一种智能变电站保护装置寿命预测方法

继电保护设备剩余有效寿命预测是智能变电站二次设备状态检修的技术关键.文中提出了一种基于马尔科夫链的智能变电站继电保护设备寿命预测方法,该方法基于马尔科夫链,利用设备在线监测信息和历史运行数据获得其状态分布向量以及状态转移矩阵,进而根据可靠性原理预测其剩余有效寿命.算例分析结果表明该方法可以对保护装置未来运行状态分布和剩余寿命进行有效预测,其预测结果可以为运行人员提供参考.目前该方法已应用在实际智能变电站的二次设备在线监测系统中,有助于提高智能变电站的安全运行水平.     

基于交叉熵理论的配电变压器寿命组合预测方法

对配电变压器进行状态评估和剩余寿命预测,是开展状态检修的重要前提。以变压器历年的健康指数HI为基础,提出了一种基于交叉熵理论的配电变压器寿命组合预测模型。在剩余寿命模型中运用故障概率密度函数并引入交叉熵理论动态确定改进灰色理论和改进马尔科夫两个单一预测算法的权重。模型考虑了配电变压器寿命周期中故障概率密度函数形状参数和尺度参数的变化,实现了对变压器全寿命周期健康指数的评估和预测,确定了健康指数的分布函数。最后通过实际数据验证了模型的有效性和合理性,相比于单一预测法更符合实际情况。     

基于灰色马尔可夫模型的变压器油中溶解气体体积分数预测

准确预测变压器油中溶解故障特征气体的体积分数对发现变压器早期潜伏性故障,实现电力系统安全经济运行具有重要意义。将灰色多变量预测方法和马尔可夫链理论有机结合,提出了一种适合变压器故障特征气体体积分数预测的灰色马尔可夫组合预测模型。利用优化的背景值构造公式建立灰色多变量模型对变压器故障特征气体时间序列的宏观发展规律进行动态预测,在此基础上,建立故障特征气体时间序列的状态转移概率矩阵,以归一化的各阶自相关系数作为权重值,通过加权马尔可夫链模型修正灰色多变量模型预测值,实现变压器故障特征气体体积分数的预测,预测精度较高。实际算例分析验证了该模型的实用性和有效性。     

风机齿轮箱轴承状态评估与剩余寿命预测

为了提高风机运行的可靠性和经济性,提出一种基于马尔科夫链的风机齿轮箱轴承状态评估和剩余寿命预测方法。首先,建立风机齿轮箱轴承磨损状态的Gamma分布模型,并利用最大似然法对模型参数进行估计;其次,划分风机齿轮箱轴承磨损状态等级,并确定各状态等级区间限值;再次,计算齿轮箱轴承磨损状态转移概率,并构造马尔科夫过程的状态转移矩阵;最后,应用该方法对风机齿轮箱轴承进行算例仿真。算例仿真结果验证了该方法在确定风机齿轮箱轴承磨损状态和剩余寿命方面的有效性。     

基于灰色-马尔可夫链的短期风速及风电功率预测

风速具有较大的随机波动性,影响风电及其与之相连电网的运行稳定性,良好的风速和风电功率预测是解决风电并网问题的关键。为此,对用于风速预测的灰色模型和马尔可夫链模型进行比较分析。通过对灰色拟合值的误差转移序列进行分析及建立马尔可夫链状态转移概率矩阵,得出灰色-马尔可夫链预测模型,进而求得风速的误差预测值。并用马尔可夫链转移概率矩阵的期望值对传统马尔可夫链进行改进,得出改进型灰色-马尔可夫链模型,以此对风电功率进行直接预测,并与功率曲线模型法进行对比分析。结果表明,改进型灰色-马尔可夫链模型预测精度更高。     

基于大数据的变压器油中溶解气体关键状态量动态预警研究

针对传统方法难以解决变压器故障诊断中精确度不高、无法实现故障预警的问题,本文利用大数据分析方法,提出一种变压器油中溶解气体关键状态量动态预警方法。该方法采用了高斯混合聚类模型对设备的正常、亚健康和异常状态进行评价,并利用了隐马尔科夫转移矩阵提取色谱演化过程的动态特征参量,实现了亚健康状态下变压器设备状态的短期预测,实现了变压器亚健康状态的动态预警,突破了个性化运行环境下设备亚健康状态的实时诊断及剩余寿命预测等技术瓶颈。经过对案例库中的变压器进行实证分析,本文提出的方法能够反映出气体增长速率与变压器亚健康程度之间的关系,能够实现过热缺陷设备提前100天左右的短期动态故障预警,在故障动态预警方面具有实用价值。     

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。     

电力变压器剩余技术寿命的综合评估

本文中作者提出了电力变压器剩余技术寿命的评估模型,选取了反映变压器健康状态的参量,构建了综合评估指标体系,基于经验公式,实现了电力变压器剩余技术寿命的合理预测。     

基于关联规则分析的电力变压器故障马尔科夫预测模型

为了有效预测电力变压器故障发展的情况,提出了一种基于关联规则分析的电力变压器故障马尔科夫预测模型。运用云理论提取状态参量的云概念,使用Apriori算法挖掘状态参量与状态之间的关联规则以及各状态之间的关联规则;根据状态参量与状态之间的关联规则,建立基于云–Petri网的变压器状态分析模型,从而得到变压器在初始时各状态发生的可能性;利用各状态之间关联规则构建变压器状态转移矩阵,并建立修正因子体系对状态转移矩阵进行修正;将变压器初始时各状态的可能性结合修正后的状态转移矩阵对故障进行预测。实例计算表明,相比于IEC、BPNN与SVM,基于云–Petri网的分析模型具有更快的响应时间或更高的准确率,而对状态转移矩阵的修正可提高马尔科夫模型预测的准确率,能对变压器故障发展趋势进行更有效、合理的预测。