基于油中溶解气体分析的电力变压器绝缘故障诊断方法

电力变压器是电力系统的枢纽设备,其运行可靠性直接关系到电力系统的安全与稳定,油中溶解气体分析方法作为一种有铲的充油电力设备异常监测手段,在电力系统得到广泛的应用,本文述述了基于油中溶解气体分析的电力变压器故障诊断技术的产生背景、研究现状和发展方向。     

变压器油中氢气含量异常情况的分析

介绍了变压器油中氢气含量增高对变压器运行造成的危害，对可能造成变压器油中氢气含量异常的诸多因素进行了分析，提出了处理变压器油气中氢气含量异常增高的措施。     

基于灰关联熵的充油变压器故障诊断方法

油中溶解气体分析是目前发现变压器潜伏性故障的重要方法,鉴于用IEC推荐的三比值法中编码缺陷(编码超出码表)及变压器故障诊断的复杂性,文中详细阐述了如何将灰关联熵应用于变压器故障诊断。首先通过统计方法,选择典型油中气体作为参考列,并经反复调整,挖掘出油中气体所含故障信息,然后利用灰关联熵方法进行变压器故障类型诊断。该方法基于融合互补的思想,将灰关联分析方法与信息熵理论有机结合起来,克服了单一灰关联分析中易造成局部关联及信息损失等缺陷,尽可能多地包含变压器本体所含信息。实例分析结果表明,该方法具有较好的分类效果。     

基于小波网络及油中溶解气体分析的电力变压器故障诊断方法

小波网络是近年来发展起来的一种高效非线性信号处理新模型。该文将适于电力变压器故障诊断的小波网络分为第一、第二类小波网络,提出了基于自适应算法小波网络的变压器故障诊断方法,该方法继承了人工神经网络的学习能力和小波变换的局部化特征,具有良好的收敛性和鲁棒性。选择经模糊预处理的250组油中溶解气体作为采用不同小波基的2类小波网络训练与识别样本,对训练过程和仿真结果进行对比分析。大量诊断实例表明,文中提出的2类小波网络均适于变压器故障诊断,其性能优于单独使用传统BP神经网络的方法。     

导致变压器油产生氢气的问题研究

本文中作者针对变压器油单独产生氢气的问题进行了研究。介绍了试验材料及方法,对影响因素及试验数据进行了分析,并提出了相关建议。     

基于组合神经网络模型的电力变压器故障诊断方法

对故障空间的划分以及组合神经网络的构造方式 ,是利用组合神经网络进行变压器故障识别的关键。在讨论变压器故障空间划分方法及其存在问题的基础上 ,针对已积累的故障变压器的大量溶解气体数据 ,考察了各类故障的气体特征及聚类分析结果 ,并在此基础上构造了组合神经网络分层结构模型 ,实现了对变压器故障由粗到细的逐级划分 ,以提高诊断的准确性 ,为制定维修策略提供了依据。最后 ,结果显示了该模型的有效性     

电力变压器固体绝缘故障的诊断方法

根据电力变压器的绝缘特点，通过对故障实例的统计分析，提出了一种动态分析变压器内部固体绝缘故障的方法。这种方法弥补了以往静态分析时受故障累积效应及测量随机误差等因素影响的不足，有助于提高对故障的诊断精度，并能对故障的发展趋势提供较好的预测。     

油中溶解气体电力变压器故障诊断专家系统

保证电力变压器可靠运行是电力系统安全稳定的重要研究课题,现有的油中溶解气体分析方法存在编码涵盖范围小、不可扩展等不足,影响了其在实际工程中的应用。为此,提出了一种可扩展的油中溶解气体成分的电力变压器故障诊断专家系统,通过将传统三比值法、统计学习方法及实际经验法获得的故障判别规则进行整合,建立了可增扩新规则的专家系统。为验证该方法的有效性,采用3类典型算例、42条故障记录作为进行判别,研究结果表明,建立的专家系统较现有方法具有更好的操作性和判别准确率。     

变压器油中溶解气体在线监测方法及故障判断综述

对变压器的常见故障及其基于变压器油中特征气体组分的故障诊断方法进行归类,分析了在不同故障原因下变压器油中主要特征气体组分,阐述了国内外变压器油中溶解气体在线监测技术的研究现状和发展趋势.     

以油中溶解气体分析为特征量诊断电力变压器故障部位的探讨

用油中溶解气体分析(DGA)能灵敏地发现电力变压器潜伏性故障的性质。然而，对于采用DGA来诊断电力变压器故障部位的方法，目前仍存在能与不能两种观点。笔经过10年的探索，结合实际故障，运用多种诊断方法(如改良三比值法、四比值法、特征气体法、灰色聚类法等)联合诊断，再经正反向混合推理，可以得出最可能的电力变压器故障部位，有效提高了诊断准确性，这对实际生产具有一定的现实意义。     

基因多点交叉遗传算法在变压器故障诊断中的应用

文中提出了一种基因多点交叉遗传算法,设计了基于该遗传算法、自动调整网络参数、连接权重和偏差的最优神经网络,建立了一套集溶解气体分析(DGA)技术、遗传算法和神经网络为一体的变压器故障诊断系统.由于基因多点交叉遗传算法的全局搜索能力和神经网络的高度非线性映射属性,文中的故障诊断系统能够较好地自动识辨变压器油中溶解气体与故障的对应关系,离线试验和现场运行结果表明,该诊断系统对变压器的过热、放电和受潮等故障诊断有一定的准确性.     

灰关联分析在电容型设备绝缘故障诊断中的应用初探

在线监测电容型设备绝缘所获得的tanδ值是波动的,这与环境温湿度、电压等外界因素的影响有关。笔者分析了这些因素对tanδ的影响后,引入了灰关联分析来量化tanδ序列变化与各因素序列变化的接近性,并通过对灰关联度排序实现故障诊断,实例分析验证了方法的有效性。最后,对灰关联分析在电容型设备故障诊断中的应用提出了一些建议。     

220kV变电站主变铁心故障的分析

就主变抽真空过程中测试铁心绝缘发现的问题,指出在抽真空过程中测出的绝缘数值不能真实反映设备绝缘状况。     

南方互联电网自动解列装置分析

本文分析了南方互联电网内现有解列装置的基本情况，提出了多区复杂链式网中解列装置的配置及各装置间配合等有待探讨解决的问题。     

沙角C电厂主设备接地保护分析及其改进

本文就广东沙角C电厂主设备接地保护的原理，配置及整定进行了讨论，并对其定子接地保护方案进行改造，取得了满意的效果。     

应用灰色理论预测变压器等充油设备内的油中气体浓度

用变压器等充油设备的油中气体浓度可以判断设备的绝缘状况,按照国家标准,充油变压器的油中气体浓度至少是3个月测量一次,另外,测量过程十分复杂。在在线气相色谱没有完全实现的情况下,不可能随时获知油中气体浓度。为了弥补这一缺陷,本文基于灰色理论提出了一个预测油中气体浓度的新方法。这一方法可以预测将来任一时刻的油中气体浓度。从而诊断变压器的绝缘状况。经实例验证,这一方法用于变压器等充油设备的油中气体浓度简单、精确、实用。     

基于核可能性聚类算法和油中溶解气体分析的电力变压器故障诊断研究

变压器油中溶解气体分析（Dissolved Gas Analysis,DGA）是电力变压器绝缘诊断的重要方法.针对模糊C均值聚类算法用于溶解气体成分分析时存在的问题,文中将核函数和可能性聚类算法相结合,提出一种简化的核可能性聚类算法,并将其用于变压器DGA数据分析,从而实现变压器的故障诊断.经实践证明,该算法能快速、有效地对样本进行聚类,且特别适用于含有噪声样本的环境.     

基于组合决策树的油浸式电力变压器故障诊断

提出了一种利用属于模式识别范畴的决策树C4.5法进行变压器故障诊断的方法。由于C4．5方法可方便地处理连续特征模式且有从样本学习判定规则的功能，因此应用中显示了该方法对于变压器故障诊断的适用性。在讨论变压器故障空间的基础上，针对已积累的故障变压器的大量油中溶解气体等数据，考察了各类故障的特征偏置，并在此基础上构造出组合决策树诊断模型，实现了变压器故障由粗到细的逐级划分，有利于提高诊断的准确性。实例表明该模型的有效性。     

故障树分析法在变电站通信系统可靠性分析中的应用

随着测控技术的电子化和信息化的发展,变电站通信系统的可靠性直接关系着变电站自动化水平.故障树作为系统失效分析和预测系统故障发生概率的有力工具,可应用于变电站通信系统的可靠性分析与预测.文章介绍了故障树分析法的基本原理及其定性和定量分析方法.结合变电站通信系统的特点,建立了变电站通信系统的失效模型,采用最小割集分析法进行了定性分析,以确定影响变电站通信系统失效的主要因素,针对变电站通信系统的常见拓扑结构定量分析了其有效度,说明了不同拓扑结构对通信系统可靠性的影响.应用故障树分析法,可以提高变电站通信系统的可靠性分析水平,并可作为新建变电站通信系统可靠性分析的理论依据.