大型油浸式变压器故障参数信息整合判断概述

　　随着电力系统朝着超高压、大电网、大容量、自动化方向发展，以及社会生活对供用电牢靠性要求的进步和变压器在电网中的共同位置，油浸式变压器厂家迫切需要对油浸式变压器运转状况进行实时或守时在线监测，以及早发现油浸式变压器早期绝缘潜伏性故障、缺陷，避免突发事端发作，一起削减不必要的停电检修，避免传统实验对油浸式变压器“过度检修”形成的巨大损失，有效地延伸设备使用寿命，使设备达到优化装备的“状况修理”，保证电力系统安全牢靠的稳定运转。

　　由于油浸式变压器制作工艺的杂乱性及运转环境的不稳定性，变压器的毛病机理比较杂乱，变压器同一种毛病形式往往有不同的症状，同一种症状又常常是几种毛病一起效果的结果，毛病形式与毛病特征之间存在着杂乱的对应关系，毛病特征与毛病源之间完全是一种非线性映射变压器毛病的多样性、不确定性和各种毛病之间联络的杂乱性就成了变压器毛病确诊技术上的难点，仅仅依托单一毛病特征量的确诊方法只能从某一个方面反映变压器的状况，无法对变压器的全体健康状况做出归纳评判。

　　变压器发作毛病时有许多预兆，因而变压器的毛病诊断进程就是一个综合使用各种预兆的信息交融进程，充分使用变压器毛病的各种特征量，从多方面取得关于变压器同一对象的多维信息，并加以交融使用，完成对变压器更牢靠、精确的监测与诊断。因而油浸式变压器厂家依据油浸式变压器多特征量的毛病诊断就是收集运转中变压器的异常现象或预兆，依据这些现象或预兆使用信息集成与数据交融技能进行剖析，从而对毛病的有无、类型、严峻程度和部位做出精确地判别。

　　多传感器信息交融技能（又称信息交融技能、信息交融或数据交融）最早应用于航空电子学上的雷达方针辨认问题，后来逐步推行并应用到智能制作、进程监测、机器人、导航等研讨领域。它将来自不同信息源的信息进行处理，终究经过对多传感器（多源）信息的协同利用，产生生对被测目标或进程的最佳估量。其触及多方面的理论和技能，如信号处理、估量理论、不确定性理论、模式辨认最优化技能、神经经网络和人工智能。信息交融中选用的办法有极大似然估量、最小二乘法、卡尔曼滤波、贝叶斯估量、D－S依据决议计划理论、聚类分析、含糊逻辑、神经网络、遗传算法等。