摘要：变压器在电力系统中发挥着非常重要的作用，而在变压器长期的运行过程中，容易受到多种因素的影响导致发生各种运行故障，严重影响了电力系统的安全性和稳定性，因此必须高度重视变压器的故障诊断，结合其故障类型，采取科学合理的故障诊断技术，加强变压器运行维护，提高变压器的故障诊断技术水平。文章分析了变压器常见的故障类型，阐述了变压器的故障诊断技术，以供参考。
关键词：变压器；故障；诊断技术
近年来，我国电力系统快速发展，引入的变压器数量不断增多。变压器作为电力系统中的一种重要设备，其承担着传输电能和变换电压的任务，在实际应用过程中，由于绝缘老化、加工制造质量水平低等原因，变压器经常发生各种故障，为了准确判断变压器的故障位置和故障原因，应加大对变压器故障诊断技术的研究，采用先进的故障技术，提高变压器故障诊断效率。
1变压器常见的.故障类型
1.1短路故障
变压器短路故障是指相间短路、绕组对地短路、出口短路等，这种出口短路故障对于变压器的运行影响最为严重，这种故障发生频率较高，一旦变压器发生出口短路故障，其内部绕组会流过非常大的短路电流，导致变压器绕组快速发热，严重的甚至导致绕组变形或者击穿，发生火灾，危害工作人员生命安全。
1.2放电故障
根据放电能量密度，变压器放电故障包括高能量放电、火花放电和局部放电，当变压器运行过程中，绝缘层中的油膜和气隙发生放电，变压器的绕组匝间层绝缘层被击穿很容易发生高能量放电，若变压器油质较差易发生火花放电。
1.3绝缘故障
绝缘材料使用寿命在很大程度上决定了整个变压器的使用寿命，大多数的变压器故障主要是由于绝缘层发生损坏。绝缘油老化、绝缘材料损坏、变压器受潮放电、铁芯叠片绝缘性较差等[1]，很容易造成变压器绝缘油老化，绝缘材料损坏，而过电压、湿度、温度等因素都会影响变压器的绝缘性能。
1.4铁芯故障
变压器运行过程中，铁芯必须有一点稳定接地，一旦两点以上发生接地现象，会造成变压器局部位置过热，甚至将变压器烧毁，在实际应用中变压器的铁心故障发生率较高。
1.5分接开关故障
分接开关对于变压器的运行状态有着重要影响，分接开关故障主要包括无载分接开关故障和有载分接开关故障，其中变压器的有载分接开关故障比较常见，如固定绝缘杆发生扭曲变形、有载开关油箱渗油、触头松动、脱落、烧毁等。
2变压器的故障诊断技术
2.1传统故障诊断法
2.1.1观察法观察法主要是通过人们的感觉器官，用手摸变压器是否严重发热，看变压器节硅胶是否变色、套管是否发黑、油箱是否渗油，闻变压器是否存在异常气味，听变压器是否存在异常声音等，这种观察法必须要求维护检修人员具有丰富的实践经验，一旦发现有这些情况，及时进行维护处理。2.1.2油化验变压器在发生一些潜伏性故障时，大部分可燃性气体可以溶解在变压器油中，因此变压器故障诊断应仔细检验变压器油油质，采用气体监测仪，仔细分析气体含量和气体类别，仔细确定变压器故障情况。2.1.3绝缘试验绝缘试验包括介质损失角、泄漏电流、绝缘电阻等试验，介质损失角试验可以检查变压器局部严重缺陷、油质老化、绝缘老化、是否受潮等[2]；绝缘电阻试验是一种非常常见的变压器绝缘状态检查方法，通过测量线圈绝缘电阻和各个线圈的对地电阻，分析变压器线圈多次的测量结果，确定变压器线圈绝缘层是否发生故障。和绝缘电阻试验相比，漏电流试验在某些方面比较相似，这种试验方法是对变压器施加较高的电压，可以发现变压器线圈绝缘层的一些特殊缺陷，例如，变压器绝缘材料发生穿透性缺陷，如果采用绝缘电阻试验，其测量结果和往常测量结果相比没有什么显著变化，但是其绝缘电阻不断增大，通过漏电流试验可以快速发现变压器存在的缺陷。2.1.4变比测量对变压器进行变比测量，可及时发现变压器是否发生匝间短路故障，检查分接开关运行状态和变压器绕组匝数比等。
2.2人工神经网络诊断技术
人工神经网络是一种模拟人脑活动的网络结构，其可以快速并行处理大量信息，具有较高的自学习能力和较强的鲁棒性、容错性，可以映射出未知系统的输出、输入关系以及高度非线性，BP神经网络是一种人工神经网络的前馈网络，其主要由输出层、隐含层、输入层这三个节点层组成，每层都包含很多节点，将每个节点看作一个神经元，同一个节点层上的各个节点之间是相对独立的，每个层次上的节点形成全互连连接状态，从输入层到各个层之间通过节点单向传播信息，最后到达神经网络输出层节点[3]。根据相关研究表明，BP神经网络的表达能力、精度和隐蔽层层数之间没有直接的关系，通常情况下，可以选用一个隐蔽层。BP神经网络算法是一种经过训练的非循环多级网络算法，由反向传播和正向传播构成整个学习过程，经过隐蔽单元和非线性变换逐层对输入值进行处理，最后传递到输出层。每层神经元状态会受到上一层神经元状态的影响，若输出层无法达到期望输出，可以转换到反向传播，修改和校正各个神经元权值，最大程度地缩小误差信号；其二，工作期，固定各个连接权值，计算神经网络单元状态，诊断时，结合不同变压器的状态测试数据，计算神经网络实际输出，将期望值和这些计算数据进行比较。
2.3遗传算法故障诊断技术
遗传算法故障诊断技术是一种受到生物进化的启发发展出来的智能分析法，其包含变异、交叉、选择等阶段，遗传算法和人工神经网络相比，可以实现全局搜索。同时，采用动态变异和基因多点交叉方式，选取最优种群，从而构建遗传算法在线诊断系统，当前很多遗传算法和人工神经网络算法有效结合起来，通过遗传算法确定人工神经网络初值，有效克服了人工神经网络收敛速度慢和局部收敛的问题[4]。另外，粗糙集理论和遗传算法的约简算法，通过全局并行寻优，极大地提高了遗传算法的执行效率。
2.4专家系统故障诊断技术
专家系统主要是根据知识库中的相关知识或者专家经验，通过推力判断，帮助用户进行决策。在变压器故障诊断中应用专家系统，在知识库中修改、删除或者增加相关专家知识，使知识库保持有效性和实时性。并且由于变压器类型比较多，常见故障也是多样化，相关专家知识较少，若专家知识库相关数据不正确，必然会影响用户决策，因此应实时进行更新，这种故障诊断技术效率较高。
3结束语
近年来，电力系统的规模和容量不断增大，对于变压器可靠供电和安全运行要求较高，变压器电力系统配电和输电的重要设备，一旦变压器发生运行故障，会对电力系统运行状态产生严重影响。通过采用科学合理的故障诊断方法和先进技术，快速诊断变压器故障位置和元器件，及时检修和维护，减少停电损失，推动我国电力系统的可持续发展。
参考文献
[1]郑含博.电力变压器状态评估及故障诊断方法研究[D].重庆大学，2012.
[2]付强.电力机车主变压器故障诊断技术研究[D].中南大学，2013.
[3]许永建.变压器故障诊断技术研究[D].南京理工大学，2010.
[4]徐安定.大型变压器状态监测与故障诊断技术[D].浙江大学，2012.