输变电设备状态评估建模的研究与应用

摘要

近年来，随着科学技术的大力发展，现代化设备在电力系统中的应用也越来越广泛，因而其故障诊断在显示应用中的意义也越发重要。一台设备如果不能及时发现其潜在故障，而是在发生故障以后断电检修，不仅会在经济上给人们的生产生活造成损失，甚至造成生产事故。对此，在电力系统中，以排查设备故障隐患为目的的设备状态检修可以在对尚未出现故障的设备进行故障诊断，在出现故障征兆时发出预警，在电力企业的生产工作中有着重大的意义。
　　 设备状态检修指的是相关企业或者公司以国家制定的设备状态检修标准为依据，以在线监测系统得到的数据为基础，对设备状态进行评估，最终得到设备状态，制定检修方案和决策的一种检修技术。其中，变压器类设备又在输变电系统中有着重要的作用。因而对变压器类设备的检修模型的进行研究，确定设备的健康状态，依据设备状态产生相应的检修决策，开展相应的检修工作成为国家电网设备检修工作的重要组成部分。因而，设备状态检修技术的应用前景十分广泛，研究意义十分深远。
　　 首先，本文简单介绍了电力系统设备状态检修的研究意义和国内外研究现状，并对现行的状态检修技术进行了介绍。
　　 其次，本文以变电站变压器类设备为例，依据国家电网发布的变压器类设备状态检修导则，针对变压器类设备的特点，根据原有的检修策略，对该类设备状态评价策略进行深入分析，并有所改进。
　　 本文提出利用回归模型对变压器类设备单项评价指标进行研究。回归模型已经有了广泛地应用，例如油田产量预测，预测灾害策略研究，数学数据处理，生理指标评估。自然界两变量之间一般存在着非线性关系，由此可以利用回归算法对变压器类设备状态评价进行回归建模，模拟出变压器类设备扣分评价和各个参数的关系。回归分析法又根据待描述的对象的特性分为线性回归分析和非线性回归分析，其中线性回归分析法是最基础的研究方法。
　　 在利用回归模型对变压器类设备单项评价进行建模的基础上，本文还采用应用广泛的BP神经网络对设备整体状态进行建模，从而预测设备所处的状态，及时发现故障并进行处理。人工神经网络依据人类神经元的特点，对数据信息进行采集，运算，记忆和处理。BP模型是一种多层的前向型神经网络，它是目前应用最多且最重要的一种训练前向网络的学习算法。该模型可以根据评价导则的变化自适应的进行学习，并最后实验验证该方法的可行性。
　　 最后，现实化本文的研究成果，深入研究变电站输变电设备的状态检修方案，充分了解厂家对设备状态检修系统的需求，采用各个数据监测子系统的采样数据，对设备状态检修系统进行设计与开发，最终应用于实际，并投入使用。