基于特征气体分层特性的电力变压器故障诊断技术研究

随着电网的扩大,变压器在电网中的作用日益提高,从而变压器在线故障诊断技术也显得异常重要。分析了变压器常见的故障类型以及变压器故障与变压器油产生特征气体的对应关系;选出具有代表性的特征气体作为最优诊断特征量;将故障诊断过程分为三个层次：正常-故障层、过热-放电层和故障细化层（高温过热、中低温过热、低能量放电、高能量放电）;最后用互信息方法与神经网络法实现基于特征气体分层特性的变压器故障诊断方案。     

变压器故障特征气体监测点位布置研究

油浸式变压器在发生故障时,内部会产生多种气体,气体的成分和浓度反映故障类型和故障严重程度。本文作者基于分子动力学建立了气体在绝缘油中的扩散模型,计算了不同温度下变压器内部典型故障气体在绝缘油中的扩散系数,并建立了变压器二维模型,对变压器内部不同位置发生故障时的气体扩散规律进行仿真分析,通过对监测点处的气体浓度进行对比,分析出了最佳的气体监测点,得出七种故障特征气体的扩散系数排序、气体的扩散系数随温度的增大呈指数型增长、监测点位应该布置在油流出口附近以及绕组垂直方向的变压器顶部和底部位置等结论。     

检测变压器故障气体的简易装置

众所周知,运行中的变压器,由于内部故障,往往使绝缘油和固体绝缘材料在电和热的作用下分解,产生相当数量的可燃气体。现在常用的气体继电器的动作信号,虽然可指示出故障的存在,但是不能判别故障的性质,而且由于外部或机机方面的原因,例如变压器油防劣措施的不完善,油温的急剧变化,变压器本体不严密或存有机械振动等,都可能使空气进入气体继电器,造成误动作。按变压器内部故障析出气体组成的变化判别故障性质,可以采用气相色谱法,这是目前普遍采用并具有很高准确性的方法,但是需要比较昂贵的仪器和熟练的操作技术,对于分布范围广泛、大量的中小型配电变压器,尤其就农业用电变压器来说,还不能推广应用。早期采用的另一种方法,是对气体继电器收集     

用油中气体特征诊断变压器故障

对变压器中乙炔、一氧化碳两种特征气体含量与电性、热性故障的关系进行了讨论，并通过诊断实例提出了诊断方法。     

变压器电弧故障后残存故障特征气体探讨

变压器电弧故障后残存故障特征气体探讨沧州电业局陈军运行中的主变压器，由于其制造工艺、运行维护等诸多方面的原因，将有发生电弧故障的可能。一旦发生电弧故障，在变压器油中将会产生大量乙炔、氢气等故障特征气体。变压器油中气相色谱分析是发现变压器内部早期故障最...     

从变压器油中分离故障特征气体的研究

建立了专门的油气分离系统：在容积约50L 的准密封油罐上以 Teflon~(?) PTFE 膜、Teflon~(?)FEP 膜以及最可几孔径为25nm 的金属孔膜作为分膈，从变压器油中隔离出约20 mL 的小气室。在油中均匀混入了一定浓度的 H_2，CH_4，CO，CO_2，C_2H_4及 C_2H_6，使用油循环和 PID 自动温控系统保持油温为70℃。使用实验室气相色谱测定了气室中气体浓度在30d 中的变化。实验表明：孔膜的平衡时间最短，PTFE 膜最长，居中的 FEP 膜在7d 内达到了80%以上平衡。Teflon膜透过 H_2最快，透过 C_2H_6最慢；此次序与孔膜正好相反。气室中的平衡浓度低于按奥斯特瓦尔德系数的计算值，平衡时间越长偏离越大。     

从变压器油中分离故障特征气体的研究

建立了专门的油气分离系统：在容积约50 L的准密封油罐上以Teflon PTFE膜、Teflon FEP膜以及最可几孔径为25 nm的金属孔膜作为分膈，从变压器油中隔离出约20 mL的小气室。在油中均匀混入了一定浓度的H₂，CH₄，CO，CO₂，C₂H₂，C₂H₄及C₂H₆，使用油循环和PID自动温控系统保持油温为70 ℃。使用实验室气相色谱测定了气室中气体浓度在30 d中的变化。实验表明：孔膜的平衡时间最短，PTFE膜最长，居中的FEP膜在7 d内达到了80%以上平衡。Teflon膜透过H₂最快，透过C₂H₆最慢；此次序与孔膜正好相反。气室中的平衡浓度低于按奥斯特瓦尔德系数的计算值，平衡时间越长偏离越大。     

应用特征气体图形法诊断变压器故障

依据变压器内部故障导致绝缘油裂解产生特征气体的机理，可以在气相色谱分析工作中，运用特征气体图形方法，以H2、CH4、C2H6、C2H4、C2H2 5种故障气体的含量描给出曲线图形，来解释和诊断实际发生的变压器内部不同类型的故障，为此，结合部分变压器故障事例，用其特征气体曲线图形，说明运用该方法在分析变压器常见的热性和电性故障方面的应用。     

六氟化硫变压器特征气体检测方法的探讨

六氟化硫变压器是近年从国外新外引进的电气设备,当变压器在运行中出现故障时,作为主要绝缘介质的六氟化硫气体可能会产生故障特征气体。根据厂家提供的气体质量指标,通过特征气体产生原理的分析和模拟实验的验证,提出了检测门氟化硫变压器故障特征气体的方法。     

变压器故障检测与诊断技术研究现状

变压器是国家电网,电力系统中最重要的核心设备之一,维护、检修变压器使之稳定正常工作,是电力网络长期稳定高效运行的关键.文章通过对当前我国电力体系常用变压器最为高发的故障类型进行分析,提出了检测与诊断电力系统变压器故障的方法.旨在为电力系统变压器故障检测与诊断提供参考.     

变压器油中故障特征气体体积分数的预测

变压器是电力系统的重要设备,变压器油中溶解的故障特征气体体积分数是其进行绝缘故障诊断的重要依据。变压器油中气体体积分数的预测是周期性测试的重要补充。应用灰色多变量模型,对变压器油中溶解的5种主要特征气体,即氢气、甲烷、乙烷、乙烯和乙炔建立了MGM(1,5)模型,充分考虑了各种气体之间的相互影响,克服了常用预测方法在预测时只考虑某个特征参数或单独考虑几个特征参数发展变化的不足。通过预测实例分析,将MGM(1,5)模型的计算结果与相应GM(1,1)模型的计算结果比较,验证了该模型的准确性和有效性。     

基于油中溶解气体特征量筛选的变压器故障诊断方法

油中溶解气体分析对变压器故障预警及诊断具有重要意义。针对油中溶解气体特征量种类众多、故障关联特征分析不足等问题,文中以油浸式变压器为研究对象,提出了基于油中溶解气体特征量筛选的变压器故障诊断方法。首先,对油中溶解气体的原始特征量进行特征衍生,通过随机森林(random forest, RF)计算特征量对故障诊断的重要度,筛选得到最佳特征组合。其次,采用树结构概率密度估计(tree-structured parzen estimator, TPE)实现RF模型的参数寻优,并形成TPE-RF诊断模型。同时,结合多种评价指标,证明所提方法能够对变压器作出准确的故障诊断。最后,提出TreeSAHP模型分析特征量对各故障的重要度,优选出各故障关联的主要特征量,并根据变压器运行案例,探讨了该方法在电力行业现场应用中的适用性,验证了该方法的有效性。     

基于特征气体和比值准则的RAPO植物油变压器故障诊断方法

植物油变压器具有优良的耐火性能、环保性能和电气性能,是未来充油变压器的发展方向。现有的故障诊断方法仅针对其纯电气故障或热故障,少有电热故障诊断方法研究。为此,文中针对植物油变压器,提出一种基于特征气体和比值准则的变压器故障诊断方法。首先,建立了一个用于研究电热故障的实验台;然后,根据植物油的电热故障实验和产气数据,研究了植物油在纯电气故障、纯热故障和复合电热故障下的生成气体特性,得出了产气规律;最后,结合故障气体生成规律,建立了一种新的比值准则,基于此提出了植物油变压器故障诊断方法。研究结果可为植物油变压器故障诊断方法的建立和植物油变压器的实际应用提供参考。     

基于油中溶解气体方法的变压器故障诊断技术探讨

<正>为保证电力变压器的稳定运行,提高供电的可靠性,应尽早察觉到电力变压器的一些故障,这是电力部门一个重要的研究问题。目前,在电力系统中油浸式变压器数量最多。因此,为开展油浸式变压器的故障诊断,应尽早发现油浸式变压器的潜在性故障和异常,这不但可以延长变压器的使用寿命,而且能够对变压器可能发生的一些突发故障进行预防,有很好的实际效益。     

基于知识推理的变压器局部放电故障检测技术

局部放电故障诊断是用于检测电力系统设备中的高压绝缘内的缺陷。但是由于相关的背景知识和专业领域知识有限,从原始的监测数据中提取有价值的故障信息就面临了很大的挑战。文中开发了一个基于知识推理系统的变压器的局部放电故障检测技术。对局部放电传感器所采集的信息进行处理,获得相位解析的三维图,并通过对三维图进行分类、提取显著特征的方法对变压器故障进行诊断和定位。系统可以通过对大量广泛的局部放电行为的诊断和缺陷源的分类,支持在线设备状态评估和故障诊断。同时文中用此方法对一个未知的混合放电行为进行诊断,发现诊断精度高于传统的模式识别检测技术。     

变压器故障在线检测技术的研究进展

着重比较和分析了气相色谱、红外光谱、光声光谱和传感器等检测技术运用在变压器在线检测上检测油中的气体、微水及油温的优缺点,同时总结了变压器故障在线检测技术的进展,并展望其未来发展的趋势。     

基于RF特征选择的BAS-SVM变压器DGA故障诊断技术研究

针对变压器故障诊断多特征量输入时产生的冗余信息以及支持向量机核函数与惩罚因子优化对分类器产生的影响的问题,建立一种基于随机森林（random forest,RF）的特征选择,结合天牛须搜索算法（beetle antennae search,BAS）优化支持向量机的变压器油中溶解气体分析（dissolved gas analysis,DGA）故障诊断方法。该方法选择常见的5种油中溶解气体生成22维待选特征向量,通过RF算法对待选特征集进行重要度排序并消除冗余信息,得到最终的10维输入量,最后利用BAS算法对SVM中的惩罚因子及核函数进行寻优改进,对输入特征量进行故障诊断。仿真结果表明：相比PSO-SVM和ABC-SVM,BAS-SVM故障诊断模型故障诊断准确率分别高出6.83%和10.1%,诊断用时减少3.64 s和1.62 s,验证了所用方法的有效性和可行性。     

变压器的故障检测及诊断技术

阐述了常用的电力变压器故障诊断技术，如油中气体分析、局部放电、绕组变形检测，并对其未来发展方向提出了建议。