（辽阳石油化纤有限公司辽宁辽阳111003）
摘要：随着我国电力事业的发展，电力系统逐步得到完善，同时电力变压器成为电力系统的重要部分。因此，本篇文章重要对电力变压器的故障进行了分析，同时深度研究了电力变压器的故障诊断方法。
关键词：电力变压器；故障诊断；方法研究
1电力变压器概述
变压器作为生活中比较常见的电力系统元器件，是电力系统的重要组成部分，对整个电力系统能否稳定运行具有直接的影响，一旦出现故障，将会直接影响电能的传输以及电能的分配，严重影响企业的生产规划以及居民用电，长时间停电甚至会造成巨额的直接经济损失以及人身伤亡事故。因此，提前预判变压器可能发生的故障，并且保证一定的准确性，提高实时监测水平以及应急故障处理技术显得尤为重要。
变压器具有复杂的结构特点和电磁特性，因此，它的电气量较为复杂，故障诊断大多数不选用电气量进行故障分析，大部分变压器故障诊断都以油中气体量为基础进行故障判断，但是油中气体分析的办法存在着较多的不足之处，在实际使用过程中数据量较大难以自主分析，并且准确度相对而言比较低，而且能够判断出的故障类型也比较少。基于神经网络的变压器故障诊断技术能够准确快速地判断，而且能够判断的误差情况更多。但神经网络同样存在着不足，在诊断速度以及正确率方面存在着较大的问题，在达到一定的准确率之后提升较为困难。
2电力变压器故障分析
2.1电力变压器的绝缘电阻下降
2.1.1绕组表面积聚杂物
一般变压器的高低压绕组都是用环氧树脂浇注而成的，发生绝缘电阻下降的现象，通常是因为绕组表面的水汽和灰尘而导致的，只要将绕组表面的灰尘清除，擦干水汽即可。
2.1.2环氧板受潮
如果只有高压绕组是由环氧树脂浇注而成，那么绝缘电阻下降的原因很有可能是固定低压绕组的环氧板受潮而引起的。处理办法是加强通风，烘干环氧板的潮湿部分。
2.1.3其他因素
变压器的安装过程中，如果低压绕组内部与铁芯柱中间掉进杂物也会影响绝缘电阻，这时可以将三相的连接零排断开，借助兆欧表来找出故障的具体位置。兆欧表检测铁芯对地的绝缘时，也可能导致绝缘电阻下降，这也许是发生多点接地、铁芯覆盖漆的绝缘下降、铁芯上的绝缘板受潮的原因。
2.2铁芯多次接地
由于电力变压器特别的安装方式，不可能出现两点及多点接地的状况。如果出现多点接地的问题时，电力变压器的铁芯就会产生故障，不利于电力变压器工作的安全，要尽快地解决问题。这种情况下，可以通直流电进行多次冲击，直至铁芯的多余接地点烧断即可。还可以打开接线箱进行检查，观察是否多点接地。
2.3电力变压器跳闸故障
2.3.1电力变压器送电跳闸
变压器本身的电流保护装置整体的设定值偏小，若电力变压器在空载状况下合闸，电流会瞬间变高，达到甚至高于额定电流的6-8倍，这种状况下，就要按照继电保护标准重新进行设定。
2.3.2电力变压器做出保护动作跳闸
变压器工作状态下发生这个故障时，找出故障的根本原因之前不能再次使用电力变压器。处理时，要重点检查电力变压器的外观上是否存在异常，温控风机装置有无不正常现象，三相温度探头是否依旧完好，并进一步观察门锁装置触电的接触，并做出相应的调整和改变。对电力变压器的综合保护装置动作的记录要进行详细的分析，观察二次回路是否存在问题。输入侧与输出侧电源以及开关控制柜这些设备也要进行仔细排查，必要时可进行电气试验。
3电力变压器故障诊断方法研究
3.1三比值法
大量实验数据显示，变压器故障诊断不能仅仅依靠变压器油中溢出气体量来直接判断，这样会导致输入量特别庞大，因此，采用气体之间的相对比值来减少输入量的个数，这就是在变压器故障诊断当中常用的三比值法，当变压器出现故
障时会有CH4，CZH6，C2H4，C2H2，H2，O2，CO等多种气体从变压器油中溢出，通过选择CH4，C2H6，CZH4，C2H2，H2这5种气体，将其中溶液特性相近的气体组成CH4/H2，C2H2/C2H4，C2H4/C2H6这三对比值，依据比值范围的不同确定不同的编码，然后根据输入量所确定的编码通过查找对应的编码组合表诊断其故障类型。如表1与表2所示。
表1三比值法
表2编码组合
3.2BP神经网络
BP神经网络是1986年由Rumelhart和McClelland为首的科学家提出的概念，是一种按照误差逆向传播算法训练的多层前馈神经网络，是目前应用最广泛的神经网络。网络结构由三大部分组成，分别是：输入层、输出层和隐含层。输入层与隐含层以及隐含层与输出层之间之间通过一定的加权值相互连接，并且各个层中的神经元相互独立，输入层和输出层都需要通过隐含层才能够相互联系。算法是含有误差判断反馈的算法，图1为一个基本的三层的BP网络结构图。
图1BP神经网络
基于BP神经网络的故障分析如下。
BP神经网络选择甲烷、乙烷、乙烯、乙炔、氢气这5种特征比较明显的气体作为输入端，主要通过以下步骤来进行分析处理。
第一步：进行数据处理。
第二步：根据期望的结果对BP网络进行误差调整，求解出它的误差值。
第三步：调整各层的加权值。
第四步：选定合适的精度的加权值
3.3PNN神经网络
概率神经网络是由D.F.Specht在1990年提出的。PNN神经网络被广泛应用于模式分类的问题中。主要思想是Bayes法则，也就是贝叶斯最小风险准则的一种变形，从而得到期望的最小值，保证了判断的准确性。它是一种基于统计原理的人工神经网络，它是以Parzen窗口函数为激活函数的一种前馈网络模型。PNN具有径向神经网络的优点，完全是一个前向计算，所以整个系统相对于BP神经网络而言训练时间更短，而且避免了局部最优问题。它通常由4层组成，如图2所示。
图2PNN神经网络结构图
结束语
由于长期使用等原因，变压器难免会出现一些故障，工作人员应通过对其运行参数的分析，预测和预防变压器有可能发生的故障，确保电力系统的正常运行。这就要求电力行业相关的工作人员要加强对变压器运行参数的分析和研究，从而做到对变压器状态正确的判断及故障的及时发现，确保电力系统能长期保持高效的运行。
参考文献：
[1]焦昌斌.电力变压器状态检修及故障诊断方法简析[J].中国建材科技，2015（52）：162-164.
[2]杨湘泽.变压器故障诊断技术阴.电气时空，2003（10）：18-19.
[3]谢龙君，李黎，程勇.融合集对分析和关联规则的变压器故障诊断方法[J].中国电机工程学报，2015（2）：30-31.