基于灰色TOPSIS和DGA的变压器状态预测

以灰色预测和理想点解理论(TOPSIS)为基础,研究基于油中溶解气体体积分数的变压器状态预测及其应用。该方法不同于目前单纯依据数学算法预测油中溶解气体含量的方法,而是从系统的角度综合考虑各特征参数及三比值规则,对故障状态贴近度进行预测。首先根据理想点解法计算各期油中气体体积分数三比值的故障贴近度,以此作为变压器三比值状态信息,然后根据灰色GM(1,1)模型,对变压器三比值故障状态贴进度发展趋势进行预测,最后得到其故障的贴近度,反应了变压器故障状态的发展趋势,对状态维修具有较直观的参考意义。实例数据分析验证了该预测方法的有效性。     

基于局部密度聚类算法的变压器故障状态评估

为提高油浸式电力变压器故障状态评估的准确性,结合局部密度聚类(local density clustering,LDC)算法和三比值法提出一种变压器故障状态评估方法——以油中溶解气体为研究对象,对气体数据进行LDC处理,以最后聚类结果作为故障状态评估模型及结合三比值法对新数据进行故障评估。该方法在弥补聚类方法无法准确反映故障状态和三比值法编码不全、编码太片面等不足的同时,在变压器状态发生变化时能随着新数据的输入自主修正故障状态评估模型。不同实验结果表明该方法用在变压器故障评估中,具有较高的故障评估准确率,并且当出现未知故障时能有效修正所搭建故障状态评估模型,可以在一定程度上反映变压器故障状态,保证变压器正常、安全运行。     

基于广义神经网络与模糊聚类的变压器故障诊断

鉴于IEC三比值法在变压器故障诊断中,存在编码缺失和编码边界过于绝对等缺陷,提出了基于广义回归神经网络(GRNN)和模糊C-均值聚类算法(FCM)的变压器故障诊断方法,建立了GRNN-FCM联合变压器故障诊断模型。选取变压器油中5种特征气体体积分数及其三比值编码作为输入特征向量,利用GRNN模型对样本故障进行初步判断(正常、过热、放电、放电兼过热),再采用模糊C-均值聚类算法对样本故障作进一步判断,最终得到具体的故障类型。将该模型与其他几种故障诊断方法进行对比分析,仿真实验结果表明,GRNN-FCM联合变压器故障诊断模型输出值与实际值具有较好一致性且准确度更高,验证了该模型的可行性及实用性。     

基于灰色多变量理论与改进三比值法相结合的变压器套管故障预测

对变压器套管进行故障预测是确保变压器安全运行的前提,文章结合灰色多变量理论与改进的三比值法,提出了一种用于变压器套管预测的新方法。首先运用一种新的灰色关联度算法对改进的三比值法运用的气体三组比值进行关联度分析,得到彼此之间有很强的关联性,然后再用灰色多变量预测模型对这气体比值含量进行预测,最后结合改进三比值法找出对应的故障类型。灰色多变量模型可对同一信号中提取的多个指标同时进行预测,从系统的角度统一描述各特征参数,因而能获得较准确的预测结果。文章最后通过实例证明该方法的有效性和准确性。     

电力变压器故障诊断的可拓集法

基于可拓理论,在传统油中溶解气体分析DGA(Dissolved Gas Analysis)三比值法基础上,提出一种可拓集变压器故障诊断方法。首先,建立三比值法的物元模型,然后给出点对区间的可拓相关函数,利用该函数计算进行变压器故障诊断。仿真计算证明该方法能克服传统三比值法的编码不全,不能诊断多重故障的缺陷,提高了诊断精度。     

改良三比值法在变压器故障诊断中的应用

针对变压器内部不同性质的故障会造成变压器油分解形成不同组分气体的特性,介绍了改良三比值法的基本原理和方法,结合某电站变压器油色谱数据和实际运行情况,详述了改良三比值法在进行变压器故障诊断时的应用过程,表明了改良三比值法的实用性。     

基于油中溶解气体分析的变压器故障预测

预测变压器潜伏性故障对评估其健康状态至关重要.提出一种新型变压器故障预测方法,首先以LSTM网络为载体搭建时间注意力机制预测框架,并采用IALO算法优化其参数;其次利用优化的模型预测变压器油中溶解气体;然后采用MPA算法优化的SVM模型对气体预测结果进行故障诊断;最后统计诊断结果并与实际运行状态对比验证模型.实验结果显示在第42～58天内运行状态异常次数最多为29次,未来两个月内运行异常几率为86.89％,其中中温过热故障占比最高为88.67％,与实际情况误差仅为2.46％和1.29％,预测结果与实际运行情况符合较高,证明了所提方法在准确预测变压器运行状态异常时间点和故障类型中的可行性.     

基于RIMER专家系统和DGA的变压器故障诊断

针对电力变压器故障诊断中的复杂非线性关系,提出一种基于RIMER(基于证据推理算法的置信规则库推理方法)专家系统和油中溶解气体分析(DGA)技术的变压器故障诊断方法。该方法考虑了变压器故障特征量和征兆的概率不确定性和模糊不确定性,在IEC三比值法和变压器油中溶解气体故障数据样本训练的基础上获得置信规则库的主要参数,结合证据推理算法建立一个新型的变压器DGA故障诊断模型。通过RIMER和DGA变压器故障诊断模型进行故障诊断,克服了IEC三比值法故障编码缺失的问题,故障诊断准确率获得提高,其分布式置信度的输出方式对描述混合故障类型更加有效。仿真实验表明该方法推理计算简单有效,具有较强实用价值。     

一起500kV主变压器油色谱异常的分析及处理

本文中作者介绍了大型电力变压器油中总烃含量超标的综合分析和处理过程,通过对油中特征气体进行排序法、二比值法、三比值法分析,对变压器故障类型及故障位置进行了判断.     

基于遗传程序设计的变压器油中溶解气体含量预测

为了对变压器的运行状态和潜伏性故障进行有效预测,提出了基于遗传程序设计(GP)的变压器油中溶解气体浓度的预测方法.结合变压器运行实例,分别给出了变压器油中7种主要气体的预测模型,并与灰色模型及其改进形式进行比较.对比分析结果表明,在同为小样本训练数据的情况下,GP比灰色模型的预测精度更高.     

数据挖掘技术在油中气体分析和故障诊断中的应用研究

对数据挖掘技术在故障诊断中的应用做了尝试研究。通过对变压器故障和检修记录中的油色谱数据进行挖掘处理,建立了变压器运行状态与各种气体含量之间的直观联系。所建立的模型具有较高的预测准确度,可以作为变压器运行状态诊断的判断依据。研究表明,数据挖掘技术在电力系统中具有很好的应用前景。     

Power transformer fault diagnosis based on dissolved gas analysis by support vector machine

This paper presents an intelligent fault classification approach to power transformer dissolved gas analysis (DGA). Support vector machine (SVM) is powerful for the problem with small sampling (small amounts of training data), nonlinear and high dimension (large amounts of input data). The standard IEC 60599 proposes two DGA methods which are the ratios and graphical representation. According the experimental data, for the same input data, these two methods give two different faults diagnosis results, what brings us to a problem. This paper investigates a novel extension method which consists in elaborating an input vector establishes by the combination of ratios and graphical representation to resolve this problem. SVM is applied to establish the power transformers faults classification and to choose the most appropriate gas signature between the DGA traditional methods and a novel extension method. The experimental data from Tunisian Company of Electricity and Gas (STEG) is used to illustrate the performance of proposed SVM models. Then, the multi-layer SVM classifier is trained with the training samples. Finally, the normal state and the six fault types of transformers are identified by the trained classifier. In comparison to the results obtained from the SVM, the proposed DGA method has been shown to possess superior performance in identifying the transformer fault type. The SVM approach is compared with other AI techniques (fuzzy logic, MLP and RBF neural network); the proposed method gives a good performance for transformers fault diagnosis. The test results indicate that the novel extension method and the SVM approach can significantly improve the diagnosis accuracies for power transformer fault classification.     

基于模糊隶属函数的变压器多参量故障综合诊断方法

大型油浸电力变压器是电力系统中最关键的设备之一,其故障诊断技术深受关注.为此,笔者在汇总、整理现有的反映变压器运行状态各种数据的基础上,根据目前电力部门对变压器故障的监测与检修状况,按组成结构建立电力变压器故障的特征参量及故障模式的对应关系.利用模糊数学方法分析了不同电气试验项目的隶属函数,克服了隶属函数的形式及其参数...     

基于溶解气体分析的电力变压器在线监测与诊断技术

油中溶解气体分析是评估变压器绝缘状态和分析变压器绝缘故障的重要依据。在介绍基于油中溶解气体分析的变压器在线监测与诊断技术原理的基础上,进一步总结了当前在线监测与诊断系统的研究现状及存在的问题:系统主要是在线监测油中气体成分及超阈值报警,而对故障性质、种类、定位及发展趋势预测等诊断尚不具备或很不完备,故障诊断需靠离线分析;因缺乏相应的理论指导,在线监测数据在正常情况下应满足的规律还很模糊,装置自身的精确度不能保证。对今后的研究提出了展望,指出如何通过对在线数据的挖掘找到变压器故障诊断的相应理论依据是进一步研究的核心。     

一例变压器内部故障的油色谱分析诊断和处理

描述了变压器铁心接地联片短接故障的处理经过,从发现色谱分析数据异常,到故障诊断、检修处理和效果检查,验证了《变压器油中溶解气体分析和判断导则》的科学性,阐述了色谱分析在诊断变压器故障和监督故障变化工作中的重要意义。     

Study on decomposition gas for diagnostics of gas‐insulated transformers

Concentrations of population and business activities result in high energy demand in urban areas. This requires the construction of underground substations. Oil‐free, nonflammable, nonexplosive equipment is recommended for underground substations. For this reason, gas‐insulated transformers have been developed. A diagnostic method for gas‐insulated transformers is thus required. This paper provides an experimental survey of the main components of decomposition gas generated by various faults in gas‐insulated transformers carried out through simplified model tests. The phenomena of overheating and partial discharges are modeled, taking the actual materials related to each fault into account. For example, CO, CO₂, and aldehydes are produced by overheating of pressboards and PET films. The amount of gas produced increases with rising temperature. While various gases are produced from a partial discharge, the principal components are SO₂ and SOF₂. These results will be used to develop a diagnostic method for gas‐insulated transformers. © 1999 Scripta Technica, Electr Eng Jpn, 130(1): 48–58, 2000     

SF6绝缘电流互感器放电性缺陷带电检测方法的分析

SF6绝缘电流互感器的常规试验项目很少,难以诊断出内部的放电性缺陷.文中分析了SF6绝缘电流互感器放电性缺陷产生的原因,介绍了带电检测其放电性缺陷的方法和原理.结合一起SF6绝缘电流互感器的放电性故障,分析了超声波局部放电检测法和SF6气体成分分析法的特点:超声波局部放电检测法可以通过对比正常相和故障相的局部放电图谱,...     

基于加权综合损失优化深度学习和DGA的变压器故障诊断方法

为进一步提高变压器故障诊断效果,提出了一种基于加权综合损失优化深度学习和油中溶解气体分析(dissolved gas-in-oil analysis,DGA)的变压器故障诊断方法。该方法以DGA特征量为输入,以Softmax层各故障状态概率分布为输出,基于堆栈稀疏自编码深度学习理论构建了变压器故障诊断模型。针对常规交叉熵损失函数下,变压器故障诊断效果偏低,训练样本不平衡分布影响故障诊断水平的问题,采用加权综合损失函数对深度学习模型进行优化。案例分析结果表明:相比传统方法,本文方法可削弱训练样本不对称对变压器故障诊断的不利影响并提高变压器故障诊断水平,各训练集下,本文方法故障诊断准确率可保持在90%以上。     

加权模糊核聚类法在电力变压器故障诊断中的应用

变压器油中溶解气体分析(DGA)是电力变压器故障诊断的重要方法。针对模糊C均值聚类算法用于溶解气体成分分析时存在的问题,将加权模糊核聚类方法(WFKC)引入到电力变压器故障诊断中,建立了一个新的变压器故障诊断模型。该法首先考虑到样本中不同特征对聚类结果的不同影响,利用基于样本相似度的加权方法对样本特征进行加权,然后将样本从输入空间映射到高维特征空间,在特征空间实现加权模糊核聚类。形成的模型充分考虑了不同特征对聚类结果的不同影响,能有效改善复杂数据集的聚类性能,提高了故障诊断的正确率。案例分析表明,该法能快速有效地对样本进行聚类,从而验证了该法在变压器故障诊断中的有效性和可行性。     

基于小波理论的局部放电超声波信号分析

变压器局部放电超声波信号在变压器内部中传播复杂 ,探头所接受到的超声波信号是一种时频有限的非平稳信号 ,所以运用小波分析处理超声波信号十分有效。通过实验得到处理超声波信号最合适的小波 ,同时给出合适的小波参数 ,最后对实际得到的超声波信号进行处理 ,结果表明利用小波分析处理超声波信号效果令人满意