随着我国电网智能化建设的发展和电力设备状态检修需求的提高,对电力变压器运行可靠性及状态检修的全面性要求越来越高,准确评价和诊断运行中变压器状态是发现变压器潜在故障的基础,也是电力系统安全运行的重要保障。绕组机械状态诊断是变压器状态检修管理机制的重要核心部分,当今的绕组机械状态诊断方法及导则存在着离线判断、诊断信号单一化、微小故障诊断结果不准确及数据来源不全面等问题。为此本文将国家电网基础性前瞻性(院士团队)科技项目“电力变压器在线多信息融合状态评估方法研究”作为课题背景,以S11-M-500/35型油浸式电力变压器为研究对象,结合多状态多参量信号分析和信息融合理论,从状态评估诊断方法、仿真建模和系统开发等多方面进行深入研究,本文所开展的主要研究工作如下:(1)通过对变压器绕组机械状态特性理论的研究,建立了绕组多物理场耦合仿真振动模型和短路电抗有限元模型,提出了短路电抗在线计算方法。对仿真模型中各相绕组的感应电流电压、漏磁分布、位移分布及振动加速度进行了计算,计算得到压紧力与绕组振动、器身与油箱表面振动的特征关系;讨论了绕组形变与短路电抗变化关系,建立短路电抗在线计算模型,利用实测数据验证了所建立模型的准确性。采用数值仿真、实测数据及专家经验相结合的方式建立变压器各相绕组基频振动及短路电抗证据体判据知识库。(2)提出了变压器短路电抗和绕组基频振动特征值提取方法,针对变压器油箱表面绕组不同状态下的振动信号,提出小波包能谱熵信号处理方法进行特征提取,通过模糊C聚类算法验证该方法分类有效性,得出变压器绕组在不同状态下的振动信号变化特征规律。(3)建立了基于证据理论及支持向量机理论的绕组机械状态诊断模型。提出先评估后诊断的分级状态诊断理念,设计诊断模型的逻辑过程,将信息熵、模糊理论、D-S证据理论、支持向量机等理论有机地融入到状态诊断模型中。在状态等级评估方面,将绕组机械状态分为正常、注意、一般故障三种状态,提出了因素层和决策层结合的双层评估体系,融合基频振动和短路电抗双证据体综合评估当前绕组机械状态等级;在故障诊断方面,提出粒子群优化(PSO)的多分类支持向量机(SVM)故障诊断模型,采用多分类理念将多个二分类支持向量机分类器进行组合编码,同时利用粒子群优化算法对诊断模型惩罚因子及核函数进行优化,将模型诊断结果与传统神经网络诊断结果相比较,所提方法在分类性及准确性上均高于传统故障诊断方法,为准确诊断绕组机械状态提供解决方案。(4)设计并研发了变压器绕组机械状态多参量数据采集系统和状态诊断系统。给出了系统的总体设计及实现方案,硬件采集装置及软件系统平台均已申请国家发明专利,并通过国家计量站和软件测评中心检测,验证了系统的可靠性。搭建绕组状态诊断实验平台,对研发的状态诊断系统进行试验验证,分别对变压器绕组正常、匝间绝缘脱落、低压辐向压缩及突发短路冲击下绕组松动四种状态下进行诊断,与现行电抗法诊断结果对比分析,结果表明,本文提出的状态诊断方法可有效弥补电抗法对绕组轻微松动及故障类型无法检测判断的不足,证明了绕组状态诊断方法的准确性及优越性,同时验证了状态诊断系统的实用性。