基于二维特征提取方法与混合神经网络的接触式采集110 kV三相三绕组变压器无载调压异常

异常放电是电力变压器中一种潜在的危险故障,若未及时检测可能导致严重的安全事故。采用接触式拾音器收集变压器箱体内异常放电声纹信号,并提出了一种特征提取方法和一个深度神经网络结构,以实现对变压器异常放电的高效识别。首先,设计了一种结合梅尔频率提取和关键频率提取的二维声纹特征提取方法。其次,提出了一种基于卷积神经网络和Transformer网络的混合二维特征识别模型,能够在确保识别速度的同时准确辨识异常放电声纹信号。通过对110 kV三相三绕组变压器无载调压试验过程中采集的放电数据进行试验分析,所提方法相较于ResNet50识别速度增加约0.16秒/样本,同时识别效果提升了4.5%。     

低黏度含硅芳炔树脂的制备与性能

在含硅芳炔树脂(PSA)中加入活性稀释剂制备了低黏度含硅芳炔树脂,研究低黏度PSA的流变性能和固化工艺,固化PSA树脂的热性能、力学性能和电气性能。结果表明:PSA中加入稀释剂可以显著降低其黏度,PSA树脂在氮气和空气中的5%热失重温度分别可达665.5℃和603.3℃,800℃残留率分别达到89.7%和53.8%;PSA树脂的玻璃化转变温度高于500℃;加入10%质量分数稀释剂的PSA树脂的弯曲强度可达到30 MPa,弯曲模量变化不大,25℃下在101~106Hz内介电常数和介质损耗角正切分别小于3.24和0.005。