电力设备故障故障诊断及状态检修李生祯

电力设备故障故障诊断及状态检修李生祯

李生祯

（身份证号：62230119870927xxxx）

摘要：在我国电力系统运行规模不断扩大的趋势下，要加强对电力设备常见问题的诊断和分析，以相关的检测参数为依据和参考，采用切实有效的电力设备检修方法和技术，确保电力设备运行安全与稳定。

关键词：电力设备；常见问题；诊断；检修

1在线状态监测技术

1.1在线状态监测技术的内容与目的

在信息化、自动化技术快速发展的大环境下，有关电力系统的在线检测成为可能，该技术的出现让相关人员能足不出户地了解电力系统运行情况，进而积极避免了系统故障的发生。就目前的情况而言，在线状态监测技术的出现有效满足了当前系统管理的要求，通过对电力系统关键设备的运行状态进行评估，获取与之有关的数据与资料，最终为故障诊断提供帮助。现阶段的电力系统在线状态检测技术主要由数据采集、数据分析与特征提取等组成，在这些功能模块的影响下，电力系统在线状态监测技术能够有效评估电力系统的运行情况，并根据状态监测的目的，了解电力系统的运行情况，构建相应的数据档案。

同时，系统还具有强大的设备运行监测能力，当某个电力系统设备出现运行故障后，系统将会对该电力设备的运行状态进行评估，并将评估结果反馈给总站，方便总站快速定位故障设备，实现了对电力系统故障的处理。

1.2在线状态检测技术的应用

在电力系统运行过程中，电力系统以及相关设备的运行故障存在一定的差别，常见的故障可以分为瞬变性故障与缓变性故障两种。其中，瞬变性故障的发生时间很短，包括相间短路等，这些故障的出现将会直接影响电力系统的运行情况。针对瞬变性故障，在线状态检测技术能够在故障发生的一瞬间就获取相应的故障信息，并快速地在信息系统上反馈，方便技术人员快速掌握电力系统故障的相关资料。相比之下，缓变性故障主要是指在电力系统、电力设备的运行过程中出现的故障，最终发展成为影响电力系统运行的故障。由此可见，缓变性故障在实际上是一种进程相对缓慢的故障类型。由于缓变性故障的发生时间很对较长，因此，在线状态检测技术能够通过检测电力系统设备运行状态的方式来快速评估设备的运行资料，一旦发现某台设备的运行质量没有达到预期，将会以“黄色”等标记的方式予以重点显示，技术人员可以根据在线状态监测系统所提供的相关资料快速检查设备的运行状态，发现故障及时解决，避免故障扩大。故障监测特征的分类与获取成为在线状态检测系统的关键，故障监测状态的特征信号获取会直接影响系统运行质量。因此，在相关技术的支持下，在线状态检测系统会通过在不同电力设备上安装故障监测特征信号获取装置来判断设备是否存在运行故障。除此之外，在线状态监测系统还能够利用自己所具有的数据信息库完成电力系统历史数据的对比，当发现某些设备的运行数据区别于历史资料时，则会考虑设备的运行故障风险情况。

2电力设备运行的常见问题诊断与分析

随着电力设备日益复杂和扩大化，电力设备运行的故障出现几率也随之加大，尤其是变电站内结构复杂、种类较多的电力设备，需要对其加强常见问题诊断和分析，引入在线监测系统、故障诊断等内容，具体来说，主要体现在以下方面:

2.1故障诊断检测体系与多变的工作状态难以契合

现有的电力故障诊断检测体系正在大力推广和普及性的应用，然而由于各级电网部门缺乏足够的应变准备，仍旧采用传统的故障诊断和检修方式，因而无法有效地推行故障诊断检测体系，加之电力故障诊断体系正处于不断完善的探索阶段，显示出与复杂多变的工作环境和状态的不相契合性。

2.2电力设备运行技术相对迟滞

由于当前的电力故障诊断检测体系正处于完善阶段，其配套设备的先进性技术水平还不够高，这就使电力设备在检修运行中的数据精准度不足，也缺乏科学合理的风险评估系统，存在较大的漏洞。

2.3电力设备故障诊断管理不够稳定

电力设备的故障诊断管理受到一些因素的影响，存在不够稳定的状态。如:一些管理人员的专业素质不高、责任心不强，存在工作疏漏或不当处理的现象，导致故障诊断检修难以完全保障。另外，从电力设备管理来看，也存在计算机数据网络体系不够完善、诊断核心设备存在不足等问题，导致电力设备故障诊断的数据基础不够完整，降低了故障诊断检修的实效性。

3电力设备常见问题及诊断检修措施

3.1通过神经网络方法诊断电力设备运行故障

人工神经网络技术是人工智能领域较早开发的一个项目，该技术以人类脑部组织结构为基础，通过模拟人体大脑的思维模式来构建信息处理系统。从当前人工神经网络技术的发展情况看，该技术的出现满足了大数据量情况下的稚嫩故障诊断要求，具有很大的开发价值。在当前电力系统故障诊断中，人工神经网络技术依靠自身所具有的强大信息处理能力，实现了自身的转变。在系统故障诊断过程中，在人工神经网络技术的支持下，电力系统的运行故障信息将会被快速地传递到人工神经网络体系中，之后人工神经网络体系将会通过相应的数据分析模型，对反馈的故障信息进行识别与处理，最终判断故障生成的原因与解决方法。

有学者在研究人工神经网络技术时，深入研究了人工神经网络技术在电力系统故障诊断中的运用。最终发现，人工神经网络技术能够通过神经网络中的联想记忆能力，将一个微小的电力系统运行异常信息放大，实现了对数据的“丰富”，之后根据电力系统故障诊断的历史信息，判断该异常信息是否会成为引发系统故障的风险源，并提醒相关人员关注，或者在第一时间反馈故障诊断信息。与传统技术相比，人工神经网络技术在电力系统故障诊断具有先进性，该技术通过与电力系统相结合，能够对电力系统中的各种运行数据进行编辑与处理，并通过神经网络中的联想记忆能力、在线学习能力以及非线性的映射等，打破了传统技术条件限制，能以更高的容错率来适应电力系统故障诊断工作。从长远角度来看，为了保证人工神经网络技术的技术内容能够达到预期，就需要构建训练样本，通过训练样本来采取电力系统故障数据，获得更理想的故障处理效果。

3.2利用专家系统实现对电力设备的故障诊断检修

在对电力设备常见问题的常见问题诊断和检修过程中，还可以引入普及性高、诊断效果优良的专家诊断系统，利用其可操作性、优良的诊断效果的优势，进行电力设备运行状态的故障诊断和检修。在引入专家诊断系统的电力设备故障诊断和检修工作中，可以借助于三比值、特征气体等方法，获取并分析电力设备运行实验相关数据。例如:三比值法就可以根据充油变压器内油、绝缘纸处于故障状态下产生的气体组分含量的相对浓度和温度的相互依赖关系，进行变压器电力设备的故障诊断。特征气体法应用于变压器电力设备的故障诊断之中，以变压器油中溶解气体为特征量，由油中溶解气体组分与变压器故障类别之间的关系，进行变压器电力设备的故障诊断和分析。同时，可以组建专家系统数据库，利用智能分析平台的数据库软件成立数学计算模型，进行专业而针对性的诊断、分析和检测，获取最终的诊断分析结果。通过上述专家诊断系统的数字模型及数据库的建设，可以全面开展对电力运行设备的故障诊断和分析，合理解决电力设备各层面存在的问题，并加对针对性的有效解决。

3.3通过综合性知识实现电力设备的故障诊断

原有的通过信号处理的方法显现出滞后性，难以满足对电力设备运行故障的诊断和检修要求，对于电力设备运行故障的诊断也欠缺精准。为此，可以采用综合性知识，整合神经网络法、专家系统方法、知识模型诊断法等知识，实现对电力设备的故障诊断和检修，突破故障诊断检修的局限性，更为全面地整合电力设备运行相关信息数据，增强电力设备运行故障诊断的可信度和精准度，确保电力设备运行安全和稳定。

4结束语

在我国电力事业快速发展的背景下，电力设备常见问题是不可回避的现实问题，要采用切实有效、操作性强、诊断性能优良的不同诊断技术和方法，对电力设备运行故障进行实时、精准的故障诊断、分析和检修，满足人们对于电力的实际需求。

参考文献:

［1］俞学勇．电力设备的故障判断分析［J］．中国科技信息，2014(15):158-159．

［2］李莉，胡兴龙．电力设备故障诊断的现状及发展对策［J］．中小企业管理与科技(上旬刊)，2010(11):309-310．