高压线故障点的温度场分布与检测

在理论上分析了高压输电线在故障点处的温度场分布，并建立了其数学模型；讨论了热释电传感器对该温度场检测的响应     

GIS隔离开关触头温升多场耦合数值计算与分析

GIS隔离开关触头过热性故障严重危害设备的可靠运行,为实现对GIS隔离开关触头温升和过热性故障的监测,建立了包含触头的GIS隔离开关的三维涡流-流体-温度多场耦合数值计算模型,用一段电阻率可变的导体来模拟触头部位的接触电阻,通过电磁场分析计算GIS隔离开关各个部位的电流密度和功率损耗,将功率损耗作为热源载荷代入流体-温度场耦合计算模型计算导体和外壳的温度场分布。基于该模型研究了GIS隔离开关触头温升反演规律及影响因素,结果表明A、B相触头与外壳温升存在1∶0.215的对应关系,C相触头与外壳温升存在1∶0.165的对应关系,研究成果可为开展GIS隔离开关的温升监测提供理论依据与技术支持。     

基于SVM的电力变压器内部故障部位的概率估计

目前变压器智能故障诊断大多是以油中溶解气体为特征对故障性质的诊断,缺乏对内部故障部位的分析及量化的诊断结果。针对上述问题,提出一种基于SVM的电力变压器内部故障部位的概率估计模型。该模型结合SVM与概率建模的优点,充分利用油中溶解气体和电气试验数据的互补信息,运用SVM后验概率理论,对变压器内部可能发生故障的部位进行概率估计,克服了标准SVM硬判决输出的缺陷,以概率的形式给出诊断结论。通过实例分析表明,该模型不仅故障识别率较高, 还具有良好的概率分布形态,具有较好的实用性和推广性。     

基于SVM的电力变压器内部故障部位的概率估计

目前变压器智能故障诊断大多是以油中溶解气体为特征对故障性质的诊断,缺乏对内部故障部位的分析及量化的诊断结果。针对上述问题,提出一种基于SVM的电力变压器内部故障部位的概率估计模型。该模型结合SVM与概率建模的优点,充分利用油中溶解气体和电气试验数据的互补信息,运用SVM后验概率理论,对变压器内部可能发生故障的部位进行概率估计,克服了标准SVM硬判决输出的缺陷,以概率的形式给出诊断结论。通过实例分析表明,该模型不仅故障识别率较高,还具有良好的概率分布形态,具有较好的实用性和推广性。     

采用PLC的铁路转辙机电流动态监测系统

介绍了采用ＰＬＣ可编程控制器设计出的铁路转辙机运电流动态监测系统，给出了该系统的硬件和软件设计方案以及一种简单可靠的动态数据处理方法。     

自励感应发电机稳态特性的数值分析

依据等效电路的节点导纳方程，采用弦截法分析了自励感应发电机的稳态特性．所提出的方法不需将节点导纳方程的实部和虚部分开，因而避免了繁琐的代数方程的推导．迭代过程表明，弦截法求解自励感应发电机具有收敛速度快的特点．其外特性的数值计算结果和试验结果相吻合．     

交流叠加冲击电压下XLPE绝缘中电树起始特性

ＸＬＰＥ绝缘在交流叠加冲击电压作用下电树起始特性的试验研究表明,电树的冲击起始场强不仅与预加的交流电压的大小有关,还与冲击电压与交流电压的相对极性有关,并有明显的累积效应,起晕也有明显的时延现象。     

基于EEMD和边际谱熵的绝缘子污秽放电模式识别

采用集合经验模态分解方法（EEMD）,对不同放电阶段的声发射信号进行分解,得到其本征模态分量,再对本征模态分量进行Hilbert变换得到声发射信号的时频谱。在此基础上,计算声发射信号的边际谱,以声发射信号的边际谱熵和重心频率作为声发射信号的特征值,最终实现对绝缘子不同放电阶段的模式识别。结合大量的绝缘子污秽放电试验,运用声发射信号的特征值进行污秽放电模式识别分析。结果表明：该新方法能有效区分污秽绝缘子污秽放电的三种不同放电阶段,为判断绝缘子的外绝缘状态及实现污闪预警提供了技术支持。     

基于SVM和D-S证据理论的电力变压器内部故障部位识别

针对变压器信息融合诊断方法中难以确定基本概率分配(BPA)的缺陷,提出一种基于多支持向量机(SVM)与D-S证据理论的变压器内部故障部位识别模型.利用“一对一”多类SVM后验概率估计分配BPA,实现其赋值的客观化;充分利用变压器油中溶解气体分析数据和电气试验数据的互补信息,对变压器内部可能发生故障的部位进行诊断.实例分析表明,所提模型能有效识别故障部位,在准确率和泛化性方面都较单特征的SVM有优势.     

基于CEEMDAN的配电变压器放电故障噪声诊断方法

研究配电变压器本体和放电故障噪声的声学特征以及识别方法,是实现配电变压器放电故障可靠识别和诊断的关键。为此,提出了基于自适应白噪声完备集成经验模态分解(CEEMDAN)的配电变压器放电故障诊断方法。该方法首先采用CEEMDAN对所采集的声信号进行分解,得到若干个本征模态函数(IMF),求取各IMF的峭度值,并选取合适的IMF分量进行信号重构,从中提取放电故障声信号;其次对放电故障声信号进行CEEMDAN分解,获取其边际谱熵、重心频率、频带能量熵及奇异谱熵这4个特征量,并构成特征向量;最后利用支持向量描述(SVDD)对典型放电故障进行分类与识别。实验结果表明:所提方法在考虑配电变压器本体噪声的条件下,放电故障的识别率达到90%以上,可用于配电变压器放电故障的识别和诊断。