一起110 kV变压器故障原因分析

针对一起110 kV主变调压线圈匝间短路引起的跳闸故障进行原因分析,通过电气试验及解体检查,确认故障原因为调压前故障部位匝间绝缘已有破损,7挡调到6挡后匝间电压差增大,在140 h内加速了匝间绝缘的电气性损伤,最终导致B相调压线圈故障,最后提出了相关解决措施.     

氧化锌复合硫化钼基氢气气体传感器的检测特性研究

通过实验制备不同复合比例的ZnO MoS2材料并检测其对H2气体的各项气敏性能,首先利用分步水热法从微观形貌上优化纯MoS2基体材料,再将ZnO纳米颗粒均匀的沉积在基体材料上,将气敏材料装配为旁热式传感器后,检测材料在目标气体下的温度特性、浓度特性和动态响应 恢复特性。实验结果表明复合比Zn∶Mo=1∶2的复合材料对H2的气敏特性最好。研究成果对高效的氢气气体传感器研究具有重要意义。     

变压器短路模型的绕组漏磁对比分析与试验研究

本文以一台三相变压器模型样机为研究对象,对其短路工况下绕组的三维漏磁场进行仿真计算,并对多种短路工况、不同相间、绕组不同位置的辐向、轴向漏磁分布规律进行分析和对比;最后,通过试验测试数据说明仿真计算的准确性,以及磁场分布规律的正确性.     

绝缘子污秽等级的高光谱特征优化识别技术研究

为解决传统污秽检测方法对输电线路绝缘子污闪防治的局限性,采用非接触式、高分辨率的高光谱成像技术对污秽在线检测技术进行研究。为有效提取反应污秽度的光谱特征并削弱冗余与干扰信息的影响,提出一种小波包能量谱特征优化的绝缘子污秽等级识别技术。首先,对不同污秽度的绝缘子样品的光谱图像进行背景分割,提取均匀覆污区像素点光谱均值曲线;其次,对不同图像的光强均匀度差异、环境噪声进行预处理,并通过导数变换提升不同污秽等级间的可区分性。再次,对预处理后的谱线进行小波能量谱特征提取。最后,基于所提特征建立基于支持向量机(support vector machines, SVM)的污秽等级识别模型。实验结果表明,相比于采用全波段数据或PCA特征数据作为输入,基于小波能量谱特征建立的支持向量机(SVM)污秽等级识别模型对样品识别准确率达到99.8%。#$NL关键词：关高光谱成像;绝缘子污秽等级;小波包能量谱;支持向量机#$NL中图分类号：TM933     

基于Havriliak-Negami介电模型的油浸式套管受潮状态评估*

水分是引起油浸式套管绝缘性能劣化的主要因素之一,将HN介电弛豫模型用于研究套管中不同水分含量对其绝缘介电特性的影响对评估套管受潮状态具有重要意义。制备5组不同水分含量的72.5 k V套管试样,对不同水分含量油纸绝缘试样进行频域介电谱测试,采用HN介电弛豫模型拟合介电频谱,并分析水分含量对HN介电弛豫模型参数的影响。结果表明:水分含量对HN介电弛豫模型的弛豫时间常数、弛豫强度和形状参数具有显著的影响;随着水分含量的增大,弛豫时间常数减小,弛豫时间常数与水分含量呈对数线性关系;弛豫强度和形状参数随着水分含量的增加而变大,弛豫强度与水分含量呈指数关系,形状参数与水分含量呈线性关系。     

基于.NET框架的变压器振动噪声综合分析系统设计与开发

为进一步提升智能化变电站变压器运行数据的管理速率,提高站用状态监测系统的工作效率,文中从变压器振动噪声监测的实际需求出发,在分析数据管理移动技术和算法内嵌技术的基础上,设计并开发了基于.NET框架的变压器振动噪声综合分析系统。该系统以Oracle数据库作为后台数据库,采用Client/Server模式及ADO.NET与MATLAB混编技术,实现了变压器运行过程中海量振动噪声监测数据的读入和存储,提高了监测数据管理效率。同时以内嵌的振动噪声信号处理方法提取了变压器稳态与短路冲击下的信号特性,可为在运变压器的状态评估提供依据。系统运行结果验证了所述变压器振动噪声综合分析系统的可行性及有效性。     

110kV电力变压器绕组模态研究

变压器绕组等效的机械结构体,一旦发生改变,其模态将发生相应变化,此时对其振动信号进行频率响应分析,即可检测绕组轻微变形.对变压器绕组进行模态分析:利用ANSYS对绕组进行幅向建模分析,分别得到了绕组故障与正常情况下频响曲线的变化规律.开展真实110 kV变压器模态实验,并与ANSYS仿真结果对比,进一步验证了仿真结果的正确性,同时,为下一步研制振动检测系统奠定了基础.     

基于参数自适应VMD和SA-ELM的有载分接开关故障诊断

机械振动信号能反映有载分接开关的运行状态。为提高有载分接开关机械故障的诊断准确率,提出了一种基于参数自适应变分模态分解(VMD)和模拟退火优化极限学习机(SA-ELM)的故障诊断方法。首先对振动信号进行VMD分解,根据能量准则自适应确定模态数的取值,得到一组窄带、区分度较好的模态分量。然后求取各模态的能量值,形成特征向量组,不同故障状态的模态特征区分明显。最后将特征向量组输入SA-ELM,实现振动信号的识别和诊断。在模拟试验平台上进行试验并对采集的信号进行分析,结果表明文中故障诊断方法可有效提高有载分接开关机械故障的诊断准确率。     

变压器绕组松动机械特性研究

为研究基于振动特性的变压器故障检测方法,本文从变压器绕组的机械稳定性研究出发,通过建立变压器绕组机械动力学特性模型,利用ANSYS有限元仿真分别对变压器绕组正常和松动状态进行建模研究,得到了变压器绕组两种状态下的固有振动特性,为进一步研究变压器绕组故障检测方法打下基础。     

基于GRNN-MC的变压器振动信号预测

变压器振动信号是评估其工作状态的重要参数之一,与绕组松动或变形等隐患密切相关,为揭示变压器振动信号的变化趋势,本文提出了一种基于广义回归神经网络和马尔科夫链修正的变压器振动信号预测方法。即分别以变压器运行电压、负载电流和振动信号归一化特征频率为输入和输出建立变压器振动信号广义回归神经网络预测模型,然后引入马尔科夫链并结合负载电流的变化对振动信号计算结果进行修正以获得最终的预测结果。对某500 kV变压器振动在线监测信号的分析结果表明：经马尔科夫链修正后的变压器广义回归神经网络振动信号预测模型预测精度高,可为变压器绕组运行状态的振动监测技术提供重要参考。