
電力運(yùn)行部門曆來十分重(chóng)視變壓器等電(diàn)氣設(shè)備的絕緣監督,國內外電力行(háng)業大都(dōu)采用定期大修和預防性試驗製度。這種方法在一定程(chéng)度上保(bǎo)證了兩次(cì)大修之間電力設備的安全運行,但是這種方法也存在著缺(quē)點。首先,停運檢修不(bú)僅讓電力(lì)部門付出大量的人力物力,而且給用戶造成很大的不便;其次,停電檢修並不能(néng)準確(què)反映出電力設備實(shí)際運行時的狀態,因(yīn)此也就並不能完全保(bǎo)證電力設備在實際運行時的安全。因此通過開展對變壓器局部放(fàng)電的在線監測,可以在一定程度上發現許多內部存在的缺陷,對保證變壓器安全可靠運行具有重(chóng)要的(de)現(xiàn)實意義。
要準確地了解和掌握變壓(yā)器(qì)內缺陷類型性質(zhì)和(hé)特征,有效的方法是對獲得的局部放電信號進行模式識別。大量的研究表明,不同的放電(diàn)模式對絕緣的(de)危害程度(dù)不同。如:變壓(yā)器(qì)內部的氣隙及油中雜質放電(diàn)對變壓器絕緣的(de)危害程度較小,隻有緩慢地老化作用;高壓線(xiàn)圈端部(bù)的靜電板處常發生的油隙放(fàng)電、由線圈中的長墊塊向圍屏(píng)發展的沿麵(miàn)放電以及懸浮電極放電(diàn)則會使絕(jué)緣在較(jiào)短時間內損壞。因此監測變壓器(qì)的局部放電不(bú)但(dàn)要知道當前放電量的大小,而且要知道放電的類型。
傳統(tǒng)的(de)放電(diàn)類型識別主(zhǔ)要靠有經驗的專業人(rén)員來完成,在不考慮數(shù)據準確度的情(qíng)況下,診斷結果的合理性主要取決於專業(yè)人員的(de)責任心和經驗的積累程度。隨著計算機技術及數字信號處理技術(shù)的發展,人們提出了許(xǔ)多種自動模式識(shí)別方法,如基於隱式馬爾可夫模型(Hidden Markov Models),人工神(shén)經(jīng)網絡(ANN)、模糊理論、專家係統等模式識別法,其中人工(gōng)神經網絡以其(qí)大規模處理能力(lì)、分(fèn)布式存儲能力和自適應學習能力成為該領域研究人員的首選工具之一。特別是把(bǎ)現代(dài)數學分析技術與人工神經網絡相結合用於放電類型的模式識別中,會大大地提高(gāo)識別效果。