基于神经网络算法的变压器油温诊断

油浸式变压器顶层油温是变压器热点温度的重要指标,直接影响变压器运行寿命和负载能力。针对油浸式风冷变压器上层油温过高对变压器安全运行的影响问题,研究了影响主变油温的相关变量,建立了神经网络算法的变压器油温异常诊断模型;利用一次南通海安变风机没有启动引起的油温异常状态和主变油温正常状态下的两组监测数据完成了模型的验证;通过预测值和实测值的比对分析,诊断出变压器油温异常。结果表明,建立的诊断模型,能够诊断主变油温异常,很好地完成对主变上层油温的预测。     

基于Kalman滤波算法的电力变压器顶层油温预测研究

油浸式电力变压器油温是影响变压器运行寿命和负载能力的重要因素,与变压器顶层油温密切相关。运行在高温、过负荷情况下的变压器容易因为绕组热点温度过高导致早期故障,而顶层油温是变压器热点温度的重要指标。为能精确预测变压器顶层油温,通过分析基于变压器热路模型的顶层油温动态微分方程,构造基于Kalman滤波的顶层油温状态方程和测量方程,建立了顶层油温实时最优估计模型,实时地预测变压器顶层油温。结合现场实测数据对比分析Kalman滤波模型及IEEE导则推荐模型预测结果,结果表明Kalman滤波模型相对IEEE导则推荐模型具备更高的精度,为油浸式变压器顶层油温预测提供一种新的参考。     

支持向量机优化的线性插值法在变压器油温预处理中的应用

变压器油温的预处理方法直接影响到油温的预测精度，进而影响变压器内部热状态的评估。基于支持向量机(support vector machine，SVM)和线性插值原理提出一种SVM优化的线性插值法，提高变压器油温预处理的准确性。首先利用SVM对变压器油温数据进行总体判别，确定数据异常点的大致范围；然后建立基于加权优化的线性插值法计算模型并设定判别变压器油温数据异常点的阈值；之后，给出变压器油温数据异常点位置及数量精确判别式； 最后基于相关性加权原理和钟形函数，对变压器油温数据进行了平滑处理。算例结果验证了该方法的有效性与可行性。     

基于油浸式电力变压器顶层油温预测模型的多参数灵敏性分析

为了提高变压器顶层油温的预测精度,本文提出了 一种考虑日照辐射强度和油非线性时间常数变化的顶层油温预测模型.通过拉丁超立方抽样和KS检验,进行了多参数灵敏性分析.结果证明,变压器的额定负载下的顶层油温是影响变压器顶层油温预测的最敏感参数,相比Radakovic提出的IEEE顶层模型,改进的顶层油温模型的预测精度更高.     

110～500kV主变压器油温表运行缺陷的检测与维护策略

油温表可实时监测电力变压器运行时变压器油的温度,其能否正常运行决定了变压器油温度在线监测的可靠性,同时也决定了能否为变压器冷却系统的正确启动提供有效指导,因此对变压器油温表运行缺陷的检测显得至关重要。针对这种情况,从电压等级、缺陷部位、缺陷类型、投运年限和制造厂家等多方面就广州地区110~500 kV主变压器油温表的运行缺陷开展专项检测与研究,结果表明部分绕组油温表和油面油温表出现不同类型的运行缺陷,且缺陷发生概率与电压等级、投运年限和制造厂家有关,并以此为基础在规划设计、物资采购、工程建设、维护检修和退役报废5个环节上为油温表的运行维护提出了建议。     

PLC控制变压器冷却系统方法的研究与应用

文章对继电器控制模式的变压器强迫油循环风冷控制系统进行分析,提出了以PLC和触摸屏作为主控单元的一种新控制方法,该方法通过实时采集变压器顶层油温模拟量信号(Pt100)、油温开关量信号,综合控制冷却容量随变压器顶层油温变化而自动调节,避免了变压器在低温低负荷下造成油温偏低和在高温大负荷下造成油温过高的情况发生,同时实现了周期轮换和风冷控制系统的自诊断功能。     

基于Topsis和熵值法的相似日变压器顶层油温预测方法研究

考虑到顶层油温一定程度上表征了变压器的运行状态,因此对变压器顶层油温的预测具有重要意义.提出了一种基于Topsis和熵值法的变压器顶层油温预测方法,该方法通过合理选择相似日,实现了变压器顶层油温的精确预测.基于Topsis法提出了综合考虑温度、湿度、降雨、光照、风速和气压的气象因素相关度计算模型,在充分研究负荷因素和时...     

基于C-Prophet的变压器油温预测方法

变压器绕组温度过高会导致绝缘老化,严重危害电力设备正常运行。变压器油温能够作为判断绕组温度的辅助依据,然而变压器油温受季节因素、天气变化影响较大,目前针对变压器油温预测的精度有待进一步提升。针对此问题,首次将Prophet算法用于变压器油温预测,并提出一种与自适性噪声完备总体经验模态分解（CEEMDAN）相结合的变压器油温预测方法（CEEMDAN-Prophet,C-Prophet）。同时为进一步提升油温预测精度,在预测过程中综合考虑季节变化对变压器油温的影响。C-Prophet预测方法首先利用CEEMDAN对采集的油温信号进行分解,得到最终残差和K个本征模态分量。然后利用Prophet算法对各个分量进行预测,并将得到的N个模态分量的预测值进行求和得到最终的预测结果。算例结果表明,与卷积神经网络（convolutional neural networks,CNN）、长短期记忆网络（long short-term memory,LSTM）和随机森林算法相比,C-Prophet算法预测精度分别提高了54.40%、44.08%、20.09%,且C-Prophet算法在考虑季节因素后预测精度进...     

大型变压器产生假油位的原因分析及处理方法

1引言变压器的油面变化取决于变压器的油温变化,因为油温的变化直接影响变压器油的体积,从而使油标管内的油位上升或下降。如果油温变化是正常的,而油标管内油位不变化或变化异常,则说明油位是假的。     

变压器顶层油温预测热模型影响因素分析及其改进

油浸式电力变压器的运行寿命及负载能力与油温密切相关,运行在高温、强辐射地区的变压器容易因为过热而导致早期故障,顶层油温是变压器油温的重要指标。为此,在分析几种典型顶层油温热模型的基础上,考虑变压器所遭受的太阳辐射以及热时间常数随时间变化的影响,引入代表辐射的修正项,同时分析不同滞后时间变量与不同离散方法对热模型的影响,得到了一种改进的顶层油温预测热模型。通过对某750 000kVA/500kV变压器进行实际计算并与现场监测数据比较,同时对比分析考虑各不同因素后的模型的预测精度,发现综合考虑热辐射、滞后时间变量并采用改进欧拉离散方法的热模型预测效果最优,具有平均误差1.21、均方误差1.19的精度。结果表明该改进热模型能较好地预测变压器顶层油温。