基于支持向量数据描述的变压器故障检测方法

在变压器故障诊断领域中,针对传统分类算法在没有故障样本信息的情况下无法有效实现故障检测不足的问题,提出了一种基于支持向量数据描述的变压器故障检测算法.该算法只需要目标样本,即正常样本进行训练,无需故障样本信息,最终得到描述正常样本空间结构信息的超球体,决策阶段利用与超球体中心的距离进行判断.通过实验表明,笔者提出的方法在故障样本不均衡的情况下能有效实现变压器的故障检测.     

一种SVM不平衡分类方法及在故障诊断的应用

针对支持向量机不平衡样本分类倾斜性问题,提出一种欠采样支持向量机分类器。构建包含少类样本的最小封闭超球体,计算各个多类样本到包含少类样本最小封闭超球体球心的距离,利用该距离对多类样本进行欠采样,产生新的训练集,实现训练集的平衡。该方法和其他不平衡分类方法在基准数据集的分类结果表明该方法在识别率和分类速度方面的有效性。将该方法应用于永磁同步电机驱动电路功率开关管开路故障诊断中,结果表明该方法缩短故障分类器的训练时间,提高了故障分类器的泛化能力和诊断速度。     

基于改进SVM算法的高压断路器故障诊断北大核心CSCD

为了能更快速、准确的对高压断路器进行状态分析与故障诊断,文中提出了基于APSO-PCA-SVM算法的高压断路器故障诊断模型。首先提取分合闸电流信号中峰谷电流值、关键时刻等7维特征及动触头位移信号中的3维特征;随后利用PCA(主成分分析)对10维特征进行数据降维并确定最终特征集;最后采用APSO(自适应粒子群)算法进行SVM(支持向量机)核参数寻优,将最终特征集作为模型输入,建立了APSOPCA-SVM故障诊断模型,对高压断路器进行故障分类诊断。实例分析结果表明,该方法能够最大程度去除冗余信息,简化了诊断模型的同时提高了诊断精度和效率,在故障样本较少时采用有限特征量即可较为理想的实现对高压断路器此类小样本设备的高效故障诊断。     

核主元分析在高压断路器故障诊断中的应用

核主元分析(KPCA)方法作为一种先进的人工智能算法,在处理非线性问题上具有极大的优势。为此,将KPCA用于高压断路器的故障诊断中,通过选取合适的核函数将原始数据映射到特征空间,之后在特征空间内计算主元,依据平方预测误差(SPE)统计量对故障数据进行分类诊断,以提高高压断路器故障诊断的准确率。为验证该方法的有效性,用KPCA法对高压断路器在线监测系统采集到的现场正常及非正常数据进行分析计算,并利用Matlab仿真依据计算得出的统计量值对故障数据进行诊断。实验结果表明,该方法应用于高压断路器能够取得较好的故障诊断效果。     

基于ReliefF特征量优化及BP神经网络识别的高压隔离开关故障类型与位置诊断方法

针对高压隔离开关机械故障的类型和发生位置难以有效识别的问题,提出了一种将隔离开关多路振动特征利用Relief F算法进行优化然后利用BP神经网络进行融合决策的故障诊断方法。首先进行试验模拟故障,在隔离开关本体和操动机构上分布式安装振动传感器,采集不同位置振动信号;然后将多个传感器采集的振动信号进行经验模态分解,得到固有模态函数,分别计算能量距,并把多路信号的能量距进行融合。最后使用Relief F算法对其进行特征筛选,构成BP神经网络的输入特征向量,从而实现故障类型、位置诊断。试验结果表明,多路传感器融合特征向量相比于单路信号提取的特征,对隔离开关不同的故障具有较好的识别能力,可诊断出故障发生的种类及位置,提高了诊断准确率。     

基于粗糙集与多类支持向量机的电力变压器故障诊断

针对传统变压器故障诊断过程中未能将部分反映变压器故障状态的信息有效利用,以致故障诊断信息不完备、诊断结果不准确的情况,将铁芯接地电流等信息与特征气体相结合,以完善故障特征信息。并在此基础上,构建了一种采用粗糙集的一对一多类支持向量机故障诊断新方法。首先利用一对一多类支持向量机实现故障类别区域的划分;然后根据粗糙集的上下近似这一核心思想对故障类别划分区域进行描述,得出故障分类的上下近似域及边界域的集合,并提取故障诊断分类规则;最后利用分类规则实现故障类别划分。该方法实现了故障信息的综合利用,并将粗糙集在不完备数据与复杂模式刻画方面所具备的优良表现,及一对一支持向量机在分类方面的良好泛化性能进行有效融合,从而有效提高故障分类精度。变压器故障实例分析表明,与传统诊断方法相比较,该方法具有更高的诊断正确率,且其可有效反映故障诊断中所出现的不完备信息。     

基于高压隔离开关振动信号的故障诊断方法分析

介绍了一种高压隔离开关振动信号监测分析方法:首先检测高压隔离开关正常动作时的振动信号曲线,提取其中的特征信息,对各特征信息进行聚类分析,得到对应的聚类中心,建立高压隔离开关的标准振动信号数据模型;然后检测高压隔离开关实际运行动作时的振动信号曲线特征值,与标准振动信号数据模型中的特征值进行比对,计算高压隔离开关实际运行动作时的振动信号曲线与标准振动信号数据模型的相似程度,如果相似程度低于阈值,则判断高压隔离开关故障。经故障模拟及试验验证,该方法操作简单,使用方便,能够准确检测出高压隔离开关是否存在故障。     

基于改进拉普拉斯分值的开关柜故障特征选择和诊断方法

为及时发现和预防开关柜的故障缺陷,设计了开关柜故障诊断特征量监测方案,选取反映开关柜绝缘、机械、温升和电弧等不同类型故障的特征量作为诊断指标,以获得开关柜故障原始特征集合;通过引入权重因子,对拉普拉斯分值和费舍尔分值进行加权,前者表征特征子集对邻近样本的局部保持能力,后者表征特征子集对非邻近样本的全局分离能力,从而形成改进的拉普拉斯分值对故障特征量重要度进行排序;利用模糊支持向量机分类器对特征子集进行校验,进而得到最优的开关柜故障特征子集;通过马氏距离量化故障特征量与标准样本的相似度,由此实现开关柜的故障诊断。通过对某开闭所中开关柜监测数据的实例分析,验证了提出方法的正确性。     

基于最小二乘支持向量机的高压断路器故障诊断

为了快速、准确地对高压断路器发生的故障进行分析和诊断,确定故障的性质、类别和部位,提出了一种高压断路器故障诊断的新方法。首先对高压断路器分合闸线圈电流进行分析,提取电流和时间特征量形成特征向量,然后用遗传算法对最小二乘支持向量机(least square support vector machine,LS-SVM)参数进行优化,最后,将特征向量输入到优化后的最小二乘支持向量机中进行故障识别、分类。试验表明,该方法可以准确地识别断路器的多种故障类型,为断路器故障定位和状态检修提供了依据。与广泛使用的神经网络方法相比,该方法在样本较少时仍能获得较好的诊断效果,更适用于高压断路器等小样本设备的故障诊断。     

基于特征分类算法的GIS故障诊断方法研究

针对高压断路器操动机构故障监测问题,提出了一种基于核主成分分析和支持向量机的气体绝缘开关故障检测方法,利用核主成分分析对分(合)闸线圈电流波形的特征值进行降维,然后将降维后的特征值输入多类分类SVM进行故障诊断和分类。通过实际样本的实验,验证了算法的准确性和可靠性,并通过参数讨论,测算了最优的分类参数。     

超快速隔离开关电磁斥力机构设计及试验研究

直流断路器的故障切除时间主要决定于关键元件超快速隔离开关的动作时间。文中对超快速隔离开关的电磁斥力机构工作原理进行研究,得到建立电磁斥力机构的有限元模型。仿真分析线圈参数、金属盘尺寸等因素对超快速隔离开关动态特性的影响,在此基础上对电磁斥力机构参数进行优化。最后对设计超快速隔离开关进行动态特性测试,测试结果表明设计的电磁斥力机构能满足超快速隔离开关2 ms运动到耐受故障切除过程中的暂态开断电压TIV的绝缘距离要求,验证了设计的有效性,为混合式高压直流断路器的实现提供了保证。     

基于特征评估与核主元分析的电力变压器故障诊断

针对电力变压器故障诊断中的故障特征量数量匮乏、携带的故障信息较为有限,致使故障判断效果不理想等问题,将电气试验数据等与油中溶解气体分析(DGA)相融合所获得的34种特征量作为故障特征量,以完善故障特征信息。在此基础上,将特征评估与核主元分析(KPCA)相结合,构建了一种基于特征评估与核主元分析的故障诊断方法。该方法首先通过特征评估来剔除不敏感故障特征量,以削弱它们对特征提取产生的影响;其次,对经过特征评估后的27维故障特征量进行核主元分析,降低故障特征量的维数;最后,将提取后的9维故障特征量作为输入故障特征向量,采用多分类相关向量机(M-RVM)方法进行故障分类。实例分析表明,该故障诊断方法不仅能有效弥补故障特征量单一等不足,而且更具一般性,其故障诊断准确率达到90.35%,可为故障信息有限情况下的电力变压器故障诊断提供参考。     

GW16、17系列户外高压隔离开关的完善化改进

高压隔离开关作为1种转换电路和保证停电检修安全的设备，它无需开断电流、结构相对简单，因而对该产品的制造和运行维护历来不很重视。随着断路器制造和运行水平的提高，使断路器故障率降低，检修量也显著减少。但是隔离开关的故障缺陷问题如：导电回路发热、机构卡涩、传动部件损坏等，导致不能正常操作的情况时有发生。在2001年全国电力系统高压开关工作会议上，国电公司对电网中高压隔离开关的运行情况进行了总结，指出隔离开关在运行中存在的缺陷，并在会上成立了全国高压隔离开关完善化工作组。对此，平高电气公司就GW16、17系列隔离开关在运行中所出现的问题，进行了调查、分析和改进，并结合GW16、17系列隔离开关多年来的运行经验，进行了完善化的改进工作。     

故障录波信息和D_S证据理论用于电网故障诊断

当电网发生故障时,传统的故障诊断方法仅仅利用了开关量信息而没有充分利用故障录波信息,而故障录波信息在准确性、完备性和容错性等方面有开关量信息无法比拟的优势。为了充分利用故障录波信息进行电网故障诊断,通过小波变换对发生故障前后电流波形进行分析,采用小波奇异度和小波故障度分别表征电网元件的故障概率,但是由于故障的不确定性和复杂性,这两种故障表征方法都不能独自准确地诊断故障元件,因此提出采用D-S证据理论对多种故障表征方法进行信息融合,能够准确诊断故障线路。基于PSCAD仿真实例证明,该方法能提高对故障诊断结果的支持度及故障诊断的准确性,在电网故障诊断中有良好的应用前景。     

基于电流峰面积及时间特性的隔离开关故障诊断系统设计

为了实现高压隔离开关机械故障诊断,设计了电机电流检测系统并实时采集了GW4B-252 DW型隔离开关分合闸过程中的电流信号,分析了隔离开关分合闸不到位、运动部件卡涩等机械故障情况下的电机电流信号特征,提出了基于电流峰面积分析和时间特性对比的隔离开关机械故障诊断流程。研究结果表明,当隔离开关发生机械故障时,驱动电机电流波形发生畸变,对应的电流峰面积和时间特性发生明显改变,由此可判断出相应的故障类型。该方法具有广泛适用性,从而可提高设备运行的可靠性。     

基于改进小波分析的电网故障诊断研究

传统电网故障诊断大多基于开关量进行分析,当获得的开关量信息不完备不可信的时候,诊断容错性较差,甚至会出现错误的诊断结果。电气量中蕴含丰富的暂态信息,能够直观的反映电网特性,利用多分辨分析的小波理论对电力系统故障采集到的电流波形进行分析,针对故障电流在电网中的分布特性,提出对改进小波分析故障诊断,建立IEEE39节点仿真模型,实例验证,得到各故障候选线路的各小波故障度。     

500kV GIS隔离开关绝缘拉杆故障分析

介绍了昆明供电局500 k V GIS隔离开关绝缘拉杆的击穿故障,采用实验的方法对该绝缘拉杆的故障情况及产生的异物进行了分析,得出故障原因。利用ANSYS对故障模型进行仿真计算,得到了高压GIS隔离开关的电场分布。并依据检测结果及仿真结果对故障原因进行评估。为隔离开关的击穿故障原因和解体大修提供了重要依据。     

基于ANSYS模型分析GIS隔离开关内部电场变化

目前GIS设备在电网运行中占据了很大的部分,而隔离开关是GIS设备中的关键结构,其健康状况对于电网的正常运行和对于高电压的隔离具有重要意义。GIS的可靠性虽然高,但仍然存在故障。仅2014年内,云南电网太安变500 k V隔离开关就发生了两起隔离开关击穿故障。由于隔离开关气室的封闭性,目前对于GIS隔离开关内部故障的分析具有一定的局限性。故通过使用ANSYS仿真计算的方法,对高压GIS隔离开关进行模拟计算。通过构建缺陷模型,从电场分布变化的角度对隔离开关故障的分析提供依据。     

基于功率特征分段提取的隔离开关智能监测与诊断技术研究

通过搭建隔离开关机电联合仿真模型并进行故障模拟结果分析,阐释了隔离开关全行程的功率-应力映射关系。根据各故障特征与行程区间的对应关系,提出了典型故障功率特征的分段提取方法。提取了运动时间及不同运动阶段输出功率均值、方差等共10个原始特征量,在仿真模拟的卡涩、三相不同期、动作不到位典型故障的诊断中进行了算法验证,采用SVM算法实现其机械状态的智能监测与故障诊断。最终通过GW4型隔离开关故障模拟实验,验证了所提智能算法在工业实际中的有效性与准确性。