变压器油色谱在线监测数据有效性评估

变压器油色谱在线监测数据质量是影响状态评估准确性的重要因素,为评估在线监测数据的有效性,根据变压器油色谱特点,分别以H2、总烃和CO作为特征气体,采用Fast-MCD稳健分析方法进行异常值检测;定义了在线监测单一特征气体数据有效性评估指标和加权油色谱在线监测系统数据有效性评估指标。通过对某电网500 kV变压器在线监测数据样本统计分析,对常见的三种油色谱在线监测系统的数据有效性进行了对比评估。     

考虑时间序列关联的变压器在线监测数据清洗EI北大核心CSCD

针对变压器设备大数据状态评估过程中存在数据缺失以及异常数据等问题,提出了一种基于关联规则分析和神经网络的数据清洗策略。首先通过关联规则挖掘,建立了衡量状态监测量间关联程度的数学模型,找出具有强关联性的时间序列。然后利用基于密度的聚类算法检测出序列中的缺失值以及异常点,提出了考虑序列关联性的清洗流程和规则,有效区分可清洗的传感器数据异常和设备状态异常。针对可清洗的数据点,利用小波神经网络模型进行缺失数据预测和错误数据修正,并动态修正小波神经网络参数和组合预测,提高了网络的清洗效率和准确率。以实际变压器设备在线监测数据为例进行测试,测试结果表明序列数据的关联性分析和小波神经网络相结合,能够有效提高变压器在线监测数据清洗的准确度。     

考虑时间序列关联的变压器在线监测数据清洗

针对变压器设备大数据状态评估过程中存在数据缺失以及异常数据等问题,提出了一种基于关联规则分析和神经网络的数据清洗策略。首先通过关联规则挖掘,建立了衡量状态监测量间关联程度的数学模型,找出具有强关联性的时间序列。然后利用基于密度的聚类算法检测出序列中的缺失值以及异常点,提出了考虑序列关联性的清洗流程和规则,有效区分可清洗的传感器数据异常和设备状态异常。针对可清洗的数据点,利用小波神经网络模型进行缺失数据预测和错误数据修正,并动态修正小波神经网络参数和组合预测,提高了网络的清洗效率和准确率。以实际变压器设备在线监测数据为例进行测试,测试结果表明序列数据的关联性分析和小波神经网络相结合,能够有效提高变压器在线监测数据清洗的准确度。     

主变压器油色谱在线监测技术应用研究

结合在线监测试点(220kV沙田变、500kV邕州变)的主变压器油中气体在线监测应用情况,对试点变压器运行工况及故障诊断和实测数据进行分析,并对安装试点变电站的主变油中气体在线监测系统检测到的数据与常规检测法得到的数据进行比较,分析常规色谱和在线监测方法的利弊,总结了通过在线监测数据评估变压器绝缘状态的经验。经过1年多的运行表明,MGA2000-6系列在线监测系统运行较为可靠,测量数据较准确,能较正确地反映变压器的绝缘水平和运行状况,可作为主变状态维修的依据。     

基于模拟试验的高压电缆接地电流在线监测装置功能校验分析

因接地系统缺陷引发的高压电缆故障时有发生,接地电流在线监测技术是进行接地系统缺陷检测的一种有效手段,但该技术在工程应用中仍面临许多问题,其有效性及精度尚需通过仿真模型进行试验校验。文中利用高压电缆状态仿真试验平台,构建了110 kV电缆模拟试验回路,通过升压和升流系统模拟实际运行工况,对高压电缆接地电流在线监测装置进行了功能校验分析。在不同电缆运行工况下,对在线监测装置传感器的发热、振动和噪声状态进行了实测和分析。当电缆本体和接地缆流经异常电流时,校验了在线监测装置的运行情况。实验结果表明,在线监测装置中采用的不同结构的接地电流传感器的发热、振动和噪声状态存在差别,对电缆系统的影响程度也不一致,针对发现的问题提出了防范措施,确保在线监测装置的安全有效应用。     

电力物联网传感器技术在电力设备在线监测中的应用

针对电力设备进行设备运行状态在线监测的问题以及在线监测数据的管理和分析手段,提出了电力设备物联网传感器技术的应用,首先分析了电力设备在线监测的必要性,然后从在线监测设备的应用、在线监测数据的存储技术、数据应用的这三个方面阐述传感器在电力物联网传感器技术中的应用。     

变压器油色谱在线监测数据转换探究

在系统分析变压器油色谱在线监测数据的基础上,通过与离线数据的深入比对,提出把在线数据拟合成离线数据。通过数据拟合模型可以为电力设备的状态在线诊断系统提供决策支撑,大大提高状态评估、缺陷诊断的准确性和可靠性。     

500 kV高压电缆在线监测技术应用研究

介绍了二滩水电站500 kV高压电缆的基本情况及业内高压电缆在线监测方式。根据电缆故障特征量分析结果，探讨将电缆外护层感应电压作为高压电缆故障诊断参数的可行性，最终提出适用于二滩水电站高压电缆的在线监测方式。     

依托Hadoop架构的海量变压器实时监测与存储方案构建

随着智能电网的建设以及电力变压器在线监测技术的成熟,电力变压器在线监测数据呈现出体量大、类型多等特点。使用传统存储技术存储变压器在线监测数据,已不能满足实时、快速的需求。为此,设计基于Hadoop集群的变压器在线监测数据存储方案。该方案利用HBase(分布式列式数据库)具有快速实时读写数据的优势,将变压器在线监测系统采集的海量数据实时快速地存储。为能自动快速实时收集数据和避免因数据流过大造成系统崩溃,分别采用Flume(日志收集工具)和Kafka(分布式流处理平台)收集和缓存数据。以电力变压器在线监测的油色谱数据为例,验证了所提存储方案的可行性和有效性。     

高压电力设备热点温度在线监测系统及其应用

文章对高压电力设备热点温度的监测方法及其监测技术进行了分析总结:详细介绍了高压电力设备热点温度在线监测系统各组成部分的结构及功能;指出该监测系统适用于发电厂、变电站高压母线接头、高压开关柜电缆接头、室外刀闸等热点温度的非接触式无线监测;又列举变电站实例证明了该系统的实用性,并从供电企业实际需要出发,对温度在线监测系统提出完善改进建议。     

人工神经网络和信息融合技术在变压器状态评估中的应用

为满足电力系统对变压器资产管理和风险评估的需求,提出了一种基于人工神经网络和信息融合技术的变压器状态评估方法。以预防性试验数据和在线监测数据为例,选择具有代表意义的信息量作为开展评估的静态状态量,除此之外还选取部分静态状态量的变化趋势作为开展评估的渐变状态量,采用非线性指标评价函数对状态量进行归一化处理,综合应用人工神经网络(ANN)和Dempster-Shafer(D-S)证据理论构建多信息融合的变压器状态评估模型。通过对某台500 kV变压器数据的实例分析,验证了该评估模型应用于变压器状态评估中的有效性。该方法将在线监测数据与部分参数的变化趋势紧密结合,有助于提高变压器状态评估的时效性和准确性。     

首个750kV变压器局部放电在线监测系统投入运行

7月22日,西北电网公司兰州东变电站750kV变压器局部放电在线监测系统一次投运成功,填补了国内750kV及以上变压器局部放电在线监测领域的空白,为实时监控750kV变压器运行工况和设备状态,提升750kV主设备的智能化运行水平,确保电网安全可靠运行提供了有力的技术支撑。     

基于数据增强和特征注意力机制的灰狼优化算法-优化残差神经网络变压器故障诊断方法

为提高变压器故障诊断的准确性,提出一种基于数据增强和特征注意力机制的灰狼优化算法(grey wolf optimization, GWO)-残差神经网络(residual neural network, ResNet)故障诊断方法。针对变压器不平衡数据集对故障诊断模型产生的影响,利用带梯度惩罚的Wasserstein生成对抗网络(generative adversarial network with gradient penalty, WGANGP)对变压器数据进行数据增强。其次,在诊断模型的输入侧引入特征注意力机制,提升模型对平衡数据集中关键特征的敏感性。然后,为加速模型的收敛性,在训练的早期利用GWO-ResNet。最后基于某实测变压器数据集对所提出WGANGP-ATT-GWOResNet故障诊断模型的有效性进行验证。     

国内首个750kV变压器局放在线监测系统投入运行

2009年7月22日,西北电网公司兰州东变电站750kV变压器局部放电在线监测系统一次投运成功,填补了国内750kV及以上变压器局放在线监测领域的空白,为实时监控750kV变压器运行工况和设备状态,提升750kV主设备的智能化运行水平,确保电网安全可靠运行提供了有力     

基于Spark的电力设备在线监测数据可视化方法

大数据可视化可以实现海量电力设备在线监测数据中各种属性、运行状态等电力特征信息的图形、图像化直观呈现,为设备运行状态的及时有效监控分析提供有力保障。因此,本文提出一种基于Spark的电力设备在线监测数据可视化方法,为实现大数据环境下的电力设备在线监测数据的状态信息快速提取,在Spark大数据计算平台上,建立了基于设备状态评估指标体系与模糊C均值聚类(FCM)的电力设备状态信息提取算法。针对数据的多维、时序特性,构建三维平行散点图的数据可视化展现形式,实现电力设备在线监测数据信息全貌的可视化展现。将该方法运用于吉林省某风电场的风电机组在线监测数据集,实验结果证明了该方法的有效性。     

基于时间序列分析的输变电设备状态大数据清洗方法

数据清洗是输变电设备状态评估数据预处理的一个关键步骤,有助于提高数据质量和数据利用率。文中将设备状态信息等效成各状态量的时间序列,提出了一种基于时间序列分析的双循环迭代检验法。首先,将时间序列中的异常数据进行了分类,并将缺失值归纳为其中一类异常值。然后,分析了不同类别异常值对时间序列模型的影响,并阐述了迭代检验法的实现步骤。最后,利用所述方法对南网某变压器和线路的监测数据进行了数据清洗,结果表明该方法能识别并修正数据中的噪声点,填补缺失值,满足数据清洗要求。     

一起500kV变压器套管介损值异常事件的分析

本文介绍了一起500kV变压器高压套管介损值异常事件的现场测试和返厂检查、试验和解体过程。分析了该套管介损值异常的原因,验证了套管绝缘在线监测系统、高压介损测试技术的有效性,给出了现场进行变压器高压套管介损测试的参考结论。     

基于层次聚类分析的变压器油中溶解气体在线监测数据异常检测

油中溶解气体分析是电力变压器常用的状态检测手段,在变压器运行与维护中发挥了显著作用,但因现有油中溶解气体在线监测系统可靠性问题及现场干扰,监测数据中充斥着大量的伪数据及错数据,易引起误判。针对此问题,监测系统常采用基于数据分布统计的阈值法判定数据真伪,因数据分布规律预先难以掌握,造成异常数据检出率普遍低下问题。文中依据油中溶解气体在线监测数据时间序列特点,提出了一种基于凝聚层次聚类的异常数据检测方法。首先,利用滑动时间窗对多种油中气体监测数据进行预处理,获得监测数据时间序列集,接着通过综合应用均值、阈值、标准差、小波变换周期性分量等指标对其进行分类建立异常类型的典型时序图谱;在此基础上,利用凝聚层次聚类模型,对不同特征的数据点与典型异常图谱的距离进行相似性聚类,以确定监测数据的异常类型。通过实际监测数据应用验证表明,该方法可实时检测在线监测数据流中数据异常并确定其类型,简单且易操作,具有较好的理论及应用价值。     

融合在线监测数据的变压器状态评估

随着技术的发展,变压器状态评估逐步趋向融合动态在线监测和静态预防性试验数据的综合评价。基于在线油色谱监测数据,提出利用小波模极大值识别快速渐变拐点和跃变点的算法,提高了在线监测评价的准确度。在此基础上,考虑在线监测和预防性试验数据的不同时效,在双层结构的变压器综合状态评价模型中,提出采用时间可信度指标修正各子证据体的可信度,实现了静态数据参与状态评估的动态化处理。实例分析结果表明,融合在线监测数据的变压器综合评估模型较传统变压器状态评估更加准确。     

高压电缆瓷套式终端发热原因

为了及早发现电缆线路的安全隐患,防止事故发生,采用红外热成像仪在线检测了某110kV高压电缆终端,发现了高压电缆瓷套式终端异常发热的现象,通过一系列的检测和研究试验,查明了终端发热的原因为终端填充的硅油介损过高所致,获得了试验数据,为今后电缆线路在线监测积累了经验。