DOC《【摘要】》

39 4.2.2 管理系统

43 4.2.3 查询系统

44 4.2.3 界面风格

45 4.2.4 系统说明

45 4.3诊断程序函数说明

46 4.3.1诊断函数

46 4.3.2 主要辅助函数

48 4.4 诊断实例

50

第五章 结论

52 5.1 结论

52 5.2 电力变压器故障诊断专家系统的展望

52 致谢

54 参考文献

55

56

58

60

第一章 引言 最近十多年来,我国的国民经济一直以10%左右的速度稳定发展,为满足国民经济对电能需求的迅速增长,我国电网的规模日益扩大.在电力系统向超高压,大容量,大电网,自动化方向发展的同时,提高电力设备的运行可靠性尤为重要.根据国内外运行经验,电压等级越高、容量越大,电气设备的故障率一般也越高,修复时间也越长.大型变压器是电力系统中最昂贵和最重要的设备之一.它的正常运行对于整个电力系统的可靠运行起着非常关键的作用.监视运行当中的异常状态并判断发生原因是判断故障的首要内容.因而研究电力变压器的故障模式和故障诊断具有非常重要的现实意义.故障诊断涉及到设备的运行机理、故障发生发展的的机制、装置维护的现状、运行条件等诸方面因素,因而是一项复杂的技术性工作.为了高效地解决诊断问题,将表征异常现象、故障性质、原因和措施及其相互间的关系用知识描述并形成推理,即构成了基于知识的诊断专家系统. 变压器故障诊断基本上经历了感官诊断,实验测试,人工智能三个发展阶段. 早期,电力工作者缺乏理论的支持,基本上凭借一定的工作经验的积累,根据变压器的外部检查情况来判断其内部和外部故障.但仅仅这样单靠人工经验来判断故障难免会有很大的失误和纰漏. 后来,随着油中气体分析法的发展,变压器故障诊断技术得到了很大的提高,进入实验测试诊断阶段.电力工作者首先用气体色谱分析测得变压器油中溶解的各气体含量,然后根据各种判断方法对产生这些气体的故障原因作出解释.常用的判断方法有特征气体法和比值法.比值法中尤以罗杰斯法和三比值法最为常用.特征气体判断法反应了故障点发热使绝缘材料分解时的事物本质.故障点产生气体的特征是随着故障点的故障类型以及故障能量级别以及所设计的绝缘材料的不同而不同的.特征气体法根据测得的某种气体的含量以基准值的比较来粗略判断变压器的故障.而比值法则根据实验测得的各种气体的比值组合来进一步比较具体地判断变压器地故障. 虽然对油中溶解气体分析可以有效地探测变压器潜伏性故障,但是,在电力设备地故障原因,故障现象和故障机理间同时存在随机性和模糊性地不确定现象.仅仅依靠实验测试地诊断方式难于满足现有地工程应用的要求.实际上随机性地产生是由于实验测试数据的分散性和本来故障地因果关系不确定性等造成的,它主要反应了客观上的不确定性,模糊性的产生是由于测试数据在主观判断边界上的亦此亦彼性,它主要反应了人为主观理解上的不确定性.许多现有的诊断规则都太绝对化,无法有效的解决不精确性,不完全性,和不确定性信息.同时,传统的比值法也存在编码范围不够完善的问题,很大程度上制约了变压器故障诊断技术的发展. 近期,随着人工智能的发展,其广泛地应用于电力系统各个领域.人工智能在变压器故障诊断方面地应用极大地促进了诊断技术的提高.人工智能的应用可以分为专家系统和人工神经网这两个方向. 专家系统方面: 专家系统由专家知识库,推理机以及用户接口和解释机制等主要部分组成.知识是专家系统地核心和关键,是解决问题的出发点.专家系统利用只是实现从故障表象到故障本质的推理过程.它具有概念明确,长于分析,推理路径清晰,易于用户参与,便于解释等显著优点.实际上,是对人类逻辑思维模式的计算机模拟.但专家系统也具有缺陷: 知识获取困难.首先专家系统的规则表述缺乏深度,缺乏对专家思维过程的描述.而且专家系统的学习能力低下,人工方式获取知识的效率又很低下使得专家系统的只是难于完备,从而制约了专家系统的发展. 知识维护困难. 基于知识的推理,存在 匹配冲突 和 组合爆炸 的问题.推理的速度慢,效率差,难以适应检测控制适时性的要求. 实际应用: 以关系数据库为核心构造的电气设备故障诊断专家系统,引入对象和规则知识的模糊表示处理故障及其现象存在着的模糊性,基于数据库的优化查询实现推理.用关系数据库的元素表示一个对象或一条规则,借助隶属函数及语义距离的概念进行不确定前提下的对象处理和对象匹配,能够由不完全的对象信息得出有一定隶属度要求的关于故障性质、原因的诊断结论,并有针对性的得出应相应采取的应急和跟踪措施,为设备维护提供依据.用数据关系的思想,完全由数据库管理诊断知识,从而独立于推理机理及用户,知识数据库维护简便、规则可以保持完整性和一致性、且在数据库中加入领域知识即可对系统的诊断范围进行扩充. 由于在电力系统的故障诊断中同时存在具有随机性和模糊性的不定因素,因此单纯用概率统计或模糊数学的方法都不利于准确的映射故障的特性.现在提出一种将两者结合起来的方法,并在此基础上重新定义了诊断问题.不仅有助于解决三比值法因编码不全而难以作出结论的不足,而且比仅基于概率统计的诊断模型具有更高的正判率.这种方法利用色谱数据和电气数据进行综合诊断,得出更为具体的诊断. 近期,为了解决专家系统较难获取完备知识的瓶颈问题.提出了一种变压器故障诊断专家系统知识库的粗糙集方法.将粗糙集理论和专家系统相结合,在变压器历史故障数据所形成决策表的简约基础上,通过计算规则的粗糙隶属度,建立了具有不同简化层次上符合置信度要求的节点网络规划集的知识库. 人工神经网方面:人工神经网将已有的数据和已知的故障诊断模式作为样本,通过学习得出数据量和故障模式间的映射关系.在神经网络系统中,信息的存储和处理是合为一体的,能从不完全的,不精确的信息联想出完整的信息,因而神经网络具有很强的学习能力,信息处理能力和学习过程中的完善性能.但是,它也有以下缺陷: 对奇异故障模式的诊断能力差 神经网络对结论和过程无法给出解释 神经网络只是单纯对数据进行分析,缺乏全局观,无法对诊断对象的所有层面进行整体分析. 实际应用:决策树神经网络模型采用分级别的方法,是对故障的诊断逐步得到细化,最终得出引发故障的具体原因.这种决策树分类网络具有较高的诊断准确率和实用价值.根据故障的特点,提出了一种基于决策树的变压器故障识别方法.在故障决策树的基础上,以小波分类网络为基本单元模块,构造组合神经网络模型在结构复杂性和学习难于收敛等方面的不足,大大提高了故障分析的准确度.在这种诊断模型中,初始的判断结论较粗略,但准确性较高;