电力设备故障诊断问题及措施.docVIP

精品论文 参考文献 电力设备故障诊断问题及措施 （中卫供电公司 宁夏 ７５５０００） 摘要：近些年，人们对于电力系统需求在不断的增大，因此，准确快速的诊断出电力系统内设备的故障已经成为相关部门工作人员面临的一个重大难题。本文首先对电力设备的故障诊断常见问题进行了研究，并对其相应解决措施进行了探讨。 关键词：电力设备；故障；诊断 随着现代化大生产的发展和科学技术的进步，对电力的需求与日俱增，对电力设备的可靠性稳定性提出了更高的要求[1]。随着电力的大规模生产，电力设备的结构越来越复杂，功能越来越完善，自动化程度也越来越高，设备各子系统的关系也越来越密切，一旦设备的某个部分在运转过程中出现故障，必须迅速切除故障设备，否则很可能严重影响生产，造成巨大的经济损失，甚至带来灾难性的后果。为保证电力系统安全、经济、稳定运行，电力设备的故障监测和设备保护也越来越显的重要。 1电力设备其故障诊断现状 由于电力系统规模的不断扩大，电力设备故障发生率逐步增加，对电力设备的可靠性及技术水平要求也日益提高，特别是变电站无人值班的逐渐推广，对电力故障检测系统的要求也越来越高[2]。当前我国有些变电站大都建立了在线监测系统，并且也有一部分变电站实现了无人值守，但是由于变电站中电力设备种类繁多，结构比较复杂，如果设备出现故障，工作人员就会显得无可奈何。因此，无论是常规变电站还是无人值守变电站，在其监控系统中，都需要增加一个在线监测和故障诊断专家系统用以作为辅助决策手段，进而提高监控能力。要想实现真正的无人值守，需要加入电力设备在线监测和故障诊断的内容。要采用的技术包括主观诊断、仪器诊断、数学模型诊断以及智能诊断几种。 1.1主观诊断 在电力设备容易产生的故障中，许多故障都是检修人员凭借自身经验就能够判断出症结所在的，对于这些故障的诊断往往不需要采用相关的仪器，管理人员利用人体所具有的听、看、闻、摸等直觉，就可以对故障发生的原因、位置进行准确定位，并且及时采取相应的解决措施对设备故障进行有效处理。这种依靠人体感官进行诊断的技术主要可以包括直觉检查、参数测量、逻辑分析以及故障数分析等方式。 1.2仪器诊断 仪器诊断主要是对一些无法凭借经验进行诊断的故障而言，指的是利用相关的故障检测仪器来对电力设备的系统进行逐个检测，比如说设备的压力、速度、温度、振幅以及振动频率等等，从而获取各个系统的相关参数，最后将仪器所显示出来的曲线与计算结果与设备正常运行下的参数进行对比，从而判断出故障发生的具体位置和产生故障的原因，并采取相关措施对故障进行有效处理。随着科学技术的不断发展，仪器诊断也在逐渐向非接触、便捷式以及多功能的方向发展。 1.3 数学模型诊断 数学模型诊断的实质是将传感技术与动态测试技术紧密结合起来，以数字处理与建模为手段的技术措施，是一种应用于电力设备故障诊断中的一项较为先进的技术[3]。数学模型诊断主要是利用一些数学方法，来对电力设备的相关特征参数进行测量，在对其参数充分了解的基础上，通过对参数进行分析和处理判断的方式，观察仪器特征值出现的变化，从而准确判断出设备出现故障的位置，并及时采取相应的处理措施。 1.4 智能诊断 智能诊断，顾名思义，就是充分实现诊断的智能化，这种诊断技术主要是以模拟人脑思维的方法来进行设计，智能诊断技术的核心是建立完善的特征数据库，在数据库建立完成之后，利用合理的数据处理和比对措施将采集的信息与特征数据库中的特征进行比较，找出二者之间存在的差异，以此来完成对电力设备故障的判断。 2电力设备故障诊断的发展对策 2.1 利用神经网络法 对电力设备故障进行诊断神经网络具备高度神经计算能力和极强的自适应性、鲁容性、容棒性和容错性[4]。用神经网络处理问题只需要进行简单的非线性函数的数次复合，不需要建立任何物理模型和人工干预，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。神经网络法在故障诊断中得到高度重视和广泛应用，它在处理不确定性问题时具有独特的优势。神经网络法在电力设备故障诊断中主要按照油中气体分析的特征气体法和IEA 三比值法，神经网络模型中应用最广泛的是MO 神经网络模型，采用广义误差反传神经网络设计了一种变压器故障诊断方案，能对故障进行正确的分类。利用竞争学习理论的Mohonen 自组织网络模型，网络规模小，分类能力强，克服了BP 网络的缺点，试算结果令人满意。根据径向基函数网络理论（RBO 网络），将健康振动信号和断路器实际振动信号波峰幅值。 2.2 采用专家系统 电力设备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