论文部分内容阅读
随着电力体制改革的深入，以可靠性为中心的维修成为发展电力设备维修管理的必然趋势。作为电力系统的枢纽设备，电力变压器的运行可靠性直接关系到电力系统的安全与稳定，本文对以可靠性为中心的电力变压器维修决策方法进行了探讨，主要的研究成果如下：
通过对变压器故障的分析建立维修决策的基础。结合故障诊断的需要，在变压器的故障分析中引入和发展了故障模式、影响及危害分析。提出以功能与部件相结合的方式来划分变压器系统和增设故障征兆、故障范例等分析项目，使该分析在架构和细节上都对故障诊断具有针对性；提出了定量估计故障危害度的模糊综合评价模型，可用以对大型电力变压器的故障模式进行危害性分析。并根据收集到的数据，对大型电力变压器的故障模式实现了较为全面的分析和危害性评估，以供工程实际应用参考。
以故障树的方式描述变压器故障之间的因果逻辑关系，并研究基于该树的决策评价指标。在树建立和分析过程中，针对电力变压器属于复杂串联可靠性系统的特点，提出以故障模式、影响分析为支持的故障树分析方法，以增强树的客观性和概率重要度评价指标的有效性。并针对电力变压器可靠性数据缺乏和故障随机发生的问题，提出以树为模型的变压器可靠性指标的蒙特卡罗仿真方法。
根据设备运行、维修的可靠性历史数据，研究电力变压器预防性试验周期的确定方法。提出两种确定变压器预防性试验周期的原则：最大可用度法和最小维修费用法，建立变压器维修周期模型及其最佳解，重点讨论了最佳解中各参数的获取方法。并针对数台运行10年的220kV变压器和15年的500kV变压器的应
用结果对这两种原则进行分析和比较。基于油中溶解气体分析的故障诊断一直是变压器维修决策研究中的重要内容，提出了基于特征气体谱图的图形识别方法和面向更细化故障模式分类的组合神经网络识别方法。以特征气体的相对量构图，以形状参数为特征量，对变压器的放电性、过热性及氢主导型故障进行识别。针对故障模式分类细致时故障模式间存在相似性的问题，提出以分层聚类支持的组合神经网络，借助分层聚类分析方法研究故障模式间的相似性，再依据这种相似构造组合神经网络的故障诊断方法。利用该网络对12类变压器故障进行识别，并探讨了油中溶解气体分析对这些故障的识别能力，为故障的综合诊断提供依据。
为了实现以实际的变压器故障为背景，在更大范围内进行诊断推理探寻故障源的目的，对诊断模型及其推理策略进行研究。以变压器模式分析和故障树为基础建立诊断树模型，并以故障传播矩阵、框架以及面向对象的知识表达方式对诊断树进行描述，从而解决了复杂诊断系统知识获取难、规则冗余、冲突等瓶颈问题。在推理策略上，提出以诊断树中被测事件信息熵为优化原则的故障源最优检测次序确定原则，该推理策略以概率推理为基础，是一种科学性较强的维修活动组织原则。