電力運行部門歷來十分重視變壓器等電氣設備的絕緣監(jiān)督，國內(nèi)外電力行業(yè)大都采用定期大修和預防性試驗制度。這種方法在一定程度上保證了兩次大修之間電力設備的安全運行，但是這種方法也存在著缺點。首先，停運檢修不僅讓電力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，停電檢修并不能準確反映出電力設備實際運行時的狀態(tài)，因此也就并不能完全保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電的在線監(jiān)測，可以在一定程度上發(fā)現(xiàn)許多內(nèi)部存在的缺陷，對保證變壓器安全可靠運行具有重要的現(xiàn)實意義。
要準確地了解和掌握變壓器內(nèi)缺陷類型性質(zhì)和特征，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，不同的放電模式對絕緣的危害程度不同。如：變壓器內(nèi)部的氣隙及油中雜質(zhì)放電對變壓器絕緣的危害程度較小，只有緩慢地老化作用；高壓線圈端部的靜電板處常發(fā)生的油隙放電、由線圈中的長墊塊向圍屏發(fā)展的沿面放電以及懸浮電極放電則會使絕緣在較短時間內(nèi)損壞。因此監(jiān)測變壓器的局部放電不但要知道當前放電量的大小，而且要知道放電的類型。
傳統(tǒng)的放電類型識別主要靠有經(jīng)驗的專業(yè)人員來完成，在不考慮數(shù)據(jù)準確度的情況下，診斷結果的合理性主要取決于專業(yè)人員的責任心和經(jīng)驗的積累程度。隨著計算機技術及數(shù)字信號處理技術的發(fā)展，人們提出了許多種自動模式識別方法，如基于隱式馬爾可夫模型（Hidden Markov Models），人工神經(jīng)網(wǎng)絡（ANN）、模糊理論、專家系統(tǒng)等模式識別法，其中人工神經(jīng)網(wǎng)絡以其大規(guī)模處理能力、分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。特別是把現(xiàn)代數(shù)學分析技術與人工神經(jīng)網(wǎng)絡相結合用于放電類型的模式識別中，會大大地提高識別效果。
關注微信公眾號