基于直觉正态云模型和最优变权的变压器绝缘状态评估

电力变压器绝缘状态评估过程中随机性和不确定性共存,基于隶属度描述的云模型难以刻画该过程中的非隶属度和犹豫度。为此,提出一种基于直觉正态云模型和最优变权的变压器绝缘状态评估策略。根据绝缘状态评估指标体系,基于复合二元语义实现了主观评估标度的定量转换,确定了各状态量的最优变权,在合理给定云模型数字特征的基础上,采用直觉正态云模型描述绝缘状态评估中的模糊性、随机性和犹豫度,通过云运算确定绝缘状态及故障类型。实例分析表明该方法可行有效,为变压器绝缘状态在线检修工作提供了一种新思路。     

基于最优变权正态云模型的电力变压器绝缘状态评估

电力变压器整体绝缘状态评估过程中的主、客观因素并存,致使评价结果具有较大的随机性和不确定性。为此,笔者提出一种基于最优变权正态云模型的变压器绝缘状态评估策略。首先确定了绝缘状态评估指标体系,并基于复合二元语义实现了主观评估标度的定量转换,通过最优变权确定了各状态量的权重,在合理确定云模型数字特征的基础上,采用正态云模型描述绝缘状态评估中的模糊性与随机性,通过云运算确定绝缘状态及故障类型。实例分析验证了该方法的可行性,为针对性的变压器绝缘状态在线检修工作提供了一种新思路。     

基于模糊和证据理论的变压器本体绝缘状态评估方法

对电力设备运行状态进行准确可靠的评估是实施电力系统状态检修的前提和基础。以500 kV油浸式变压器为研究对象,构建了基于模糊和证据理论的变压器本体状态评估模型。选取预防性试验中具有代表性的参数为状态评估的指标,参考评价指标的出厂值和越限值进行指标归一化,利用模糊评判方法确定各个指标相对于不同状态评估等级的隶属度。将这些指标分为油中溶解气体、油化试验和电气试验三个子证据体,利用证据理论对三个子证据体进行信息合成,进而对变压器本体的运行状态进行评估。通过对某台500 kV变压器数据的实例分析验证了该评估模型应用于变压器本体状态评估中的有效性。该评估模型思路清晰,不需要大量的历史数据,为变压器状态评估提供了一种新方法。     

应用弱化缓冲算子与最小二乘支持向量机的变压器油中溶解气体浓度预测

变压器油中溶解气体浓度是评估油浸式变压器绝缘状态的重要依据。变压器油中溶解气体浓度的时间序列数据具有随机振荡性,往往不能准确把握溶解气体浓度的发展趋势,因此应用缓冲算子首先对原始数据进行弱化处理,减少其随机性。现有溶解气体浓度预测模型仅实现了点预测,为此采用最小二乘支持向量机与区间参数估计理论建立了溶解气体浓度的区间预测模型,确定未来溶解气体浓度在一定置信度下的变化区间。算例结果验证了该模型的有效性。     

基于云相似度与证据融合的电力变压器状态评价方法

针对电力变压器状态评价过程中存在的不确定性,提出一种基于云相似度和证据融合的电力变压器状态评价方法。首先,考虑到各指标在状态等级边界处的随机性与模糊性问题,采用云模型来建立状态评价的基本框架。其次,为兼顾状态等级划分的严明性和模糊性,采用改进的云熵优化算法确定云模型的熵值。然后,考虑到指标数据本身的不确定性,利用正向云发生器和云合成算法生成各试验项目待识别云和标尺云,并采用模糊贴近度计算二者间的相似度作为证据源的基本概率分配。最后,采用考虑证据可信度和不确定度的冲突证据修正方法修正证据源,并融合不同证据以判断电力变压器的最终状态。经实例验证,相较于传统方法,所提方法能够有效处理状态评价过程中的不确定性,评价结果符合电力变压器的真实情况,对电力设备状态评价有一定参考价值。     

基于合作博弈和云模型的变压器状态评估方法

变压器状态评估需要考虑评估指标的模糊性和随机性,因此提出了一种基于合作博弈法和云模型的变压器状态评估方法。该方法首先建立变压器状态评估指标体系,采用合作博弈法获取指标组合权重,利用变权公式对其权重进行修正;采用云模型得到定量指标对变压器各状态等级的隶属度,最后采用分层评估方法得到评估结果。实例分析表明了该方法的正确性及可行性,其评估结果更接近变压器的真实状态。     

基于最优权重和隶属云的风电机组状态模糊综合评估

针对风电机组状态模糊综合评估存在评估指标权重和隶属度确定主观性强的问题,提出了一种基于最优权重和隶属云的风电机组状态模糊综合评估方法。首先,采用层次分析法（AHP）构建状态评估指标体系,引入相对劣化度对状态评估指标进行归一化处理和状态等级划分;其次,采用熵权法和AHP分别确定状态评估指标的客观和主观权重,并通过非线性规划最优化解法确定状态评估指标的最优权重;然后,利用正态隶属云的概念及生成算法,确定状态评估指标对各状态等级的隶属度,构成评估矩阵;最后,通过实例仿真,并与其他评估方法进行比较,验证该方法是更加有效的和合理的。     

基于加权灰靶理论的电力变压器绝缘状态分级评估方法

针对电力变压器绝缘状态评估问题,提出了一种在没有标准故障模型的情况下进行变压器状态分级识别的新方法.本文将加权灰靶理论引入变压器绝缘状态评估中,结合油中溶解气体分析技术,构建了变压器状态评估的算法及实现步骤.运用灰贡献度分析理论解决了变压器绝缘状态评估中各指标的权重问题.同时结合电力变压器实际情况,根据变压器故障按严酷程度的分布提出了变压器绝缘状态分级的方法.实验表明,该方法能够有效地解决在没有标准故障模型的情况下变压器绝缘状态识别的问题,为变压器状态评估提供了一种新的方法.     

基于证据推理的电力变压器故障诊断策略

在变压器绝缘劣化之前，可以进行油中溶解气体分析、局部放电检测、传递函数测量等试验方法对其状态进行评估。所有这些试验现象需要很多实际经验才能正确解释。因此人工智能技术逐渐被应用于提高单一试验数据的分析中。但是，仅使用一种方法，可能难以得到满意的诊断结果，如油中溶解气体分析是不能准确对局部放电进行定位。然而，应用不同的方法可能产生各异的诊断结果，因此文中引入模糊信息融合系统来解决此问题，提出了产生一致性结论和处理不同方法中不确定性的证据推理策略。并在信息融合的帮助下，建立了有机组合多种诊断方法系统框架。通过实例证明，基于信息融合的变压器绝缘故障诊断方法是有效的。     

基于ANFIS的变压器寿命预测和状态评估

变压器寿命和运行状态准确的评估对其检修策略的制定有着重要的指导意义。为了实现对变压器寿命和状态进行客观的、科学的评估,文中提出了基于自适应模糊神经网络(ANFIS)的多特征诊断参数的变压器寿命预测和状态评估方法。提取影响变压器寿命的特征参数,通过自适应模糊神经网络对这些特征参数进行学习,利用反向传播算法解决权重的自适应动态调整,构建变压器的寿命预测模型;在其基础上结合油中溶解气体建立一种变压器综合健康状态评估模型。通过实验数据研究论证,该模型能够准确有效地诊断变压器寿命和状态,同时相比传统方法有更高的预测精度和评估精度,是一种新的有效的变压器状态评估方法。     

基于多维正态云模型的电力变压器状态评估

针对变压器状态评估中对于定量信息评定的模糊性和随机性问题,采用多维正态云模型进行变压器状态评估,其中采用的核空间多维云算法可以有效避免各个指标之间的权重难以权衡的问题。通过对变压器运行数据进行正态云拓展;利用正态云发生器不断产生云滴;根据各个指标给定的区间范围拓展为评级标尺云,以数据云所产生的云滴作为输入,采用多维云算法计算出该变压器的运行状态。以某台变压器运行信息作为分析对象,通过算例分析验证了该方法的有效性,且证明了方法具有简洁、高效和可靠等特点。     

基于云物元分析原理的电力变压器故障诊断方法研究

变压器油中溶解气体分析(DGA)是电力变压器故障诊断的重要方法。针对物元理论变压器故障诊断方法中,在建立故障模式物元模型时没有考虑边界值的不确定性的不足,首次在变压器故障诊断研究方面引入云模型,结合云模型的不确定推理特性以及物元理论能同时进行定性定量分析问题的优点,提出了一种基于云物元分析原理和DGA相结合的电力变压器故障诊断新方法。通过建立变压器故障诊断的云物元模型和计算特征云物元与标准云物元之间的关联函数,实现对变压器故障模式的有效识别。实例分析验证了方法的正确性和有效性。     

变压器油中溶解气体分析中的模糊模式多层聚类故障诊断方法的研究

基于当前对电力变压器故障识别中的模型空间划分缺乏研究的情况,将模糊聚类技术引入了电力变压器油中溶解气体分析DGA。在对所收集的183组电力变压器绝缘故障样本进行了多层树形聚类的基础上,通过多次分析绝缘故障,得到了一种准确程度较高的故障诊断方法。     

基于灰色关联分析和聚类云模型的变压器油纸绝缘状态评估

电力变压器复合油纸绝缘状态的准确诊断对电力系统安全稳定运行以及设备自身运维具有重要指导意义。针对油纸绝缘介电响应少数特征量评估和未考虑系统随机性导致评估不准确的问题,提出基于灰色关联分析(grey relational analysis, GRA)与聚类云模型的评估方法。首先,基于回复电压法和扩展德拜模型提取5个相关特征量,建立油纸绝缘状态评估体系。然后,针对多特征量在反映绝缘状态的敏感性差异,采用组合赋权法综合GRA和改进层次分析法,避免了数据信息丢失,使权重分配更加合理。最后,利用云模型雾化特性反映数据随机性,全面考虑评估指标等级分类边界的随机性和模糊性后构建了聚类云模型隶属度选择器。通过多台不同糠醛含量变压器实测数据进行验证表明,该评估方法不仅能够准确反映变压器实际绝缘状态,而且能体现其劣化趋势,为检修策略的制定提供参考依据。     

基于灰色聚类分析的充油电力变压器绝缘故障诊断的研究

油中溶解气体分析是判别变压器内部绝缘状况及发现内部故障的重要手段。本文采用灰色系统理论对变压器绝缘故障进行了分析 ,进一步提出了一种变压器绝缘故障诊断的灰色聚类模型及分析方法 ,并以范例分析验证了该模型能够应用于分析故障类型和确定故障位置 ,分析结果同时表明本文方法是有效的并具有良好的应用前景。     

基于区间权重和改进云模型的变压器状态评估

针对变压器状态等级边界信息随机性和模糊性的问题,提出建立基于正态云理论的变压器状态评估模型。考虑变压器状态评估数据的有限性,提出对变压器少数运行数据进行正态云处理。对于变压器等级边界模糊性问题,提出对变压器各等级进行适度扩展,建立变压器指标等级正态云。根据不同云滴在数据正态云出现的不同概率,计算变压器数据正态云云滴与各评估指标等级正态云之间的关联度,得到评判矩阵。其次,对变压器运行数据进行区间表示。针对各指标区间数据的波动性,计算区间数据的方差和平均差,进而赋予指标不同的权重,在此基础上进行变压器状态评估。通过分析某台变压器运行数据,验证了该方法应用于变压器状态评估中的有效性。     

基于DGA的反馈云熵模型电力变压器故障诊断方法研究

为了解决变压器故障诊断中存在的随机性和模糊性问题,提出了基于反馈云熵模型的电力变压器故障诊断新方法。通过对大量电力变压器故障征兆及故障类型的统计分析,并将其视作云滴输入贝叶斯反馈逆向云发生器中,得到故障特征气体的云模型参数值,构建变压器故障诊断标准正态云模型。将云关联系数和信息熵理论有机结合起来,降低了对单个标准正态云模型的依赖性,充分挖掘变压器油中溶解气体所包含的故障信息,提高了变压器故障诊断的准确率。通过不断丰富输入样本、修正云模型参数值的方法,可以进一步提高模型诊断效果。实例分析结果表明该模型的故障诊断准确率较高,并具有较好的理论价值和应用前景。     

基于点密度加权核模糊聚类的变压器故障诊断方法

变压器油中溶解气体分析(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(FCM)用于DGA时存在可分性差和等趋势划分等问题,用样本点分布密度大小作为权值,结合核函数的增强可分性,提出点密度加权模糊核C-均值聚类算法,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。实例分析结果表明该算法能快速、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。