性使得网络能够从定量的、历史的故障信息中学习,学习结束后,又能将有关过程的知识存储于网络中,以便与新的故障数据比较,实现新数据的模式判别良好的容错能力使得网络即能滤除噪声又能在输入模式不完备或特征缺损的情况下,完成故障的正确识别通过寻找输入故障信号输出故障类别数据之间的关系,即能进行特征提取又能完成故障信号的模式变换。以前馈式网络的代表网络为例,总结利用进行故障诊断的基本思想可概括为以故障征兆作为输入,诊断结果作为输出。首先利用己有的故障征兆和诊断结果对网络进行离线训练,使网络通过权值记忆故障征兆与诊断结果之间存在的对应关系然后将得到的故障征兆加到网络的输入端,就可以利用训练好的网络进行故障诊断,并得到相应的诊断结果。神经网络用于变压器故障诊断是可行的具有的并行分布处理、自学习、联想记忆和容错性等优点,与变压器内部故障发生及发展的多模式系统相适应。国内外对神经网络应用于变压器故障诊断的研究,多是应用其中某种网络进行诊断,少有将多种网络进行系统完整的应用及比较分析,以确定不同类型网络在变压器故障诊断中的性能差别和适用性从神经网络的拓扑结构与学习算法相结合的角度,选取前馈式网络、竞争网络、反馈式网络中适用于模式识别问题的典型代表网络,分别建立变压故障诊断模型,以期研究各类型网络对变压器故障诊断的优缺点,致力于寻找在分类识别能力、逼近能力、学习速度等方面都相对优秀的神经网络实现变压器故障诊断。
2.6基于专家系统的故障识别方法
在电力变压器故障识别中，该方法的应用主要是通过积累故障诊断经验及知识，逐步建立起完善的用于变压器故障分析与诊断的数据库，也就是专家系统，能够根据变压器故障象征及相关测量数据，有效解决变压器故障诊断难题。而且专家系统在应用中，还能够与其他智能算法相结合，进而建立起更加可靠的故障识别系统模型。该方法具有灵活透明的特点，其数据库的建设最为关键，要具备丰富的变压器故障识别经验，还要体现出交互性的特点，即使所获取的故障信息不全面，也能够基本保证复杂变压器故障的有效识别。
结语
油浸式电力变压器的故障诊断技术,实现诊断智能化,及时有效地判断其运行状况,将为变压器长期稳定、安全可靠的运行提供保证。这无论是从重要性还是带来的经济效益来衡量,都将对电力系统的优质运行产生重要的意义。
参考文献
［1］王国平，余涛，傅森木，等．基于DGA的变压器故障诊断智能方法分析［J］．电力建设，2015，36(6):34－39．
［2］刘忠杰．电力变压器故障诊断方法初探［J］．能源技术与管理，2017，42(4):187－188．
