CN104020370B - 基于虚拟参数变化监视的变压器内部故障诊断方法 - Google Patents

Abstract

本发明提供一种基于虚拟参数变化监测的变压器内部故障诊断方法，具体包括以下步骤：定时间间隔从SCADA数据库中获取当前时间断面的变压器各侧有功、无功、电流和变压器分接头位置；确定变压器的有功、无功功率流入侧，并计算在变压器上的总有功损耗和总无功损耗；结合各侧电流，利用递归最小二乘法计算出变压器各侧虚拟漏抗和电阻，并做记录；监视变压器分接头变化后虚拟漏抗和电阻变化曲线，当发现虚拟参数在一段时间内变化超过定值，且持续足够长时间，则认为变压器可能存在内部故障。本发明降低了对测量数据的要求，同时使得发电机内部故障在线诊断成为方便可行的技术，从而及时发现有内部故障的变压器，减少电网损失。

Description

基于虚拟参数变化监视的变压器内部故障诊断方法

技术领域

本发明属于电力系统设备故障诊断领域，更具体地涉及利用SCADA数据，基于对变压器虚拟电阻和虚拟漏抗参数变化量的跟踪监视，实现对变压器内部故障的在线诊断。

背景技术

常规的设备监测主站，例如巡维中心，对变压器运行状态的评价是基于变压器的温度、压力、油气成分分析等非电气量指标来实现的。这些方法依赖于对变压器一次设备投资相应的二次专用量测设备，不仅需要额外的大量投资，还可能存在设备安装改造上的难题，尤其对于已经建成的变电站，加装这些非电气量的量测设备对正常运行有较大影响。巡维中心等设备监测主站可以在线从SCADA得到变压器各侧的电流、电压、有功、无功、变压器分接头位置等量测信息，并且由于这些量测都是位于同一站的同一设备，因此这些量测的同时性基本有保障。基于这些电气量测信息可以得到变压器的电阻、漏抗等参数信息。这些参数在设备正常运行、外部故障及励磁涌流时不发生变化，因此，当在线监测到变压器、电容器的电阻、漏抗等参数发生明显变化时，往往意味着设备内部发生绝缘损坏，绕组变形短路等故障。因此通过实时监视设备的参数的变化，可以及时发现变压器设备的内部故障。从而节省测量设备的投资和避免变压器安装非电气量测量设备的困难。

此外，传统的基于电气量的变压器参数识别方法基于较准确的变压器模型，例如考虑变比、激磁回路阻抗、分相辨识等，其目的是算出更接近于实际的变压器虚拟电阻和虚拟漏抗。然而，在电网调度中心比较容易获取的SCADA数据中，通常只有秒级电压、电流幅值量测、以及根据三相功率计算的综合功率因数，据此难以计算出通常意义的准确的变压器分相参数。为了使变压器在线诊断技术便于在任何常规的监控中心推广应用，因此仅利用SCADA数据完成变压器内部的故障诊断是非常必要的。为此，本项目提出了一个基于SCADA的正序电流幅值、综合有功和无功计算三相变压器虚拟漏感和电阻的方法；通过对一段时间内虚拟漏感和电阻的计算和统计，识别出虚拟漏感和电阻的异常变化，提示运行人员变压器可能发生内部故障。由于不需要精确算出变压器的漏感和电阻值，因此降低了对测量数据的要求，便于本方法的广泛实施。此外，同一变电站内RTU即SCADA量测数据的同时性不会太差，也为本发明方法的实施和有效利用提供了有利条件。

发明内容

本发明的目的是利用在日常电网监视中易于获取的SCADA数据，实现对变压器设备内部故障的在线诊断。来自于RTU的SCADA数据相对于瞬时值录波数据和PMU的动态向量数据来说，具有同步精度不高，数据的时间密度不大，没有准确的电压或电流相位信息(除了对三相总计功率功率因数的考虑外)等特点。基于SCADA数据通常难以准确计算出变压器的真实电阻和漏抗。本文提出利用统计方法发现变压器电阻和漏抗的异常变化，不需要精确计算出变压器的电阻和漏抗，降低了对测量数据的要求。

该发明的具体步骤如下：

1.以秒级时间间隔(例如2秒钟)从SCADA数据库中获取最新时间断面的变压器各侧三相总有功、三相总无功、各相各侧电流、变压器分接头位置；

2.以变压器三相总有功功率最大侧为有功功率流入侧P_in，其余侧为有功功率流出侧P_out，从而得到变压器上的总有功消耗P_loss；在三绕组降压变压器中，在该变压器上消耗的有功功率为：

P_loss＝P_in-P_out1-P_out2

3.以变压器三相总无功功率绝对值最大侧为无功功率流入侧Q_in，其余侧为无功功率流出侧Q_out，从而得到变压器上的总无功消耗Q_loss；以三绕组降压变压器为例，在该变压器上消耗的无功功率为：

Q_loss＝Q_in-Q_out1-Q_out2

4.以P_loss、Q_loss构成量测向量d＝[P_loss,Q_loss]^T，以各相各侧电流当前SCADA有效值量测为基础构成状态向量u，对于三绕组降压变压器，令

其中k表示a、b、c相，

u＝[u_a u_b u_c]

以变压器各相各侧虚拟电阻和虚拟漏抗构成待求解的参数向量w，对于三绕组降压变压器w_k＝[R_{in_k},R_{out1_k},R_{out2_k},X_{in_k},X_{out1_k},X_{out2_k}]^T,w＝[w_a w_b w_c]^T

这些量满足以下线性方程，

$\left[\begin{array}{c}{P}_{loss}\\ Q_{loss}\end{array}\right]=d=uw=\left[\begin{array}{ccc}{u}_a& u_b& u_c\end{array}\right]{\left[\begin{array}{ccc}{w}_a& w_b& w_c\end{array}\right]}^T=u_a{w}_a+u_b{w}_b+u_c{w}_c$

其中

$u_k{w}_k=\left[\begin{array}{cccccc}{I}_{in\_k}^2& -I_{out1\_k}^2& -I_{out2\_k}^2& & 0& \\ & 0& & I_{in\_k}^2& -I_{out1\_k}^2& -I_{out2\_k}^2\end{array}\right]\left[\begin{array}{c}{R}_{in\_k}\\ R_{out1\_k}\\ R_{out2\_k}\\ X_{in\_k}\\ X_{out1\_k}\\ X_{out2\_k}\end{array}\right]$

式中下标k表示abc相别。

5.用递归最小二乘法，在每个量测时间断面i求解出上述方程的参数向量，具体包括以下子步骤：

5.1)对参数向量中变压器各虚拟阻抗以及递归最小二乘法参数进行初始化

a)对于三绕组降压变压器初始各相各侧电阻电抗为

w_k,-1＝[0.01,0.01,0.01，0.1,0.1,0.1]^T；

w_-1＝[w_a,-1 w_b,-1 w_c,-1]^T

b)对w_k,-1中各初始化虚拟参数设定信任因子，由此得到对角矩阵P_k,-1，其对角元素由各信任因子组成，对三绕组变压器一相的维数为6×6；若设各信任因子均为0.1，则

$P_{k,-1}=\left(\begin{array}{cccccc}0.1& 0& 0& & & \\ 0& 0.1& 0& & 0& \\ 0& 0& 0.1& & & \\ & & & 0.1& 0& 0\\ & 0& & 0& 0.1& 0\\ & & & 0& 0& 0.1\end{array}\right)$

$P_{-1}=\left(\begin{array}{ccc}{P}_{a,-1}& 0& 0\\ 0& P_{b,-1}& 0\\ 0& 0& P_{c,-1}\end{array}\right)$

c)初始化遗忘因子λ，可取为0.99。

5.2)按下式求解矩阵g_i，

$g_i=\frac{{\mathrm{\λ}}^{-1}{P}_{i-1}{u}_i}{1+{\mathrm{\λ}}^{-1}{u}_i^T{P}_{i-1}{u}_i}$

5.3)按下式求解向量w_i，即各变压器各侧的虚拟电阻和虚拟漏抗参数，并计入历史数据库

$w_i=w_{i-1}+g_i\[d_i-u_i^T{w}_{i-1}\]$

5.4)按下式求解矩阵P_i，为下一SCADA或状态估计时刻T_i+1求解线性组合系数做准备

6.以变压器分接头变化或程序初始启动60秒后的各虚拟参数曲线作为有效的变压器虚拟参数观测曲线，以降低初始参数估计不准确造成的影响。即当有变压器分接头变化事件后，重新生成有效的变压器虚拟参数观测曲线。

7.取各虚拟参数的有效观测曲线的起始120秒的估计结果的平均值作为变压器各侧绕组当前基准虚拟参数。

8.虚拟阻抗异常变化判断：对于虚拟电阻参数，当有效观测曲线120秒后的虚拟电阻参数超过当前基准虚拟电阻20％，且持续600秒以上，则认为虚拟电阻发生异常变化；对于虚拟漏抗参数，当有效观测曲线120秒后的虚拟漏抗参数超过当前基准虚拟漏抗15％，且持续600秒以上，则认为虚拟漏抗发生异常变化。

9.当发现变压器某侧绕组虚拟电阻或虚拟漏抗参数发生异常变化，则认为变压器可能存在内部故障，给用户发出告警信息，提示用户对该变压器以及虚拟电阻和虚拟漏抗发生变化的支路进行检修。

本发明提出的利用统计方法发现变压器电阻和漏抗的异常变化，不需要精确计算出变压器的电阻和漏抗，降低了对测量数据的要求；此外同一变电站的RTU量测的同时性不会太差也为本发明的方法提供了有利条件，这就使得工程中广泛应用的基于RTU测量得到的SCADA数据，可以用于变压器参数辨识中，使得发电机内部故障在线诊断成为方便可行的技术，从而有可能大规模应用，及时发现有内部故障的变压器，减少电网损失。

附图说明

下面结合附图及具体实施例对本发明再作进一步详细的说明。

图1为基于虚拟参数变化监测的变压器内部故障诊断方法流程图。

具体实施方式

本发明所提出的基于RTU/SCADA数据实现的变压器内部故障诊断方法可应用于调度中心、巡维中心或变电站内的设备状态监视模块。原始数据可直接采自RTU，也可从SCADA的实时库或历史库中获取或转发。虽然要求是取同一时间断面的数据，但是由于采用了统计方法和虚拟参数的方法，因此对数据的同时性要求并不严格，具有很强的容错性。通常只要取以调度中心主站时钟为基准的SCADA数据库中的同一时间断面数据就可达到要求。此外，由于变压器各侧RTU量测数据通常是以同一变电站的同一时钟为基准，甚至是同一量测装置，因此其同时性受时钟基准不同导致的误差较小，受传输时间延迟的影响相同，因此有利于本算法获取更准确的诊断效果。

对于量测数据的类型的选择，完全依据SCADA的采集惯例。对于SCADA来说，其上送到调度中心主站的数据通常是三相电流、三相相电压和三相线电压，以及三相有功功率之和和三相无功功率之和以及变压器分接头位置信息。因此，本发明，选取变压器各侧三相有功功率之和和三相无功功率之和以及三相电流为基础，构建虚拟参数识别方法。而不是采用单相功率或正序量测。

为了实时地监视管辖范围内所有的变压器设备，在EMS的应用服务器或设立单独的设备监视服务器实时地以大约2秒为周期，基于递归算法，计算各被监视变压器的虚拟参数，并进行统计，当发现虚拟参数与历史值有较大变化时，提醒运行人员对相应的变压器进行更细致的诊断。虚拟参数是以变压器的电阻和漏抗为参考构建的，这两种参数通常在正常运行情况下或外部故障时不会有大的变化，因此可作为变压器内部故障的判据。同时，由于仅通过这两个参数的变化发现故障，因此可以仅考虑影响其变化的主要状态量，而不必精确计算出其真实值，从而提高了监测算法的可行性和使用性。

实现该发明的方法流程图见附图1，具体步骤如下：

步骤1：以秒级时间间隔(例如2秒钟)从SCADA数据库中获取最新时间断面的变压器各侧三相总有功、三相总无功、各相各侧电流、变压器分接头位置；

步骤2：以变压器三相总有功功率最大侧为有功功率流入侧P_in，其余侧为有功功率流出侧P_out，从而得到变压器上的总有功消耗P_loss；以三绕组降压变压器为例，在该变压器上消耗的有功功率为：

P_loss＝P_in-P_out1-P_out2

步骤3：以变压器三相总无功功率绝对值最大侧为无功功率流入侧Q_in，其余侧为无功功率流出侧Q_out，从而得到变压器上的总无功消耗Q_loss；以三绕组降压变压器为例，在该变压器上消耗的无功功率为：

Q_loss＝Q_in-Q_out1-Q_out2

步骤4：以P_loss、Q_loss构成量测向量d＝[P_loss,Q_loss]^T，以各相各侧电流当前SCADA有效值量测为基础构成状态向量u，对于三绕组降压变压器，令

其中k表示a、b、c相，

u＝[u_a u_b u_c]

以变压器各相各侧虚拟电阻和虚拟漏抗构成待求解的参数向量w，对于三绕组降压变压器w_k＝[R_{in_k},R_{out1_k},R_{out2_k},X_{in_k},X_{out1_k},X_{out2_k}]^T,w＝[w_a w_b w_c]^T

这些量满足以下线性方程，

$\left[\begin{array}{c}{P}_{loss}\\ Q_{loss}\end{array}\right]=d=uw=\left[\begin{array}{ccc}{u}_a& u_b& u_c\end{array}\right]{\left[\begin{array}{ccc}{w}_a& w_b& w_c\end{array}\right]}^T=u_a{w}_a+u_b{w}_b+u_c{w}_c$

其中

$u_k{w}_k=\left[\begin{array}{cccccc}{I}_{in\_k}^2& -I_{out1\_k}^2& -I_{out2\_k}^2& & 0& \\ & 0& & I_{in\_k}^2& -I_{out1\_k}^2& -I_{out2\_k}^2\end{array}\right]\left[\begin{array}{c}{R}_{in\_k}\\ R_{out1\_k}\\ R_{out2\_k}\\ X_{in\_k}\\ X_{out1\_k}\\ X_{out2\_k}\end{array}\right]$

式中下表k表示abc相别。

步骤5：用递归最小二乘法，在每个量测时间断面i求解出上述方程的参数向量，具体包括以下子步骤：

5.1)对参数向量中变压器各虚拟阻抗以及递归最小二乘法参数进行初始化，

a)对于三绕组降压变压器初始各相各侧电阻电抗为

w_k,-1＝[0.01,0.01,0.01，0.1,0.1,0.1]^T；

w_-1＝[w_a,-1 w_b,-1 w_c,-1]^T

b)对w_k,-1中各初始化虚拟参数设定信任因子，由此得到对角矩阵P_k,-1，其对角元素由各信任因子组成，对三绕组变压器一相的维数为6×6；若设各信任因子均为0.1，则

$P_{k,-1}=\left(\begin{array}{cccccc}0.1& 0& 0& & & \\ 0& 0.1& 0& & 0& \\ 0& 0& 0.1& & & \\ & & & 0.1& 0& 0\\ & 0& & 0& 0.1& 0\\ & & & 0& 0& 0.1\end{array}\right)$

$P_{-1}=\left(\begin{array}{ccc}{P}_{a,-1}& 0& 0\\ 0& P_{b,-1}& 0\\ 0& 0& P_{c,-1}\end{array}\right)$

c)初始化遗忘因子λ，可取为0.99。

5.2)按下式求解矩阵g_i，

$g_i=\frac{{\mathrm{\λ}}^{-1}{P}_{i-1}{u}_i}{1+{\mathrm{\λ}}^{-1}{u}_i^T{P}_{i-1}{u}_i}$

5.3)按下式求解向量w_i，即各变压器各侧的虚拟电阻和虚拟漏抗参数，并计入历史数据库

$w_i=w_{i-1}+g_i\[d_i-u_i^T{w}_{i-1}\]$

5.4)按下式求解矩阵P_i，为下一SCADA或状态估计时刻T_i+1求解线性组合系数做准备

$P_i={\mathrm{\λ}}^{-1}\[P_{i-1}-g_i{u}_i^T{P}_{i-1}\]$

步骤6：以变压器分接头变化或程序初始启动60秒后的各虚拟参数曲线作为有效的变压器虚拟参数观测曲线，以降低初始参数估计不准确造成的影响。即当有变压器分接头变化事件后，重新生成有效的变压器虚拟参数观测曲线。

步骤7：取各虚拟参数的有效观测曲线的起始120秒的估计结果的平均值作为变压器各侧绕组当前基准虚拟参数。

步骤8：虚拟阻抗异常变化判断：对于虚拟电阻参数，当有效观测曲线120秒后的虚拟电阻参数超过当前基准虚拟电阻20％，且持续600秒以上，则认为虚拟电阻发生异常变化；对于虚拟漏抗参数，当有效观测曲线120秒后的虚拟漏抗参数超过当前基准虚拟漏抗15％，且持续600秒以上，则认为虚拟漏抗发生异常变化。

步骤9：当发现变压器某侧绕组虚拟电阻或虚拟漏抗参数发生异常变化，则认为变压器可能存在内部故障，给用户发出告警信息，提示用户对该变压器，尤其是虚拟电阻和虚拟漏抗发生变化的支路进行检修。

Claims (8)

1.一种基于虚拟参数变化监视的变压器内部故障诊断方法，其特征在于，该方法仅计算变压器的虚拟参数，利用统计方法通过虚拟参数的异常变化发现变压器的内部故障，其包含以下步骤：

步骤1)：以秒级时间间隔从SCADA数据库中获取最新时间断面的变压器各侧三相总有功、三相总无功、各相各侧电流、变压器分接头位置；

步骤2)：以变压器三相总有功功率最大侧为有功功率流入侧P_in，其余侧为有功功率流出侧P_out，从而得到变压器上的总有功消耗P_loss；在三绕组降压变压器中，在该变压器上消耗的有功功率为：

P_loss＝P_in-P_out1-P_out2

步骤3)：以变压器三相总无功功率绝对值最大侧为无功功率流入侧Q_in，其余侧为无功功率流出侧Q_out，从而得到变压器上的总无功消耗Q_loss；在三绕组降压变压器中，在该变压器上消耗的无功功率为：

Q_loss＝Q_in-Q_out1-Q_out2

步骤4)：以P_loss、Q_loss构成量测向量d＝[P_loss,Q_loss]^T，以各相各侧电流当前SCADA有效值量测为基础构成状态向量u，对于三绕组降压变压器，令

其中k表示a、b、c相，

u＝[u_a u_b u_c]

以变压器各相各侧虚拟电阻和虚拟漏抗构成待求解的参数向量w，对于三绕组降压变压器w_k＝[R_{in_k},R_{out1_k},R_{out2_k},X_{in_k},X_{out1_k},X_{out2_k}]^T,w＝[w_a w_b w_c]^T

这些量满足以下线性方程，

$\left[\begin{array}{c}{P}_{loss}\\ Q_{loss}\end{array}\right]=d=uw=\[\begin{array}{ccc}{u}_a& u_b& u_c\end{array}\]{\left[\begin{array}{ccc}{w}_a& w_b& w_c\end{array}\right]}^T=u_a{w}_a+u_b{w}_b+u_c{w}_c$

其中

$u_k{w}_k=\left[\begin{array}{cc}{I}_{in\_k}^2-I_{out1\_k}^2-I_{out2\_k}^2& 0\\ 0& I_{in\_k}^2-I_{out1\_k}^2-I_{out2\_k}^2\end{array}\right]\left[\begin{array}{c}{R}_{in\_k}\\ R_{out1\_k}\\ R_{out2\_k}\\ X_{in\_k}\\ X_{out1\_k}\\ X_{out2\_k}\end{array}\right]$

式中下标k表示abc相别；

步骤5)：用递归最小二乘法，在每个量测时间断面i求解出所述方程的参数向量w；

步骤6)：以变压器分接头变化或程序初始启动T₁秒后的各虚拟参数曲线作为有效的变压器虚拟参数观测曲线，以降低初始参数估计不准确造成的影响，即当有变压器分接头变化事件后，重新生成有效的变压器虚拟参数观测曲线；

步骤7)：取各虚拟参数的有效观测曲线的起始T₂秒的估计结果的平均值作为变压器各侧绕组当前基准虚拟参数；

步骤8)：虚拟阻抗异常变化判断：对于虚拟电阻参数，当有效观测曲线T₂秒后的虚拟电阻参数超过当前基准虚拟电阻百分比数达α及以上，且持续T₃秒以上时，则认为虚拟电阻发生异常变化；对于虚拟漏抗参数，当有效观测曲线T₂秒后的虚拟漏抗参数超过当前基准虚拟漏抗百分比数达β及以上，且持续T₃秒以上时，则认为虚拟漏抗发生异常变化；

步骤9)：当发现变压器某侧绕组虚拟电阻或虚拟漏抗参数发生异常变化，则认为变压器可能存在内部故障，给用户发出告警信息，提示用户对该变压器以及虚拟电阻和虚拟漏抗发生变化的支路进行检修。

2.根据权利要求1所述的基于虚拟参数变化监视的变压器内部故障诊断方法，其特征在于，所述步骤1)中秒级时间间隔取2秒。

3.根据权利要求1所述的基于虚拟参数变化监视的变压器内部故障诊断方法，其特征在于，所述步骤5)中求解时间断面i的参数向量w的递归最小二乘法参数具体包括以下步骤：

(1)对参数向量w中变压器各虚拟阻抗以及递归最小二乘法参数进行初始化：

a)对于三绕组降压变压器初始各相各侧虚拟电阻和虚拟漏抗为

w_k,-1＝[0.01,0.01,0.01，0.1,0.1,0.1]^T；

w_-1＝[w_a,-1 w_b,-1 w_c,-1]^T

b)对w_k,-1中各初始化虚拟参数设定信任因子，由此得到对角矩阵P_k,-1，其对角元素由各信任因子组成，对三绕组变压器一相的维数为6×6；若设各信任因子均为0.1，则

$P_{k,-1}=\left(\begin{array}{cccccc}0.1& 0& 0& & & \\ 0& 0.1& 0& & 0& \\ 0& 0& 0.1& & & \\ & & & 0.1& 0& 0\\ & 0& & 0& 0.1& 0\\ & & & 0& 0& 0.1\end{array}\right)$

$P_{-1}=\left(\begin{array}{ccc}{P}_{a,-1}& 0& 0\\ 0& P_{b,-1}& 0\\ 0& 0& P_{c,-1}\end{array}\right)$

c)初始化遗忘因子λ取0.99；

(2)按下式求解矩阵g_i，

$g_i=\frac{{\mathrm{\λ}}^{-1}{P}_{i-1}{u}_i}{1+{\mathrm{\λ}}^{-1}{u}_i^T{P}_{i-1}{u}_i}$

(3)按下式求解向量w_i，即各变压器各侧的虚拟电阻和虚拟漏抗参数，并计入历史数据库

$w_i=w_{i-1}+g_i\[d_i-u_i^T{w}_{i-1}\]$

(4)按下式求解矩阵P_i，为下一SCADA或状态估计时刻T_i+1求解线性组合系数做准备

$P_i={\mathrm{\λ}}^{-1}\[P_{i-1}-g_i{u}_i^T{P}_{i-1}\].$

4.根据权利要求1所述的基于虚拟参数变化监视的变压器内部故障诊断方法，其特征在于，所述步骤6)中时间参数T₁取60秒。

5.根据权利要求1所述的基于虚拟参数变化监视的变压器内部故障诊断方法，其特征在于，所述步骤7)中时间参数T₂取120秒。

6.根据权利要求1所述的基于虚拟参数变化监视的变压器内部故障诊断方法，其特征在于，所述步骤8)中时间参数T₃取600秒。

7.根据权利要求1所述的基于虚拟参数变化监视的变压器内部故障诊断方法，其特征在于，所述步骤8)中百分比数α取20％。

8.根据权利要求1所述的基于虚拟参数变化监视的变压器内部故障诊断方法，其特征在于，所述步骤8)中百分比数β取15％。