信息融合技术在电力变压器故障诊断中的应用

根据变压器运行原理和结构特点,将信息融合思想引入到变压器的故障诊断中,建立基于信息融合技术的故障诊断模式,即通过曲面拟合算法和证据推理技术从不同侧面,充分利用各种特征信息对变压器的故障进行诊断,来有效地提高确诊率。     

基于D-S证据理论的油浸式电力变压器故障诊断

当前对变压器进行故障诊断,主要是利用从分散的传感器收集到的检测信息,但使用单独的传感器采集数据进行判别,由于缺乏对数据的融合分析,易造成诊断中的误判或漏判。提出了一种基于D-S证据理论的油浸式电力变压器故障诊断方法,该方法通过融合数据来处理故障诊断中的不确定度。建立了故障诊断的融合模型,给出了方法的具体实现步骤并应用实例进行计算。结果表明,本方法可以减少诊断中的不确定性,提高故障诊断的准确性。     

基于Elman神经网络的油浸式电力变压器故障诊断

油浸式电力变压器的运行状态直接影响到电力系统的安全与稳定,对其进行故障诊断具有重要的现实意义。依据Elman神经网络具有动态处理数据及对历史数据敏感的能力,提出了将它用于油浸式电力变压器的故障诊断新方法,并给出了其具体的实现,同时对故障诊断的结果,将Elman网络与BP网络进行了比较。检测结果表明,Elman网络具有区别油浸式电力变压器不同故障类型的能力。     

基于粗糙集理论与模糊Petri网络的油浸电力变压器综合故障诊断

电力变压器故障诊断因果关系的复杂性与模糊性，采用单一智能方法难以准确描述。文中基于智能互补融合的思想，将粗糙集理论与模糊Petri网络有机结合在一起进行油浸电力变压器故障诊断。利用粗糙集信息表简化技术来实现对专家知识的简化与故障特征的压缩，获得最小诊断规则，基于最小诊断规则的Petri网络模型可以有效降低网络结构的复杂性与故障特征获取的难度。同时利用模糊Petri网络实现并行模糊推理，便于描述故障特征的变化及对变压器运行特性的快速分析。故障实例分析表明，文中所提出的智能方法可以有效地进行模糊推理，减小诊断信息的冗余性，诊断效率高，计算快速、准确，结果易于被人理解。     

基于多传感信息融合的电力变压器绕组故障诊断方法

传统电力变压器绕组故障诊断方法直接对变压器绕组故障进行诊断,未对振动信号进行特征提取,造成诊断精准度低。为此,提出基于多传感信息融合的电力变压器绕组故障诊断方法。在故障诊断之前采集绕组振动信号,在采集绕组振动信号的基础上,重点对变压器绕组振动特征进行提取,通过提取的特征利用多传感信息融合算法对变压器绕组变形故障进行故障诊断。设计对比实验,实验结果证明该方法在不同数据预处理下的故障诊断精准度高于传统方法,有一定的研究价值。     

基于信息融合技术的变压器多层次故障诊断

鉴于电力变压器自身结构复杂,运行环境多变的特性,传统的单一信息来源确定变压器故障类型存在较大的局限性。因此将信息融合技术引入变压器故障诊断中,将变压器故障诊断分为两个融合层次,第一层利用DGA数据确定过热故障和放电故障,第二层利用电气数据确定具体故障位置或原因,两个融合层次所用智能算法均为改进后的BP神经网络算法。最后通过实例分析,证明该方法的有效性。     

变压器信息融合故障诊断技术

基于变压器故障诊断特点与要求，运用信息融合理论和技术，提出具有数据采掘功能的基于信息融合技术的变压器故障诊断系统的模型．系统阐述模型中各关键技术实现方法，并通过实例对信息融合技术在变压器故障诊断中的应用进行分析。     

基于信息融合的变压器故障诊断系统设计

结合现场具体情况,提出了电力变压器状态监测的综合分析方法,并就状态的选取与处理、规则的描述、诊断推理过程作了深入探讨.围绕变压器局部放电特征量、油中溶解气体分析等数据,采用了超声波定位、神经网络、专家系统推理等方法,将各种诊断方法融为一体,设计了基于信息融合的变压器故障诊断系统.该系统的应用将极大地提高变压器的运行可靠性及利用率,延长变压器的使用寿命.     

基于多维度信息融合的实用型变压器故障诊断专家系统

针对由于变压器结构复杂而导致其故障诊断的快速准确判断越来越依赖于大量信息的融合处理的情况,建立了基于多维度信息融合的实用型电力变压器故障诊断专家系统。首先分析多维度信息融合模型结构,给出基于因子分析计算各维度信息融合权重的方法,再构建基于多维度信息融合的专家系统,分析该专家系统的诊断流程,对多维度信息的识别、选择和判断进行了研究,最后结合110 kV变压器案例进行验证。结果表明,该专家系统逻辑简单、诊断精度高、诊断快速,可嵌入智能终端装置,为现场工作人员提供智能专家诊断。     

推广采用节能型油浸式电力变压器

一、前言 80年代我国电力工业获得了持续发展,至1990年底全国装机容量已达1.3 5亿kW,年发电量6150亿kW·h,装机容量和发电量仅次于美、苏、日,居世界第四位。引进技术国产单机容量600MW的发电机组     

电力变压器绝缘故障综合诊断方法的研究

提出一种能充分利用电气试验与油中溶解气体分析结果中的有效信息进行电力变压器绝缘故障综合诊断的新方法，故障诊断过程分为物理征兆的识别与故障部位的确定两部分，然后分别对其中应用的故障诊断方法进行优化，从而有效地提高了综合诊断方法的诊断准确率。     

信息融合技术在变压器故障诊断中的应用

为满足变压器故障诊断的要求,运用信息融合技术,提出了具有数据挖掘功能的变压器故障诊断系统的一般模型,系统地阐述了模型中关键技术的实现方法,并通过实例进行了分析。     

基于油中溶解气体分析数据挖掘的变压器绝缘故障诊断

充分利用粗糙集理论对知识的约简能力与模糊径向基函数(RBF)神经网络优良的分类诊断能力,基于粗糙集与RBF网络实现数据挖掘的电力变压器绝缘故障诊断。该方法一方面将粗糙集作为RBF神经网络的前置,对经离散化的样本集进行约简,形成精简的规则集,将高于一定可信度的挖掘规则用于电力变压器故障诊断;另一方面,将粗糙集挖掘的低于可信度要求的规则所对应的挖掘样本,作为模糊RBF神经网络的训练样本集,同时将粗糙集对这些样本的聚类结果作为模糊RBF神经网络的聚类因子,在此基础上构建改进的4层RBF神经网络,用来诊断不能用粗糙集挖掘的规则诊断的事例。经检验,系统具有较好的分类诊断能力。     

基于信息融合技术的电力变压器故障部位诊断

首先对变压器故障诊断中的可用信息进行分类,然后在分析目前诊断信息欠缺的基础上,提出信息融合诊断的思想,并针对变压器故障部位诊断,探讨了识别框架的形成、基本概率赋值函数的构造以及运用D-S证据理论进行证据组合与推理的过程,并用实例验证了该方法的有效性。     

基于多数据源的电力变压器分层故障诊断系统设计

在现有变压器在线监测条件普遍不足的前提下,介绍了一种基于多数据源的变压器分层故障诊断系统。该系统充分利用在线监测数据和各种电气试验、运行状况以及专家经验等信息,将人工神经网络和基于事例(case)推理的专家系统结合起来,在不同层次的故障诊断模型中采用不同的智能诊断手段,逐步深入、细化诊断结果,并对系统的数据流和知识流进行合理的总体规划。该系统还提供了模拟变电站数据的仿真器,可用于系统的测试,在一定程度上保证了其可靠性。     

基于模糊推理与覆盖集理论的电力变压器故障诊断方法

介绍了一种在覆盖集理论框架上集成模糊推理的诊断方法,在此基础上建立了应用于电力变压器故障诊断的实用模型。由于该模型实现了模糊推理与符号推导的结合,能够较好地解决故障诊断过程中遇到的模糊性问题,并有助于实现对故障的综合诊断,所以具有较高的诊断准确性和实用性。     

基于信息融合技术的并发故障诊断的研究

为了诊断并发故障，文中扩展了证据理论：将并发故障状态作为设备的运行状态引入分辨框Θ中，视其为独立的运行状态，并根据不同证据体的差异程度，提出了两种不同的证据组合算法。然后，应用此两种不同的证据组合算法于并发故障诊断：第一种融合算法用来处理有相同焦点元素的证据体；第二种融合算法用来处理有不同焦点元素的证据体。该算法有利于充分利用各种证据体的有用信息，具有较强处理不确定性、不一致性证据体的能力。通过实验台转子轴承系统并发故障的诊断事例，证实了该算法的有效性。     

基于多分辨率小波网络-BP神经网-D-S证据理论信息融合模型的直流系统故障诊断方法

直流系统接地故障检测中常用的低频信号注入法容易受到大电容接地、环网以及电流互感器故障和饱和等因素的影响.针对这种情况,引入多传感器信息融合的思想,提出了基于"多分辨率小波网络-BP神经网络-D-S证据理论"信息融合模型的故障诊断方法,以综合多个信息源对直流系统的接地故障进行诊断.对具有3条支路的直流供电系统进行的仿真分析表明,在上述情况下利用该方法可以有效诊断出直流系统的故障支路,具有较好的诊断效果.     

基于信息融合技术的汽轮机转子故障诊断

选取蚁群神经网络作为汽轮机转子故障诊断的初级模块,采用证据理论混合算法的故障诊断方法,对汽轮机转子的局部故障进行诊断,并将诊断结果作为证据体利用证据理论将各证据体进行合成,计算它们的基本可信任分配函数,从而判定故障及其类型.以汽轮机转子x、y方向的不平衡故障为例进行诊断,结果表明该方法可有效提高诊断的可信度,减少诊断的不确定性.