Agentic 变压器 APM 中的 DGA 产气速率分析

油中溶解气体分析（DGA）通常被作为一组浓度、比值或报警带来审阅。这固然有用，但变压器可持续性团队通常需要一个更具动态性的问题：气体变化有多快，趋势是否足够持续以支撑采取行动？

agentic APM 应当充当一个受标准约束的变化速率分析师。它不应取代 DGA 专业知识。它应当通过检查样本质量、跟踪产气、比较上下文并准备可供审核的建议，来使 DGA 监视保持及时。

仅有阈值还不够

诸如 IEEE C57.104 和 IEC 60599 之类的指南，仍是解读充油变压器中所产生气体的重要参考。但单次测得的浓度可能会遗漏劣化的速度。

两台变压器可能显示出相似的气体水平，却需要不同的决策。其中一台可能在维护后数值保持稳定。另一台则可能在短期内呈现氢气、甲烷、乙烯或乙炔加速上升的态势。产气速率与加速度为工程师提供了更贴近运行的视角。

产气速率分析的含义

DGA 产气速率分析关注气体随时间的变化。一套实用的工作流会考虑：

• 各气体在相邻样本之间的变化。
• 样本日期之间的时间间隔。
• 运行小时数与负载上下文。
• 加速或减速。
• 在多个样本上的持续性。
• 实验室来源与在线监测装置来源。
• 油处理、过滤或维护事件。
• 机群百分位或同类资产上下文。

这正是 电力变压器诊断证据模型 之所以重要的原因。除非日期、单位、来源和资产标识都可信，否则智能体无法计算出有意义的速率。

在线 DGA 改变工作流

相比周期性取油样，在线监测装置可以提供密度更高的时间序列数据。IEEE C57.143 为监测设备和关键参数提供了背景，而诸如 TB 630、TB 783 和 TB 771 之类的 CIGRE 工作则支撑了更为细致的监测与解读讨论。

关键之处并不在于在线监测能够自动解决 DGA。监测装置选型、气体覆盖范围、精度核查、校准以及数据质量仍然重要。智能体应当捕获这些约束条件，并在建议中予以呈现。

面向 DGA 速率的 agentic 工作流

一个有边界的 DGA 智能体可以：

1. 归一化气体记录与取样时间。
2. 检测缺失单位、陈旧记录以及可疑的时间间隔。
3. 计算产气速率与加速度。
4. 将模式与已配置的 IEEE、IEC、CIGRE 以及内部工程上下文进行比较。
5. 将气体行为与负载、温度、油维护、报警以及既往故障相关联。
6. 起草一份包含置信度说明与不确定性的审核资料包。

当一台资产从正常观察转入监视或行动状态时，这一点尤为重要。建议应当说明发生了什么变化，以及为何值得进行审核。

仅有故障类别还不够

DGA 解读可以提示热性或电性故障类别，但维护决策需要更多信息。审核应当包含可能的严重程度、速率、支持性或矛盾性证据，以及下一项最佳测试。例如，某一气体趋势可能要求重复取样、在线监测装置核验、PRPD 审核、热工上下文或巡检。

当 DGA 模式需要另一条证据流时，这就与 PRPD 测量质量 以及 SFRA 绕组位移 相衔接。

GridAPM 的视角

GridAPM 将 DGA 视为经人工审核的 APM 流程中的一条时间序列证据通道。AI 智能体负责计算、比较、汇总与升级上报。由工程师决定是监视、调查、规划维护，还是继续观察。

其实际成果并非“AI 判定为故障”，而是：“这是气体行为、运行上下文、不确定性、符合标准的解读上下文，以及可供工程审核的下一步行动。”