基于解析模型的石化装置状态监测系统研究

由石化生产测量数据推理设备运行状态,可以提高设备故障预测和事故分析的能力.基于解析模型建屯了石化设备的状态监测系统,提出了设计和运行模式下状态监测的具体构建方法.应用物料衡算、热量衡算、动量衡算和相平衡方程建立解析模型.选择欧拉法为模型算法,形成的石化设备模块可以系统、机理地分析设备内部运行状况.由SQL Server数据库获取石化装置在线操作数据,由解析模型预测设备内参数变化趋势,从而实现状态监测.状态监测分为设计和运行2种模式,前者给定解析模型输入数据和模型参数,后者显示设备状态.开发了石化装置状态监测系统软件,系统采用模块化思想进行构建.用VisualC++ 2005分别开发了模型运算模块、设计模式界面和运行模式界面,形成了独立的DLL库函数,可供系统主程序按照用户需要来调用.针对换热器等5类设备实现了具体设备的状态监测功能,结果表明该软件可以帮助操作人员分析设备内部状况,很好地起到了故障诊断的作用.     

基于无线传感网的变压器实时监测数据采集系统设计

针对配电变压器面向实时监测与数据采集的应用需求,提出一种基于混合式无线传感网的嵌入式数系统,用于实时信息监测以及各种现场数据的采集和传输.说明了基于ZigBee技术的WSN组网方案,以S3C2440芯片为核心的嵌入式网关对监测数据进行处理,实现统一的数据管理和用户远程访问,给出系统软件的实现方法,构建了监控管理信息平台.通过对某厂配电变压器系统运行状态的实际监测,可靠性和实时性满足要求.     

变压器绕组状态的振动在线监测

提出了运用振动法在线监测变压器绕组的状态来实现变压器绕组故障预警和故障定位的方法.在对振动法测量原理研究的基础上,分析了变压器绕组在变压器运行时的振动与所受电磁力的关系.根据分析所得的振动信号特征,设计了变压器绕组状态的振动监测系统.最后利用该系统对实际的变压器进行相关的振动监测实验,实验结果验证了不同故障时对应的振动信号的特性不同,从而为最终实现变压器绕组故障诊断奠定了良好的基础.     

基于LabVIEW的变压器在线状态监测系统

变压器的在线状态监测对于变压器的故障诊断以及电网的正常运行具有重要的意义。对以机械参数为主、电气参数为辅的变压器振动分析法进行了研究,建立了一套在线状态监测系统。系统通过工作现场的数据采集终端检测变压器的振动、电压、电流和油温信号,使用串口和以太网实现数据采集终端和上位机之间的数据通信;上位机采用LabVIEW软件对这些信号进行分析,从而判断变压器的工作状态。试验表明,系统具有良好的在线监测效果。     

基于WSN和数据融合技术的电力变压器故障诊断系统的研究

探讨一种基于数据融合和可拓理论的电力变压器故障诊断方法,基于此方法,应用无线传感器网络技术和.NET开发平台构建和开发出一套电力变压器故障诊断系统。该系统将WSN技术用于电力变压器油中溶解气体的无线数据采集,实现变压器油中溶解气体的实时数据采集和传送;同时运用信息融合技术对数据进行优化处理,既可以降低网络能耗又保证了数据的准确和客观;在变压器进行故障诊断时,针对现有电力变压器故障诊断的气体比值法存在的编码规则不完整、诊断故障类型单一等缺陷,使用可拓诊断方法,定量与定性相结合,使变压器故障诊断方法更为精细化。在线故障诊断可视化系统可以实现变压器油中溶解气体参数的采集、显示、分析、存储和回放等功能,实现对变压器故障信息的实时分析与自动诊断,既解决了作业人员远程实时监测变压器运行状态问题,又大大提高了变压器故障诊断的性能,为变压器在线监测和故障诊断技术提供新的发展方向。     

基于人工智能的机电设备智能保障系统研究

为解决现代机电设备的运行管理、状态监测、故障快速诊断与维修以及保障决策问题,借鉴人工智能的先进研究成果,构建了机电设备智能保障系统.介绍了系统的组成和实现的功能,对系统知识库、模型库和数据库设计中的关键技术进行了分析,应用神经网络技术实现多种推理,提高了故障诊断效率,采用计算机网络通讯技术,实现了系统的远程智能决策和技术指导,实践证明,该系统安全可靠,实用价值较高.     

油浸式变压器热特性在线监测系统的设计

热特性是油浸式变压器运行状态及故障检测的重要依据之一,在线监测变压器的温度及温升对及时发现设备运行异常是有意义的。系统以DS18B20数字温度传感器为基础,设计以单片机处理单元为下位机,GPRS为通信模块,高性能PC为上位机的在线监测系统。实现变压器温度与温升远程实时监测,完成数据显示、测量曲线绘制、音像报警、报表打印、故障记录以及故障分析功能。实验证明该系统能够缩短变压器设备运行的平均故障修复时间(MTTR),延长平均无故障时间(MTBF)。     

变压器多维度综合监测边缘计算装置

1目标和概述 电力设备的安全运行与电气设备的有效检测密切相关,因此如何建立电气设备状态监测系统十分重要.对电气设备运行状态进行实时评估和诊断,能够大幅度提高电网运行的可靠性.电力变压器作为电力系统中的重要组成部分,针对电力变压器的状态感知显得尤为重要.通过调研2020年全国66kV及以上两万多台变压器的事故率、故障跳闸...     

风力发电机组状态监测系统研究

针对风力发电系统的运行要求,提出一种先进的状态监测与故障诊断系统,该系统以风力发电机组齿轮箱等设备的振动信号等实际测量信号作为信号源,利用自主研发的嵌入式微处理器对采样数据进行信号分析,并可通过远程计算机对机组运行状态进行在线监测;同时嵌入了视频、音频实时监控,可以实现工作人员对机组运行状态的全面、实时远程监控.该系统已在某风电场投入使用,其有效性和准确性得到了验证.     

振动法在线监测突发短路时变压器绕组状态

突发短路时变压器箱壁的振动信号与绕组的运行状态及变压器的安全稳定运行密切相关.首先文中在对突发短路时变压器绕组轴向振动特性进行了理论建模,据此分析了振动法监测变压器绕组变形的理论机理.然后使用研制的振动信号测试系统获取了某实体变压器多次短路冲击试验中的振动信号,研究了变压器时域振动信号及其包络线的变化特性.结果表明,振...     

基于贝叶斯网络的变压器健康状况分析

针对当前变压器数量庞大、状态量数据众多,无法准确掌握变压器运行状态等管理现状,设计开发了一种基于贝叶斯网络的群组变压器健康状况分析系统.该系统基于虚拟机技术,整合所有可获取数据信息,按照影响的部件或运行模式建立贝叶斯条件概率拓扑网络,通过信息分类开展故障影响因素诊断分析,结合不同状态信息的权重因子,得到变压器评估单元故障风险的分值,合成设备故障风险概率分值.并引入变压器重要度变量绘制群组变压器运行状态风险等级图,根据变压器落入的颜色区域实现群组设备的分级管理.系统在变压器故障风险准确预警和诊断效率方面都有显著优势,可帮助电力企业建立明晰、高效的群组变压器检修计划,提高设备利用率,实现设备效益最大化的管理目标.     

安徽电网变压器油中溶解气体在线监测管理系统的设计与实现

随着电网规模不断增大,电力系统的安全稳定问题趋于更加复杂,为保证电网稳定运行,对变压器工作状态的监视与管理提出了更高要求.该文针对安徽电网目前对变压器监视的实际情况,设计一套针对变压器油中溶解的气体含量进行监测、分析的管理系统,从而及时发现变压器存在或潜在的故障,确保电网的安全稳定运行.     

隐式半马尔科夫模型下的变压器故障诊断方法

变压器运行过程中存在多种状态,能够正确划分运行状态,对变压器的维修和故障诊断有着重要的意义。首先,详细分析了马尔科夫链的衍生模型,并构造了隐式半马尔科夫模型(Hidden Semi-Markov Models, HSMM);然后,通过引入“微状态-宏状态”的对应关系,用于在HSMM中描述变压器运行过程中的状态;最后,建立了涵盖变压器历史状态信息,并包含特征提取、状态分类和故障识别过程的HSMM故障诊断流程。通过变压器DGA故障诊断的算例分析,结果表明所述方法的有效性。     

基于消息顺序图和Petri网的移动应用监测平台建模分析

随着移动互联网的迅猛发展,移动应用的数量呈现井喷式的爆发,对其性能、故障和短板进行实时、有效的监测与分析是保证系统正常运行的关键。统一建模语言(Unified Modeling Language,UML)作为一种功能较强的面向对象的图形建模工具,可以对移动应用监测平台进行建模分析,但在其过程描述中缺乏严格的语义。Petri网作为一种离散事件动态系统的建模和分析方法,提供了在逻辑时序下研究系统特性和性能的有效手段,并具有图形方法的直观性和逻辑方法的概括性。通过将基于UML消息顺序图和Petri网的建模方法应用到移动应用监测平台的分析过程中,针对用户下发的监测任务构建系统的消息顺序图和Petri网模型,利用消息顺序图对平台各对象之间在时间顺序上的交互关系进行了验证,并利用Petri网化简规则和状态方程对该模型进行了结构上的正确性验证和可达性分析。     

Wind turbine performance analysis based on multivariate higher order moments and Bayesian classifiers

A data-driven model based on Bayesian classifiers and multivariate analysis of the power curve (wind speed vs. power) for monitoring wind farms' performance is presented. A new outlier detection criterion and various control bounds on the skewness and kurtosis of the data for cluster separation and classification of turbines' faulty and normal state of operation are introduced. Further continuous monitoring is addressed with Hotelling's T² and Bayesian network approaches, and it is proven that under certain conditions, the outcomes of these two methods are equivalent. The Bayesian approach, however addresses the likelihood of classification, making supervised controls more flexible.     

BA-PNN-based methods for power transformer fault diagnosis

This paper presents a machine learning-based approach to power transformer fault diagnosis based on dissolved gas analysis (DGA), a bat algorithm (BA), optimizing the probabilistic neural network (PNN). PNN is a radial basis function feedforward neural network based on Bayesian decision theory, which has a strong fault tolerance and significant advantages in pattern classification. However, one challenge still remains: the performance of PNN is greatly affected by its hidden layer element smooth factor which impacts the classification performance. The proposed approach addresses this challenge by deploying the BA algorithm, a kind of bio-inspired algorithm to optimize PNN. Using the real data collected from a transformer system, we conducted the experiments for validating the performance of the developed method. The experimental results demonstrated that BA is an effective algorithm for optimizing PNN smooth factor and BA-PNN can improve the fault diagnosis performance; in turn, and the machine learning-based model (BA-PNN) can significantly enhance the accuracies of power transformer fault diagnosis.     

基于数字孪生的变电设备运维系统及其构建

针对变电设备周期状态管控难、运检效率低等问题,基于数字孪生理论,构建基于真实变电设备运维的数字化模型及系统。首先,在信息层建立能反映变电设备换流变、调相机、GIS（Gas Insulated Substation）这3类设备真实状态的数字孪生体;其次,基于换流变、调相机、GIS历史大数据,通过数字孪生体的变电站设备进行统计分析,并根据采集的实时数据、运维数据来预测变电站设备下一时刻的状态,使变电设备实现实际变电站内物理层与信息层数据的融合;最后,以变电站设备运维为对象,采用信息物理融合系统进行运维数据的集成和同步,形成最终变电设备运维数字孪生框架系统。相关研究表明,运用数字孪生技术可以对变电设备运维系统运行效率的提升和对变电站整体智能化提供强有力的技术支撑。