基于可靠性分析的大型变压器健康管理平台研究与设计

张 瑜，东鑫渊，朱永灿，刘 成

(1.西安思源学院，陕西 西安 710038； 2.西安工程大学，陕西 西安 710600)

1 大型变压器服役特点

大型电力变压器通常指500 kV及以上电压等级变电站中，承担电能转换与传输等重要职责的变压器，其在大型变电站中有着不可替代的地位。电气设备投运时间的增长必然会引起绝缘性能退化，如此便会暴露出大型变电站的某些安全隐患。如何保障大型变电站辐射范围内的供电安全可靠性，在减少甚至避免故障发生的同时减轻一线运营维护人员的检修工作量，是大型变电站智能化研究与发展过程中的重点与难点[1]。

大型变压器的全生命周期性能表现受运行时间以及工作环境的影响。首先，大型变电站作为复杂机械系统的特例，其服役载荷有时变复杂性，这些不确定性会产生不同程度的累积效应，则系统的可靠性将伴随载荷变化引起的累积效应发生改变。其次，大型变电站由于其供电容量的特殊性一般会偏离负荷中心，设备的服役环境相对复杂。雨雪、强风、雷电等自然环境、气象因素、地理水文之类外界环境的变化导致大型变压器运行服役、故障发展、维修活动等过程具有一定的动态性与随机性。此外，为了获取变压器不同部件的服役情况，需要通过多种采集装置或手段得到大量数据信息，例如在线监测数据、带电检测数据、预防性试验数据等，其采集周期、精度、量纲、前提条件、存储载体等千差万别，导致运行中的变压器在数据和信息上存在时空多尺度性[2-3]。

基于以上特点，本文选择以设备可靠性为原则对大型变压器的全生命周期健康状况进行分析与管理，提出基于可靠性分析的大型变压器健康管理平台建设方案，以提升运行中大型变压器维护维修工作的可靠性与经济性。

2 大型变压器健康管理技术架构

大型变压器可靠性是在一定的外部环境条件下，兼顾其自身运行状态及系统运行状况时，对变压器规定时间内完成相应功能的能力的度量。在对设备进行可靠性评估时，通常要研究设备的不同失效过程，针对不同失效模式，保障设备可靠性的方法也有所差异。

2.1 可靠性问题描述

由于复杂多变的工作环境，大型变压器在正常使用寿命范围内往往会受到多种因素的影响，通常将这些因素的作用方式划分为冲击作用和退化作用[4]。一方面，变压器性能指标，如绝缘水平，随服役时间增加而降低，当其低于某一性能阈值时，产品将会发生老化失效。另一方面，外部冲击作用也会使得变压器性能急剧降低，或冲击完全超过变压器安全运行的阈值，从而导致突发失效的发生，具体过程如图1所示。因此，本文主要考虑变压器独立故障失效、老化失效和冲击失效这三种失效模式下的健康管理方案。

图1 大型变压器失效过程模拟图示

独立故障失效是一类与时间无关的失效模式，可能是运行过程中任何原因引起的变压器本身功能丧失或故障的运行状态。老化失效是指变压器性能随着运行时间的增加而不断衰退直到超过失效阈值的一种失效模式，例如绝缘油纸的老化。冲击失效是由于系统内相互关联的电气设备故障引起冲击过程导致的，例如输电线路三相短路引起变压器绝缘油中H2含量超标等，冲击失效还可能造成冲击损伤，导致变压器性能的退化量突然增加。

2.2 可靠性分析理论与方法

决定变压器可靠性的几种失效模式之间符合竞争失效模型的逻辑，即无论哪一种失效模式发生，变压器都会被认为是失效的。根据竞争失效模型的理论，变压器整体的可靠性水平取决于任一可靠度最低的失效模式下设备的可靠性水平。因此，以提高变压器全生命周期可靠度为根本目标，运营管理单位需要降低各类失效模式发生的概率。

基于以上几种失效模式，根据其使用目的、失效机理、场合等需求的差异，设备的可靠性管理需要从多个维度展开。短期时间尺度下，独立故障导致的失效案例中已表现出较严重后果的功能性故障，需要通过快速的故障诊断算法，准确判断故障位置、故障元件和故障类型，并评判故障程度，有效地指导故障抢修。中长期时间尺度下，内外界变化引起的冲击失效分析需要通过设定合适的健康指标，对大型变电站及其关键设备进行从系统级到设备级的状态评估，通过量化指标真实完整地呈现出设备在某一时刻的服役状态及其未来时间的健康状态发展趋势，为检修及故障预警提供依据。长期时间尺度下，设备性能衰退导致的老化失效需要进行科学分析与管控，根据服役状态预测得到的变压器剩余寿命可以为设备的使用周期调整提供依据，从而保证变压器的价值最大化，提高电网的经济效益。

2.3 大型变压器健康管理目标

航空航天领域关于设备健康管理的先进案例表明，在设备运行过程中对其进行科学有效的监督有助于提前发现设备的安全隐患，并预知将来的故障类别，这对于延长变压器寿命周期、提升设备安全运行水平、提高经济运行效益有十分重要的意义。因此，有关变电企业需要注重自身的责任，确保能够全方面监测变电站运行的各个环节，并制定针对性解决方案，避免故障的发生，同时总结故障处理经验，保障变电站安全运行[5]。

大型变压器的健康管理需依托于现代高速发展的信息网络技术与手段，通过多源数据融合分析打破传统智能化监测系统之间存在的“信息孤岛”困局；在设备全寿命周期内，通过深化系统子应用功能提升对设备健康管理的效率，一方面提升变配电可靠性与安全水平，另一方面，积极推动运检管理模式变革，构建智能运维体系，从而实现设备状态全景化、数据分析智能化、生产指挥集约化、运检管理精益化的健康管理目标。结合管理需求，针对大型变压器的几大失效过程组，本文提出的大型变压器的可靠性分析与健康管理平台设计框架如图2所示。

图2 大型变压器健康管理目标框架

3 可靠性分析与健康管理研究内容

在全面分析影响大型变压器运行可靠性的不同类型信息的基础上，重点研究基于多信息融合的变压器独立故障失效诊断、遭遇冲击失效的健康状态后评估、基于全生命周期的寿命情况预测以支撑大型变压器健康管理平台的构建。

3.1 独立故障失效诊断

变压器在长期投运状态下不可避免会受到外部热、电及其他因素的影响，当某些因素的作用瞬时超出了变压器所能承受的极限，便会造成设备的独立故障失效。大型变压器的历史故障案例统计数据显示，变压器套管和引出线上相间短路、接地短路及绕组的匝间短路是占比较高的几类故障[6]。变压器独立故障失效诊断就是对变压器各类运行参数进行处理分析，判断其早期潜伏性故障的性质及类型，同时根据变压器的结构特点判断其故障点位置，以便及时采取有效措施防止故障范围的扩大与发展[7]。

在油浸式变压器独立故障失效诊断分析过程中，应用更多、效率更高的方法之一是油中溶解气体分析法(DGA)，其基本原理是利用变压器不同故障形式时绝缘油中分解出的特征气体组分及比值差异来对应故障类型。国内外针对DGA算法的实现逻辑多达十几种，包括IEC比值法、Dornenburg比值法、Rogers比值法等。其中，IEC比值法中C2H4/C2H6这一比值对于区分故障温度的高低相对有效，但无法精确实现对放电或热故障区分；Dornenburg比值法可以弥补这一短板，但诊断规则颗粒度不足常会出现无法对应的现象。鉴于各类比值法在使用过程中的局限性，采用基于IEC和Dornenburg比值法的融合改进DGA算法对变压器独立故障失效进行诊断与预判[8]。融合比值算法以乙炔的含量作为区分故障性质的重要指标，同时增加了C2H2/TCG可燃性气体总量(total combustible gases，简称TCG)比值作为参考值，用以提高算法的故障分辨能力。乙炔作为可燃性气体之一，其比值一般不会覆盖整个区域且不超过90%。具体的故障类型判断方法和编码规则分别如表1所示。

表1 融合比值法故障类型判别方法(参考值：C2H2/TCG)

DGA比值算法存在一个普遍性问题：划分各种故障类型时存在一定的模糊性，较难实现全量信息一一对应。由表2可知，不同故障类型之间比值边界的确定是融合比值算法诊断分析准确性的关键所在。为使诊断结果可靠性更高，可引入神经网络等人工智能算法，进行过程层迭代分析，得到更为可信的诊断结果[9]。

表2 融合比值法编码规则

3.2 冲击失效状态评估

变压器作为一种复杂的机械设备，包含的各类部件大多都处于随机载荷环境中，其失效并非为独立的，各部件的失效具有一定关联性。对大型变压器遭遇外界环境冲击失效的状态后评估包括对变压器的健康水平及风险等级进行定义，并分析其结构、特征、功能和运行机制，研究其健康的内部机理，建立包括各项数据指标的重要度和时效性的动态评估指标、部件的重要度评估指标、变压器本身的健康程度指标、变压器的风险等级指标等一系列指标体系，以此对大型变压器的冲击失效的状态进行全面后评估[10]。以上目标的实现涵盖变压器健康水平评估和风险等级评估两大核心问题。

大型变压器的全量状态数据是现行的变压器健康水平评估方法的主要参数，依据《变压器健康评估导则》，每一个状态值都唯一对应一个健康分数，通过加权平均的方法可计算得到反映变压器综合状态的“健康指数”[11]。但这种方法存在一定的局限性，为了提高状态评估的时效性和准确性，采用基于人工神经网络(ANN)和Dempster-Shafer(简称D-S)证据理论构建多信息融合的变压器健康水平评估模型，对传统的“打分法”进行了优化[12]。模型选取油中溶解气体、绕组直流电阻、铁芯绝缘电阻、变压器负载、油温等具有代表性的状态信息作为静态状态量，选取部分试验数据的变化趋势情况作为渐变状态量，采用非线性指标评价函数对状态量进行归一化处理；以并联式人工神经网络为基础，结合变压器状态信息的分类，将变压器各类信息作为人工神经网络的输入，得到对单个状态量进行状态评价的结果，然后通过D-S证据理论合成法则推理得到变压器健康水平评估结论[13]。评估模型如图3所示。

图3 健康水平评估流程图

风险等级评估基于变压器健康水平评估的基础上开展，针对健康水平评估结果为非正常状态的大型变压器增加风险等级的评价，从而量化测评变压器非健康状态的影响或损失的可能程度，以便产生合理的运行维护策略及时有效消除隐患。风险等级评估以风险值作为指标，综合考虑变压器本身的资产水平、资产损失的影响及变压器发生故障的概率三者的作用[14]。

R(t)=A(t)×F(t)×P(t)

式中：R为设备风险值；A为设备资产，包括设备价值A1、设备地位A2和用户等级A3三个因素，每个因素分成多个等级，取值范围为0～10；F为资产损失，包括设备损坏、人身安全、供电可靠性和社会影响四个要素的损失，具体参数可在《Q/GDW 1903—2013 输变电设备风险评估导则》中查询获取；P为设备发生故障的概率，与其健康水平评估结果呈指数关系。基于以上逻辑得到综合考虑故障概率与损失后果的数学期望，从而量化其风险等级。

3.3 老化失效寿命预测

加速变压器寿命终结的根源之一体现为绝缘的老化，而大型变压器的老化失效是复杂而繁多的外界因素随时间累计的结果，其产生、发展伴随着一定的时间过程。众多因素的不确定性使得相同厂家、相同品牌、同一批次投运的设备在相同时间可能处于不同的绝缘状态，而现行的定期大修、小修、报废策略无法保证在役变压器的可靠性与经济性诉求[15-16]。因此，准确评测每一台变压器的绝缘水平，预测其剩余寿命，对于科学的运行监督与管理有重要意义。

大型变压器老化失效形势下的寿命预测技术重点研究两个方面：变压器绝缘及老化状态评估和变压器剩余寿命预测。绝缘及老化状态评估是指根据当下设备的试验参数及运行参数判断绝缘水平，尽管一台变压器从投运到报废经历了一系列随机事件，但大量的随机事件中包含一定的规律性，偶然事件中包含着必然性，支配变压器工作寿命的规律是实际存在的，研究需要挖掘出其中的隐藏规律，并将研究规律反作用于生产，用以预测变压器的剩余寿命[17]。

对变压器绝缘及老化状态的评估，可借助于变压器油试验及运行数据进行分析。油中糠醛含量与溶解气体相关性分析试验表明，随着运行年限的增长，油中糠醛和丙酮的含量也不断的增大，且糠醛含量与CO+CO2、CO2、CO2/CO等气体相关性较大，与CO等气体的相关性较小，总烃含量相关性为零[18]。利用糠醛含量与寿命经验公式，根据预试试验的糠醛含量Cfur估算糠醛含量因子Ffur，从而评估出变压器的绝缘水平。

剩余寿命预测重点研究变压器绝缘水平变化趋势以及结合历史数据的状态趋势退化过程的判断方法。在未来时间维度中，相关失效的不确定性会极大影响变压器老化失效过程，为了量化预测的不确定性，可选取威布尔概率值来验证变压器的寿命分布，从而建立基于隐马尔科夫模型的大型变压器剩余寿命预测模型，利用系统已退化数据以及已知历史退化数据对变压器剩余寿命做出预测。隐马尔科夫模型常用于从可观察的参数中确定该过程的隐含参数，根据或直接或间接获取到的数据作下一步的分析，具体内容可参考文献[19]。

3.4 实例分析

某500 kV变电站主变压器型号为SSP-840MVA/500 kV，生产日期为2006年1月，投运日期为2006年10月。2010年10月18日，色谱数据和电气试验数据正常，在2011年4月12日进行油中溶解气体例行试验时发现：氢气662 μL/L，甲烷1 707 μL/L，乙烯2 048 μL/L，乙烷708 pL/L，乙炔2.2 μL/L，总烃4 466 μL/L，一氧化碳、二氧化碳与半年前数据相比基本未增长，彼时变压器关键状态信息如表3、表4所示。

表3 主变压器油中溶解气体分析及部分停电试验数据

表4 主变压器油中溶解气体分析及部分停电试验数据

根据本文提出的可靠性分析与健康管理方案对上述案例进行分析：短期时间尺度下，总烃含量超标并出现乙炔可能造成独立故障失效，针对该类型失效情况，通过3.1节所述融合比值算法对故障类型、故障元件、故障位置等参数进行分析判断。

分析可知，变压器故障类型为低温过热(<300 ℃)，停电试验测得各项数据基本正常，未发现明显缺陷点。综合故障诊断分析认为该变压器内部存在裸金属过热的重大隐患，初步决定该主变压器返厂大修。

为切实找准故障点和保证大修必要性及质量，针对该案例从中长期时间尺度下对其服役状态进行评估。采用3.2节所述方法评估变压器健康水平，所得健康分值为60，异常状态。对该非正常状态的影响进行量化，即风险等级评估过程如下：

R(t)=A(t)×F(t)×P(t)=

A×F×K×e-C×CI=

8.6×6×15.91×e-0.051×60=

38.5

可知，该变压器目前处于高风险等级，确需返厂大修。

一般情况下，变压器的服役年限为15年，该案例中变压器的服役状态总结为：故障失效、高风险、理想年限长，检修之前无需考虑老化失效的影响，可在返厂大修后采集变压器的运行状态数据，再通过3.3节所述方法具体分析变压器的老化失效情况，预测其剩余寿命。此外，当变压器在线监测数据存在异常，但整体健康水平处于注意状态及以上时，老化失效分析是判断是否有必要对变压器进行大修或退网的有效手段。

4 大型变压器健康管理平台设计

4.1 系统整体架构设计

系统架构是保障系统稳定性运行的基础。当前针对系统技术架构体系布局主要包括B/S和C/S两种模式，其中C/S模式将任务分配到客户端和服务器端，并赋予了客户端更多的功能，减轻了服务器端的访问和数据处理压力；B/S作为在C/S模式上的拓展，是将传统C/S客户端中的业务功能放到服务器端，从而让用户只需要通过IE浏览器即可实现对数据系统的访问[20]。由于全生命周期的健康管理对数据响应速度依赖性较高，本文选择B/S与C/S模式结合作为系统技术架构，其中BS端包含数据访问层、业务逻辑层和表现层，数据访问层程序用于与数据库直接交互，完成平台数据库、数据库表单等添加、删除、修改和查询的操作指令；业务逻辑层依托于C/S客户端形式，重点实现数据的处理与分析等业务逻辑需求，就地部署；表现层采用ASP、http和jsp实现对前端网页的开发，承担管理用户接口、报告请求等与用户交互的功能，作为一个“外壳”不含任何的逻辑处理过程[21-22]。具体体系架构如图4所示。

图4 大型变压器健康管理平台系统架构图

4.2 平台功能模块设计

大型变压器健康管理平台是基于大量数据的分析计算，实现变压器全生命周期的健康状态分析与管理功能，为设备的安全可靠、高效经济运行和维护提供决策依据。大型变压器健康管理平台的主要功能包含变压器状态信息汇总与查询、告警信息管理、设备的生命周期健康管理、运维检修的生命周期流程管理及系统管理几大模块。具体如图5所示。

图5 平台功能模块设计图

(1)状态汇总：设计数据录入和查询的表单界面，通过数据报表、可视化图形、弹窗、报表等形式综合显示变压器的运行参数，包括在线监测、带电检测、预防性试验、出厂信息等全维度设备状态信息。

(2)告警管理：通过指示、手机短信以及邮件等告警方式，呈现变压器全维度状态信息、失效状态分析结果等平台输入输出参数的越限情况。

(3)健康管理：设备失效状态评估与分析功能的实现需要加载响应诊断、评估、预测等算法程序，同时也要对相关参数进行配置。包含故障诊断、健康评估、寿命预测三个子模块，分别实现对独立故障失效、环境冲击失效、绝缘老化失效几种模式的评估与分析。

(4)运维管理：对变压器不同失效模式下所需采取的维护维修策略下关联的检测任务进行统一下发、追踪、反馈，实现运维流程的全生命管理。

(5)系统管理：该模块主要对系统权限、参数、日志等进行基础的管理。

5 结 语

大型变压器健康管理平台通过状态监测、故障诊断、状态评估、剩余寿命预测等环节来确定变压器可能出现的失效情况及未来发展趋势，并生成状态报告。从现实角度来说，对设备的健康管理与对人类的健康管理逻辑上具有相通性，人类无法直接消除疾病或故障，但可以了解和预计异常何时可能发生，或在出现意料之外的异常时，快速确定触发诊治或维修工作，合理地安排设备的维护维修从而实现计划性的视情维修。视情维修与定时维修策略(计划维修)并不矛盾，其本质是为了尽力减少非计划维修，通过有效的健康管理技术与手段来实现动态维修计划的制定，使其更加符合实际的维修需要，降低维修和运营成本，这是电气设备维修的发展趋势。

本文搭建的大型变压器健康管理平台为电气设备视情维修的开展提供了理论依据，后续需考虑如何通过先进的决策理论将健康管理理念中所具有的强大功能落实在维修决策上，从而制定出合理的检修策略，确定合理的维修地点、检修方式、所需备品备件、保障设备、最佳人力需求等，通过人为力量延长设备使用寿命，缩短维修时间，减少运维成本。