变压器状态诊断

针对单传感器状态识别算法存在漏检、误检的缺陷,文章提出一种基于双传声器和深度学习的变压器状态识别算法,即基于一维卷积神经网络和双传声器数据融合算法(1D-CNN based dual microphones fusion algorithm,1D-CNN-DMF)。利用2个传声器分别同时采集变压器声信号,通过一维卷积神经网络对2个传声器采集到的声信号分别进行特征提取,并利用全连接层对特征进行融合,最终通过softmax分类器进行分类。通过采集500 kV变压器的声信号构建数据集进行验证,结果表明1D-CNN-DMF算法可以有效地对变压器不同状态进行分类,分类准确率高于1D-CNN-LSTM、1D-CNN、FFT-BP、SVM和FFT-SAE等算法。最后利用t-SNE可视化工具揭示了1D-CNN-DMF算法的内在机制。

8月28日，陕西西安供电公司330千伏上苑变电站运维人员应用设备资产精益管理系统输变电在线监测模块，查看该站1号、3号主变压器套管介质损耗、电容等状态数据，保障设备正常运行。相关数据由国网陕西省电力有限公司电力科学研究院自主研发的变压器套管多参量状态在线监测装置采集。

5月15日，国网陕西省电力有限公司生产管控中心员工王文森通过变压器状态诊断与检修决策系统核查330千伏上苑变电站2号主变压器运行状态，确认设备处于平稳期。一个月前，该系统提示这台主变压器油色谱数据异常，该中心立即反馈运维单位核实和处置。运维单位现场核查情况，确认设备运行平稳，便加强监测，跟踪观察设备运行工况，保障电网运行安全。

4月15日，国网陕西省电力有限公司生产管控中心员工王文森应用变压器状态诊断与检修决策系统，监测到330千伏上苑变电站2号主变压器运行状态异常信息，随后反馈运维单位核实和处置。该系统由国网陕西电力自主研发，目前应用于全省330千伏及以上主变压器的状态评价、故障诊断、检修决策等场景，标志着该公司在设备管理领域智能诊断和检修决策应用取得突破。

变压器是电力系统最关键设备之一，在发、输、配电环节起到至关重要的作用。随着电网远距离输电需求，超、特高压变压器大规模应用，故障后果更为严重。目前主要采用的油中气体法和各种离线试验方法，均具有较大的局限性，无法检测各类非热故障，且诊断结果相对滞后、不能进行故障定位等。目前，振动分析法是在变压器运行工况下检测上述缺陷的有效方法，仍有以下技术难点未完全攻克：变压器组部件数量多、振动信号传输路径复杂，难以有效定位；振动信号包含的特征信息与变压器状态间的关联关系不明确；有载分接开关故障类型多，振动信号频率高，波形复杂，难以实现触头磨损、弹簧储能不足、紧固件松动的有效识别。项目依托国网公司科技项目，历时8年，在变压器振动信号与机械缺陷的特征分析、故障识别、状态诊断、装置研制方面，取得多项创新成果与关键技术突破。经专家鉴定：项目总体居国际先进水平，其中，在多频率分量的能量和能量比值组合对变压器铁心松动、绕组松动和变形、分接开关机械缺陷诊断技术方面居国际领先水平。项目成果应用于江苏、浙江、等省市400余台电力变压器状态诊断，电压等级涵盖66kV-1000kV，实时监测变压器内部机械缺陷特征；并在山东电力设备、上海华明等变压器及分接开关制造厂家的自主产品设计及性能优化中得到应用。

以往，变压器内部状态检测需要停运设备并完成人工排油、拆装设备本体等操作。河南电科院研发应用变压器声学成像非侵入测量系统，实现了变压器内部检测和成像自动化、智能化，提升了变电设备精益运维水平。

“热成像测温信号已连接。经测温，变压器本体及油温正常；控制箱各连接点没出现发热现象，温度均在正常范围内；线路运行正常。”9月15日，在浙江省宁波市江北区慈城镇，宁波供电公司员工应用杆上双目红外测温仪完成10千伏前西线台区测温工作。