基于多源信息融合的变压器检测与评估技术

江友华, 易 罡, 黄荣昌, 王春吉

(上海电力大学 电子与信息工程学院, 上海 201306)

电力变压器作为电力系统中的重要设备,其在线监测非常重要。但是,目前的电力变压器检测大多采用单一类型的传感器进行,因实际诊断过程中存在设备结构复杂和运行环境不确定等因素,使得反映出的设备状态不完整[1],成为当前电力领域监测技术亟待解决的课题。作为一种智能、高效的故障诊断方法,基于多源信息融合的故障诊断在故障诊断领域的应用越来越广泛,应用水平也不断提高,已成为该领域的重要发展方向之一[2]。文献[3-4]运用多源信息融合技术进行了变压器诊断方面的研究。实际上,多源信息的获取与位置、类别有关,在设备多维信息获取及融合方面,如何有效恰当地获取信息、消除信息中的噪声以及选择合适的位置提高信息获取的准确度,决定着电气设备状态监测的效果。智能化融合算法可以不需要考虑复杂系统的各种状态,通过各种算法之间的权重分配可以较为准确地评估设备的状态[5-6]。为此,本文将不同来源、模式、时间、地点、表现形式的多传感器信息进行融合,设计了基于多维状态参量的信息融合算法,用以提高系统整体的在线检测水平和故障诊断能力。

1 变压器多源信息综合检测平台

本文设计的变压器多源信息综合检测平台,能够将变压器工作过程中的检测信号实时传送到后台监测中心,配合后台软件验证,有效实现信号采集、信号处理分析及电力变压器的检测与评估等功能。该平台主要包括由特高频、高频、超声、红外等组成的传感器数据融合模型和变压器信息获取两部分。

1.1 多传感器的数据融合模型

多传感器数据融合模型具体如图1所示。该模型针对原始数据信息进行融合,待融合的多源信息可以通过同类传感器采集,也可以通过异类传感器采集。其中,同类传感器获取的信息类型基本相同,其数据格式、特征具有一致性,因此数据处理难度较低;而异类传感器组合可以获取研究对象多方面的信息数据。与同类传感器组合相比,异类传感器信息更加全面、互补,结果的可信度更高。但异类传感器数据结构不同,甚至存在冲突,处理难度较高,需要进行状态量指标统一量化[7]。

图1 多传感器的数据融合模型

1.2 变压器信息获取

传感器安装位置的不同使其检测信号的能力有强有弱;传感器类型的不一样,也使其获取的变压器特征值不一样。但不管传感器位置和类型存在何种差异,变压器信息获取均按照传感器获取数据、信号预处理、FPGA(Field Programmable Gate Array)信息采集及信息分析等过程运行。变压器信号感知与分析框图如图2所示。

图2 变压器信号感知与分析框图

带通滤波器通过设置多个滤波环节,实现相应频率信号的滤除和筛选[8]。

由于实际需求20 dB左右的增益,故利用2SC3358三极管进行3级放大,第1级接低噪声设计,后面2级按照需求进行增益设计。信号放大电路如图3所示。

图3 脉络波检波电路

由于特高频、高频和超声波等传感器频率较高,故通过二极管检波电路实现信号的脉络检波,降低高频信号的频率。脉络波检波电路如图4所示。

图4 脉络波检波电路

由于不同现场变压器的特高频局放传感器安装位置不一样,其感受到的局放信号强弱不一致,如果信号检测通道全部按照统一的放大倍数进行信号放大,则对于信号检测强度大的信号通道可能出现信号幅值削顶现象。反之,对于信号感知弱的通道,则会出现信号检测过弱的情况。程控放大器电路如图5所示。

图5 程控放大器电路

2 多源信息融合理论

传统变压器检测只对单类传感器获得的数据进行处理,忽视了不同传感器之间的潜在联系。实际上,当电力变压器设备发生故障时会产生不同的故障现象,而一种检测方法只能检测到一种故障现象,使得误判时常发生。为了避免信息孤岛,高效利用多源信息,应针对不同的电力设备和应用场景,结合各自的具体情况构造切实的融合诊断方法[9-10]。

为考虑初步分类模型中误诊结果对综合决策的影响,本文引入权重因子wi对验算概率pi和训练样本的识别正确率qi进行修正。其表达式为

m(A)=piqiwi

(1)

wi=a1w1i+a2w2i

(2)

式中:a1——人工经验定义的检测可信度;

a2——检测正确率;

w1i——故障类型对应设备的置信度;

w2i——信息熵,w2i=1-w1i。

建立识别框架Θ={A1(正常状态),A2(过度放电),…,Am(低度放电)},称函数m:2Θ→[0,1]为概率分配函数。假设对于空集∅,m(∅)=0;对于∀A∈2Θ,∑m(A)=1。m(A)称为对A的基本概率分配,表示对命题A的精确信任程度。由不同的特征可以获取不同证据体的权重分配值m1,m2,m3,…,mm,则各证据体概率分配的组合过程为

(3)

3 基于信息融合的变压器状态评估模型

通过多传感器信息感知与融合后,得到不同传感器信息特征。这些信息从不同的方面反映了变压器当前的运行状态。将这些指标信息按变压器健康状态进行独立评估,确定主观权重与客观权重兼顾的组合权重,建立起基于信息融合的变压器健康状态评估模型[11]。变压器健康状态评估模型如图6所示。

图6 变压器健康状态评估模型

由于不同特征项数据对应故障的情况不同,只有落在一定范围内的数据才能指向故障发生,因此根据单项比值在总体样本中的分布集中情况,参考截尾均值对多个数据的处理思想,通过数据排序并按数据突兀情况去掉两端极值,得到特征项相应的有效区间[12]。对标准区间内的数据取中点为最高100分,端点为最低60分,区间其他位置则按100～60进行线性分配。将不在区间内的数值得分设置为40,主要原因在于:一是不希望出现最低分数为60的情况,否则正常状态下的变压器可能因某项比值的偶然波动被误判为故障;二是不希望出现最低分数为0的情况,否则容易发生故障状态下的变压器局放数据因波动被判断为正常的情况。根据有效区间确定单个特征项的评分[13]。当xi∉(a,b]时,gradexi=40;当xi∈(a,b]时,公式为

gradexi=

(4)

式中:gradexi——对应下标xi在该故障下的评分值;

xi——评分项比值;

i——对应故障的第i个评分项比值;

a,b——有效区间的下限和上限。

则单个故障状态的评分公式为

(5)

式中:ωi——对应特征权重。

评分越高的特征项指向故障发生的可能越大。依据文献[14]中的百分制打分方法,本文设计的变压器故障状态情况与评分方式对应关系为:0～60为正常;60～80为故障发生;80～100为故障严重。

4 基于声、电、磁多源信息融合的变压器综合诊断

目前单一的变压器状态监测技术有高频局放、超声波局放和振动等方式。这些检测方法均采用单一指标,容易受环境和其他因素的影响,造成诊断误判。本文结合变压器高频、超声波和特高频数据,利用多源数据融合原理及评估模型,克服单个传感器的诊断局限,提高设备监测与评估的可靠性。图7为多源信息融合的局放检测平台,可进行不同特征的检测,最后通过数据汇总模块发送至上位机。由于本文传感信息主要为放电指标,故后面的诊断结论主要分为放电强度强可信度(用PDI-H表示)和放电强度弱可信度(用PDI-L表示)。

图7 多源信息融合的局放检测平台

4.1 变压器高频电流检测

高频电流检测通常是通过安装在变压器的铁心接地电流来获得的,其频率段通常在M级别。图8是模拟局放实验检测的高频电流传感器信号,初步诊断结果为PDI-H,故障得分为90分,故障严重。

图8 高频电流局放检测信号

4.2 变压器超声波检测

变压器超声波检测通常是通过安装在变压器油箱壁上的超声波传感器以获取变压器的局放波信号,其频率段通常在M级别。图9为模拟局放实验检测的超声波检测信号,初步诊断结果为PDI-H,故障得分为95分,故障严重。

图9 超声波局放检测信号

4.3 变压器超高频放电检测

变压器高频放电检测通常可以通过贴片式特高频传感器或在油阀法兰里安装的特高频传感器以获得变压器的局放波信号,其频率段通常在300 MHz～1.5 GHz范围。图10为模拟局放实验检测的特高频检测信号,初步诊断结果为PDI-H,故障得分为85分,故障严重。

图10 特高频局放检测信号

将上述3种传感信息检测数据进行融合,得到最终诊断结果为PDI-H,对3种传感器得分进行不同权重分配,最终故障得分为90分,故障严重,符合实际情况。

5 结 论

(1) 基于单一传感器信息进行电力变压器设备状态判别,而不考虑其他影响因素,容易产生误判。

(2) 为了避免信息孤岛,利用多源信息融合综合判断变压器状态,能够得到更具容错性和可靠性的状态检测和评价系统,提高诊断精确度。

(3) 多源信息模型及评估决策的有效前提是正确感知变压器的各种信息。因此,信息获取的硬件电路好坏直接影响模型与评估决策精度。