基于人工神经网络模型的变压器保护原理

依据人工神经网络的逼近能力,提出了一种基于人工神经网络模型的变压器保护新原理.该原理利用人工神经网络来逼近变压器的电磁关系,构建可替代变压器物理模型的人工神经网络模型,在线识别变压器的内部参数,基于参数识别后的变压器人工神经网络模型实现变压器保护.EMTP仿真实验表明,该变压器保护方法能在故障发生后半周内识别内部故障,故障特征明显,动作门槛有较大裕度,能识别变压器轻微匝间故障,且不受励磁涌流影响.     

一种结合DS证据信息融合的变压器故障诊断方法

基于变压器油中溶解气体分析,对运行变压器故障类型及故障部位进行了诊断.     

基于FCM的变压器故障分析

针对三比值法在变压器故障分类中的不足,采用基于FCM算法的变压器故障分析方法.利用变压器常见的十三种故障的特征气体含量数据和待检测变压器油色谱数据运用FCM算法对其故障进行分类识别.实例计算结果表明此方法对排除变压器故障具有较高的有效性和实用性.     

基于加权灰色关联度的牵引变压器绝缘故障诊断软件

在分析了牵引变压器负荷特征和故障产气机理的基础上,针对牵引变压器的故障特点提出了一种基于加权灰色关联度分析的牵引变压器DGA故障诊断方法:收集了大量的故障变压器历史数据,对变压器状态分类成七种牵引变压器标准状态模式序列;选取五种变压器油色谱分析(DGA)特征气体值作为灰色关联度分析的参考因子并标准化;采用参考因子加权计算关联度.将基于加权关联度分析的故障诊断方法应用在开发的牵引变压器在线监测诊断软件中.通过分析大量的历史运行数据,诊断结果表明与沿用的电力变压器传统故障诊断方法相比,该方法有着更高的准确度.     

新型换流变压器断线故障计算

新型换流变压器断线故障计算是其配套继电保护与自动装置设计的基础.基于新型换流变压器正常数学模型和稀疏列表法建立网络方程的原理,结合新型换流变压器的有向图,根据新型换流变压器断线故障的类型,通过修改相应故障支路对原网络方程贡献的方法来计算新型换流变压器各种断线故障.实际算例验证了本文设计的新型换流变压器断线故障计算方法的...     

基于添加法的新型变压器纵向不对称故障计算

新型换流变压器纵向不对称故障计算是其配套继电保护与自动装置设计的基础.基于新型换流变压器正常数学模型和添加法建立网络方程的原理,结合新型换流变压器的有向图,根据新型换流变压器纵向不对称故障的类型,通过修改故障支路对原网络方程贡献的方法来计算新型换流变压器各种纵向不对称故障.实际算例验证了该计算方法的正确性,该算法对于解决各种复杂多绕组变压器纵向不对称故障计算问题具有普遍意义.     

基于BP网络远程无线电力变压器故障诊断系统

针对电力变压器故障的特点,运用BP神经网络技术对传统的电力变压器故障诊断方法加以完善,以TMS320VC5402 DSP为硬件核心,设计了高速实时电力变压器故障诊断模块,同时利用Zigbee网络实现了电力变压器故障远距离无线诊断.通过电力变压器故障诊断实例,比较了BP神经网络法和传统的改良三比值法在诊断电力变压器故障类型方面的性能.比较实例表明,基于BP网络远程无线电力变压器故障诊断方法能有效地对电力变压器单故障和多故障样本进行分类诊断,提高了诊断准确率,同时还可以进行远距离无线诊断,从而节省了成本.     

基于油中特征气体分析的变压器绝缘故障诊断

阐述了变压器内部故障与油中特征气体的关系、变压器油特征气体分析的常用方法、以及区分过热和放电故障的气体组分特征量,给出了基于变压器油特征气体分析的变压器故障诊断模型.     

基于云推理及加权隐式半Markov模型的变压器故障预测

为分析电力变压器运行过程中的状态变化并准确预测潜伏故障,在现有研究基础上建立了基于云推理及加权半Markov退化模型(HSMM)的变压器故障预测方法.利用云理论对故障变压器油中气体样本数据训练以发掘对应定性云概念,并构建油中气体状态空间.基于变压器运行状态变化规律分析引入老化因子,通过多步长加权方法在Markov链中引入历史运行状态信息,构建了加权HSMM退化模型对变压器运行状态进行预测.若预测DGA表征的变压器运行状态处于异常时,利用构建的云推理组合规则发生器对变压器故障类型进行诊断.多实例分析验证表明:基于加权HSMM退化模型能准确预测变压器运行状态;相较于其它常用预测方法,其在非等间隔观测数据或出现波动情况下鲁棒性及准确性更佳;结合基于云推理机制的故障诊断方法能实现变压器状态的准确预测和故障诊断.     

基于负面选择算法的电力变压器在线故障监测

变压器油中溶解气体分析是电力变压器异常监测的重要方法.我们研究了一种实时负面选择算法,基于免疫系统这种智能故障监测算法,通过分析油中溶解气体实现变压器故障的监测.由这种实时负面选择算法构造出一组可监测电力变压器工作过程任何异常(包括故障及损害)故障的监测器,对电力变压器运行期间的故障进行在线监测.实验证明,此算法能有效地对电力变压器已知和未可预知类型的故障样本进行及时探知,具有较高的检测准确率.