基于ANFIS的变压器寿命预测和状态评估

变压器寿命和运行状态准确的评估对其检修策略的制定有着重要的指导意义。为了实现对变压器寿命和状态进行客观的、科学的评估,文中提出了基于自适应模糊神经网络(ANFIS)的多特征诊断参数的变压器寿命预测和状态评估方法。提取影响变压器寿命的特征参数,通过自适应模糊神经网络对这些特征参数进行学习,利用反向传播算法解决权重的自适应动态调整,构建变压器的寿命预测模型;在其基础上结合油中溶解气体建立一种变压器综合健康状态评估模型。通过实验数据研究论证,该模型能够准确有效地诊断变压器寿命和状态,同时相比传统方法有更高的预测精度和评估精度,是一种新的有效的变压器状态评估方法。     

基于SMOTE和决策树算法的电力变压器状态评估知识获取方法

提出基于合成少数过采样技术(SMOTE)算法和决策树算法的电力变压器状态评估知识获取方法,首先针对变压器非正常状态样本数量较少的情况,采用SMOTE算法补充非正常状态样本数量,解决了变压器样本集类别不平衡问题。然后将变压器状态评估过程视为分类过程,利用决策树模型为白箱模型的特点,将变压器状态评估知识获取问题转化为构建决策树的问题。最后采用C4.5决策树算法构建决策树,从中提取变压器状态评估知识,得到关键变压器状态量和评估规则。以某地市级供电公司110 kV电压等级油浸式变压器实际数据开展实例分析,结果表明所提出的方法能实现状态评估知识的自动化获取,可以为该地区110 kV油浸式变压器的状态评估工作提供决策支持。     

基于支持向量同归的电力变压器状态评估

为提高电力变压器状态评估的准确性,将变压器健康状态分为5级。鉴于支持向量机对小样本具有良好的拟合能力,而变压器数据具有小样本、贫信息的特点,提出了基于支持向量回归的电力变压器状态评估模型。将变压器的油色谱分析数据和电气实验数据利用半岭模型确定变压器各个参数的分值,评分项目结果作为支持向量机的自变量,通过多层动态自适应优化算法优化了支持向量回归的参数,形成变权重的预测。实例验证了变压器状态评估模型的正确性及可行性,其结果更接近变压器的真实运行状态。     

基于组合赋权与加权秩和比的电力变压器状态评估北大核心CSCD

输变电设备运行状态评估是电网企业技术管理的重要内容,针对目前电力变压器健康状态评估模型中存在的对状态量单一赋权不合理、实现步骤较为繁琐、算法性能不稳定等问题,文中采用加权秩和比WRSR(weighted rank sum ratio)模型对电力变压器健康状态进行评估,该模型原理简单,易于实现。通过选取电力变压器运行中典型状态量,采用组合赋权的理论对各状态量赋予权值大小,进而计算评估对象的加权秩和比。利用加权秩和比确定待评估对象的概率单位,并将概率单位作为自变量代入回归方程中得到状态评估结果。实际算例分析表明,所构建的评估模型及其方法,不仅可以实现对单台变压器的健康状态评估,还可对多台变压器的运行状态进行综合优劣排序,可有效服务于电力变压器的运维工作。     

基于可拓理论的变压器在线监测状态综合评估

变压器运行状态的有效评估是指导电力变压器状态检修以及保证电力系统安全可靠运行的重要手段。在变压器智能组件得到的各类在线监测状态信息量的基础上,引入可拓理论,建立了基于在线监测的变压器状态综合评估模型。采用改进层次分析法与灰色关联分析相结合计算得到综合权重,指出该方法克服了单一方法确定指标权重的局限性;基于物元理论和关联函数理论构建变压器状态综合评估模型,实现对变压器状态定性和定量相结合的状态评估,为变压器的状态检修提供了决策依据。实例分析证明了该评估模型的准确性和有效性。     

基于决策树集成算法的电力变压器状态评估

针对变压器故障诊断困难和单个决策树分类精度低的问题,提出了基于决策树集成算法的电力变压器状态评估方法以进行辅助诊断。该系统首先使用多目标二进制编码遗传算法从变压器溶解气体的14种特征中选择有效的分类特征,然后使用这些特征训练一系列基决策树分类器,并使用遗传算法选择集成部分精度较高的决策树构造强分类器提升分类性能,最后使用D-S融合规则融合基分类器的分类结果得到最终的诊断结果。仿真结果表明,该算法不仅提升了决策树的分类性能,且能够提高电力变压器的诊断精度,具有良好的实用性。     

基于改进凝聚层次聚类算法的变压器绕组及铁心故障诊断研究

为实现振动响应法在线诊断变压器绕组及铁心故障,提出一种基于改进凝聚层次聚类算法的变压器故障诊断方法。首先,运用集合经验模态分解(ensemble empirical mode decomposition,EEMD)方法对变压器振动信号进行特征值提取,得到变压器振动信号的特征向量。然后,应用凝聚层次聚类算法对测试变压器振动信号的特征向量进行层次分类,分类得到变压器正常、绕组轴向变形、绕组径向变形、铁心故障4种状态。同时,为克服凝聚层次聚类算法计算量大的缺点,对该算法进行了改进,从而提高了变压器状态分类的速度。最终,经实例测试,结果证明该改进方法能有效快速地识别出变压器所处的状态,实现变压器绕组及铁芯的在线监测与故障诊断。     

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.     

基于变压器绝缘劣化降级时间预测的绝缘老化评估方法

电力变压器绝缘老化评估为电网的长期安全稳定运行提供了技术支持，在保证非破坏性试验的基础上，对绝缘状态进行诊断也是一直以来的研究热点。文中基于广义维纳过程对变压器建立老化模型，通过相关试验数据得到老化诊断指标，从而衡量变压器绝缘老化状态。对变压器健康状态进行分级，采用上述模型预测最短降级时间，相比于直接进行寿命预测，短期预测可以将未来人为操作信息纳入模型，最大化解决信息挖掘不充分的问题。最后对老化评估模型的相关分布参数进行优化求解，采用内蒙古电网设备真实历史数据迭代训练，得到适用于该地区的变压器老化状态评估模型，验证了该方法可以准确的评估变压器的老化状态。     

基于集对分析方法的电力变压器绝缘状态评估策略

针对大型电力变压器绝缘状态和故障机理复杂、具有不确定性、难以有效评估的问题,提出了基于集对分析方法的变压器绝缘状态评估策略.建立变压器绝缘状态定量和定性评估指标体系,在状态等级划分和指标参数提取的基础上,构建集对分析算法及实现步骤,用联系度及其数学表达式统一描述系统状态的不确定性问题,结合信度准则实现对变压器绝缘状态的评估.实例研究并与其他状态评估方法的比较表明,该策略可行、有效,为电力变压器绝缘状态评估提供了一种新的思路.     

基于优化神经网络和DGA的变压器故障诊断

人工神经网络技术已经在变压器的状态诊断得到应用,为了克服故障分析中BP神经网络存在的不足,提出了一种自适应混沌粒子群优化神经网络在变压器故障诊断的新方法。该算法通过进化速度因子和聚集因子调整惯性权重,并改进学习因子,引入混沌系统,构成混沌粒子群算法优化神经网络参数,有效地克服常规BP算法训练收敛速度慢、易陷入局部极小值等缺点。最后基于DGA对变压器故障实例分析仿真,对比常规变压器诊断方法结果表明,该算法能够提高诊断效率以及故障模式识别的准确性。     

灰靶理论在CBRM状态评估中的应用

研究了基于电网状态评估的风险防范管理体系中的状态评估方法,将动态灰靶理论与该评估方法相结合,将影响变压器健康指数的几个参数作为灰靶理论待评估模式的状态量,计算变压器当下模式与标准模式的靶心度,通过值域空间映射,求出变压器当前的健康指数,进而求取变压器的其他评估指标。实例验证表明,利用此方法能够正确得到变压器的健康状态。     

基于博弈论和拟态物理学优化算法的变压器状态评价方法研究

提出一种变压器状态评价的新方法,对提高变压器运行可靠性具有一定的指导意义。首先构建了变压器运行状态的评价指标体系,该体系包括了溶解气体CH_4、油介损、绝缘电阻、泄漏电流、吸收比和油中微水等6个评价指标,然后基于变压器在不同运行方式下的运行数据,使用拟态物理学优化算法优化这6个指标的数据,并采用博弈论赋权法确定不同指标的权重值,最终将指标值与权重值进行组合叠加得到变压器运行状态的评价结果。以某市9台大型国产变压器作为仿真案例,基于该案例的实际生产运行数据,算例一验证了拟态物理学算法具有较好的优化效果,能够有效提高收敛速度,并得到更好的迭代结果;算例二实现了最终的变压器运行状态评价,其中9号变压器运行状态最好,3号变压器运行状态最差,这一结果对将来该市变压器的维护和检修具有重要的指导和借鉴价值。     

一种基于Adam算法优化的神经网络变压器顶层油温预测*

基于国内外现有变压器老化影响因素、绕组热点温度的预测方法及变压器绝缘状态评估的研究基础，以变压器顶层油温为研究对象，利用灰色关联分析法分析变压器监测量与顶层油温的相关性，采用Adam算法优化的人工神经网络对热点温度进行预测。该预测方法速度快、精度高，能在变压器负载状态和散热设备动态变化明显的工作情况下实现顶层油温的高精度预测。     

基于粗糙集理论的变压器油纸绝缘状态评估

基于回复电压测试数据,运用粗糙集理论评估变压器绝缘状态,并建立变压器绝缘状态评估系统。首先选取回复电压法特征量和扩展德拜等效弛豫电路特征量作为评估特征量。其次利用模糊C均值聚类算法对评估特征量进行模糊划分并指标化,生成绝缘状态决策表。接着利用差别矩阵对绝缘状态决策表进行属性约简。最后,利用盲目删除值约简算法对已约简决策表进行属性值约简,得到完全约简的决策表,并在此基础上建立变压器绝缘状态评估的规则表。通过实例分析证明提出的评估方法能够有效地评估变压器内部绝缘状态。     

考虑历史工况的电力变压器健康状态评估模型

电力变压器结构、运行工况复杂,影响其健康状态的因素众多,建立有效的变压器健康状态评估模型对其状态进行准确评估是十分必要的。文中提出一种考虑变压器历史运行工况影响的变压器健康状态评估模型。从油色谱试验、电气试验、油化试验数据及现场评估等方面提取相关重要指标作为定量指标和定性指标,通过主客观组合权重和岭型隶属函数完成基于定量指标的变压器状态初步评估结果;考虑变压器历史工况建立定性指标对初步评估结果进行合理修正,完成对变压器健康状态的评估。最后以宁夏地区1台110 kV主变验证了该评估方法的有效性和准确性。文中提出的变压器健康状态评估模型可为变压器的智能运维和健康管理提供参考。     

基于层次分析法的变压器剩余寿命预测分析

提出一种基于层次分析法的变压器剩余寿命预测模型。通过层次分析法建立了变压器试验健康指标体系,并与基本信息健康评估指标融合得到综合健康指数,同时考虑热累积效应、故障缺陷次数等相关因素对变压器健康状态影响的基础上,对变压器健康指数进行修正,采用健康指数老化公式对变压器的剩余寿命进行评估。采用该模型分析和计算某变压器的健康指数、剩余寿命,实例验证表明:该模型具有一定的合理性和有效性。     

基于MOPSO的输变电设备状态评估管理研究

针对电压等级的不断提高和输变电设备使用年限的增加,发生电网故障的风险也逐渐增加的问题,提出了一种基于MOPSO的输变电设备状态评估方法。首先,训练得到一系列基SVM分类器;然后,使用MOPSO算法选择一部分精度和多样性较高的SVM构建决策分类器,并将输变电设备分为多种不同的运行状态;最后,使用变压器油中的溶解气体数据进行仿真实验来评估变压器的状态,并与传统的SVM、IEC三比值法和BP神经网络算法进行比较。实验结果表明,所提出的算法能准确、有效地评估变压器的状态,相比传统的诊断方法其具有更高的准确率。     

理想点法在变压器状态评估中的应用

电力变压器是电力系统重要的电气设备之一,变压器的健康状态直接影响着整个电力系统的运行.因此,对变压器进行科学状态评估,降低变压器故障发生机率,实现变压器的状态维修是电力系统迫切需要解决的课题.将理想点引入变压器状态评估中,实现了对变压器状态等级的一种具体划分.基于理想点的多目标评价模型计算简便、思路清晰、结果合理,有效...     

基于非对称贴近度证据云物元模型的电力变压器综合状态评估方法

针对电力变压器状态评估过程中,评价指标状态等级采用区间划分、信度准则判断信度值选取不同导致结果存在偏差、最大隶属原则判断仅利用最大分量等问题,提出了一种基于非对称贴近度证据云物元模型的电力变压器综合状态评估方法。首先,针对变压器在状态等级边界处的随机性与模糊性问题,利用云物元模型构建了状态评估基础框架;其次,为了兼顾"3En"规则和"50%关联度"规则的分明性和模糊性,避免状态结论冲突,应用云熵优化算法改进云物元模型来计算评价指标的等级关联度;最后,基于D-S证据理论对各试验项目的等级关联度进行融合,并用非对称贴近度决策判断得到最终的评估结果,有效避免了信度值选取不同导致结果存在偏差和利用最大分量决策判断易导致状态结论与实际不符的问题。以2台220kV油浸式电力变压器为例,证明该方法不仅可以提高电力变压器状态评估的准确性,也可进一步拓展其适用性。