光声光谱技术应用于变压器油中溶解气体分析

变压器油中溶解气体在线监测装置中的色谱柱和气敏传感器存在消耗被测气体和长期稳定性差等不足.光声光谱气体分析技术灵敏度高,不消耗被测气体,克服了传统油中溶解气体在线监测技术的缺点.文中对其在变压器油中溶解气体在线监测中的应用进行了研究.构建了用于变压器油中溶解气体分析的光声光谱平台,给出具有红外特征吸收峰的CH4,C2H6,C2H4,C2H2,CO和CO2这6种主要故障特征气体的特征频谱,采用加权最小二乘法对2种混合气体中的CH4,C2H6,C2H4,C2H2,CO和CO2进行了定性和定量分析.分析结果与气体各组分体积分数真实值或气相色谱仪测量值的比较表明,光声光谱技术能有效地对变压器油中溶解气体进行分析.     

利用特征气体排列图判断电力变压器潜伏性故障类型

提出了利用油中溶解的5种特征气体C2H2,H2,C2H6,CH4和C2H4排列图的图形特性判断变压器潜伏性故障的类型,并给出了应用实例.     

激光拉曼光谱应用于变压器油中溶解气体分析

变压器油中溶解气体在线监测是实施变压器状态检修的重要手段之一。激光拉曼光谱技术能直接使用单一频率的激光对混合气体进行非接触式的测量,符合在线监测的要求。利用激光拉曼光谱对变压器油中溶解气体进行分析,能克服传统在线监测方法的诸多不足。对激光拉曼光谱在变压器油中溶解气体分析中的应用进行了研究。分析了变压器油中7种主要故障特征气体(H2、CH4、C2H6、C2H4、C2H2、CO、CO2)的拉曼特征频谱,并阐述了基于特征频谱和最小二乘法对7种特征气体进行定性定量分析的方法。利用共聚焦拉曼技术和镀银石英玻璃管制成的气体样品池,构建了激光拉曼光谱气体分析试验平台。结合平台研究了7种故障特征气体的拉曼光谱检测特性,并与实验室气相色谱法的测量结果进行了对比。对比结果表明,激光拉曼光谱能有效地对变压器油中溶解气体进行定量分析,为变压器油中溶解气体的拉曼光谱在线监测奠定了基础。     

变压器排注油过程中油中出现乙炔气体的原因分析

<正>用气相色谱法分析变压器油中溶解气体组分可以检测出变压器内部的潜伏性故障。油中溶解气体中能反映故障特征的气体组分主要有七种,在这七种特征气体中,乙炔(C2H2)最被人们重视。因为C2H2是在800~1 200℃的高温下油发生裂解的反应产物,正常情况下很少会出现。组分中有C2H2为变压器内部发生某些放电性故障的重要特征,即使油中C2H2含量的异常变化由非故障因素     

基于热焓分析的变压器油热解机制及热故障严重程度评估

油中溶解气体总含量及其产气速率被普遍应用于诊断变压器内部故障的严重程度,但这类方法忽视了生成不同气体成分的能量差异。引入热焓分析研究了变压器油的热解机制与热故障严重程度的评估方法。基于热力学理论,对C20H42的热解产气机制进行了模拟,获得了不同气体组分的生成含量与温度的关系;然后依据热焓分析,对可表征反应过程能量变化的特征气体生成能进行了计算,得到各气体生成能的排列顺序为 CH4相似文献   

油中溶解气体的色谱分析在变压器故障诊断中的应用

按油中溶解的特征气体含量分析数据与注意值进行比较判断：特征气体主要包括总烃C2H2、H2、CO、CO2等。变压器内部在不同故障下产生气体有不同的特征，可以根据变压器油的气相色谱测定结果和产气的特征及特征气体的注意值，对变压器等设备有无故障及故障性质作出初步判断。     

一起变压器铁心多点接地故障分析

根据铁心多点接地时局部过热特性,将基于油中溶解气体特征判断铁心多点接地故障的检测方法用于实际变压器故障诊断。对一台220kV变压器油中溶解气体进行了跟踪分析,发现其总烃相对产气率超过注意值,且C2H4占主导,符合内部过热特征,判断为铁心多点接地故障。现场吊罩检查结果表明,该变压器铁心的4条绝缘油道的极间软连接在连接时有虚接、搭接及安装不规范现象,支持铁心多点接地故障的结论,说明了基于油中溶解气体分析的变压器铁心多点接地故障检测技术的可行性。在此基础上采取针对性处理后该变压器运行状况良好。     

应用特征气体图形法诊断变压器故障

依据变压器内部故障导致绝缘油裂解产生特征气体的机理，可以在气相色谱分析工作中，运用特征气体图形方法，以H2、CH4、C2H6、C2H4、C2H2 5种故障气体的含量描给出曲线图形，来解释和诊断实际发生的变压器内部不同类型的故障，为此，结合部分变压器故障事例，用其特征气体曲线图形，说明运用该方法在分析变压器常见的热性和电性故障方面的应用。     

充油电气设备高浓度气体检测过程与故障事例分析

利用气相色谱仪分析充油电气设备内油中溶解气体含量对判断设备内部的潜伏性故障是非常有效的试验手段.通过对500 kV南昌变电站磁南线高抗B相油中溶解气体在高浓度情况下进行色谱分析的实例说明,油中溶解气体中C2H4占总烃含量近一半,且C2H4含量增长较快时,设备潜在高温过热类型故障.通过对气体继电器中的气体进行分析,能对故障的发展趋势做出准确判断.因此定期进行绝缘油的色谱分析和化学监督,能够及时、准确地监控设备的健康状况,以保证电网的安全稳定运行.     

烷基苯热解产气规律与基于DGA的充油电缆故障诊断

为了检验现有的DGA故障诊断方法对于充油海缆的适用性,选用国产十二烷基苯绝缘油进行研究.首先采用不同升温速率的热重试验确定十二烷基苯绝缘油的分解温度;随后搭建试验平台,开展十二烷基苯纯油、油纸以及25#矿物油在150、250、350℃下的热故障模拟试验;试验后测量故障油样中溶解的H2、CH4、C2H6、C2H4、C2H2共5种特征气体的百分含量,研究十二烷基苯绝缘油在过热故障下的产气规律;选用现有的DGA故障诊断方法(Duval三角形、四边形图示法)对测得的溶解气体数据进行分析.结果表明:热故障下十二烷基苯绝缘油中溶解的C2H4百分含量占比会随故障温度升高明显增加,矿物油中C2H4百分含量占比在整个故障温度范围内始终处于较低水平;在热故障诊断时,经典Duval三角形以及四边形图示法可以通过十二烷基苯绝缘油中溶解的气体检测出热故障,但不能够准确地判定故障温度范围,需要对方法中的故障边界做进一步修改.     

Application of common transformers faults diagnosis methods on biodegradable oil-filled transformers

Due to environmental concerns regarding the use of mineral oil, biodegradable oil is increasingly being used as an alternative dielectric fluid. This paper presents results of experiments performed in the laboratory on the use of biodegradable oils for transformer application. The investigations cover two important diagnostic techniques for insulation assessment: (i) an investigation of partial discharge (PD) activity and characteristics in such oils and (ii) an investigation of the standard hydrocarbon dissolved gas products produced due to transformer faults. The fundamental aim of the investigation was to provide information as to whether the existing analysis techniques of PD fault pattern recognition and dissolved gas analysis methods, developed for mineral oil, are valid when used for insulation assessment with biodegradable transformer oil. The experiments were conducted on test samples to simulate three common types of transformer faults: low-energy PDs, high-energy arcing/sparking, and overheating. For the purpose of comparison, the same tests were performed using a mineral oil (Shell Diala MX) and a biodegradable oil (Envirotemp FR3). Also, each oil type was tested at three different moisture levels and with or without the presence of solid insulating materials (pressboard). PD activity was monitored using the standard IEC60270 phase-resolved analysis method. The fault gases produced were extracted and analysed by standard gas chromatography methods. Test results indicate that the PD phase resolved patterns are, in general, similar for the two oil types and thus existing PD pattern interpretations can be used to distinguish different types of PD faults, e.g. corona versus surface discharges. However, the values of various discharge quantities (PD magnitudes, repetition rate, current, etc) are very different under the same test condition. The quantities and the trend of dissolved gases for faults in biodegradable oil are substantially different compared with mineral oil. For the PD fault, biodegradable oil was found to release only a limited number of gases. For arcing and overheating faults, the main key gas produced is different between the two oils. Also, the presence of cellulosic materials such as pressboard influences the extent of hydrocarbon gases dissolved in the oil. It was found that for biodegradable oil, fewer amounts of gases are produced as the oil gets wetter.     

基于Fuzzy ART网络识别变压器绕组过热故障

提出了基于模糊自适应共振理论神经网络识别变压器绕组热点故障的新方法。该方法可以识别随机模糊模式，尤其适用于及时捕捉变压器负荷突变、油中特征气体含量突发性异常等偶发性故障征兆，对及时排除绕组热点的偶发故障隐患具有重要意义。实例分析表明，应用该方法判断变压器绕组热点故障是有效的。     

TAM-VI变压器油中溶解气体色谱在线监测系统探讨

在线监测变压器油中溶解气体,实时捕捉变压器油运行状态信息已成为国内外确保变压器安全运行可靠手段。传统气相色谱法检测油中溶解气体存在分析环节多、操作频繁、试验周期长、误差大等弊病。随着油气在线监测技术的日臻成熟,安装油气在线监测装置,对反映变压器内部油及固体绝缘故障的重要特征气体H2、CO及小分子烃类气体等进行在线监测,可有效保障变压器的安全可靠运行。     

自适应分级多分类支持向量机在变压器故障诊断中的应用

以变压器油中溶解气体和变压器故障之间的关系为基础,提出了一种自适应分级多分类支持向量机变压器故障诊断方法。此方法基于模式识别特征提取的思想,采用不同的输入向量,对变压器有无故障和故障类型判别时,采取分级决策结构。采用自适应优化算法对多分类支持向量机进行优化,通过诊断效果和不同类型故障识别率的比较,得出变压器油中溶解气体的组分含量比值更能反映变压器故障类型,最终测试效果比较和支持向量机参数分析,可以看出该方法具有较高的准确率和良好的泛化能力。     

基于灰色马尔可夫模型的变压器油中溶解气体体积分数预测

准确预测变压器油中溶解故障特征气体的体积分数对发现变压器早期潜伏性故障,实现电力系统安全经济运行具有重要意义。将灰色多变量预测方法和马尔可夫链理论有机结合,提出了一种适合变压器故障特征气体体积分数预测的灰色马尔可夫组合预测模型。利用优化的背景值构造公式建立灰色多变量模型对变压器故障特征气体时间序列的宏观发展规律进行动态预测,在此基础上,建立故障特征气体时间序列的状态转移概率矩阵,以归一化的各阶自相关系数作为权重值,通过加权马尔可夫链模型修正灰色多变量模型预测值,实现变压器故障特征气体体积分数的预测,预测精度较高。实际算例分析验证了该模型的实用性和有效性。     

基于非等间距灰色多变量模型预测变压器故障

电力变压器是电力系统中最重要的设备之一,变压器一般在发生故障前其内部的油中会析出多种气体,即氢气、甲烷、乙烷、乙烯和乙炔,并且析出的5种气体之间存在着某种耦合关系。通过建立5种气体的非等间距多变量灰色模型对故障特征气体分析,预测出变压器故障,克服了只考虑一种气体的发展变化或仅在等间距的基础上进行预测的不足。     

变压器类设备油气分析、故障诊断技术发展与应用实例

分析了变压器在不同类型故障下产生的特征气体和含量,介绍了油中溶解气体与故障类型的关系,并给出了应用实例。     

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。     

混沌支持向量机在变压器局部放电检测中的应用

针对变压器故障诊断中缺少实际典型故障样本的问题,提出了混沌支持向量机(CSVMs)变压器局部放电检测方法。该方法采用K均值聚类(KMC)对变压器油中5种特征气体样本进行预选取作为特征向量,输入到混沌优化多分类支持向量机中进行训练,建立CSVMs诊断模型,实现对故障样本的诊断分类。实例分析表明,KMC算法浓缩了故障信息,有效地解决了确定模型参数时耗时巨大的问题;混沌优化较好地提高了模型的推广能力。该方法在有限样本情况下,能够达到较高的故障正判率,满足变压器故障自动诊断的目的。     

基于BP网络的变压器油中溶解气体在线监测

研究了对变压器油中溶解气体及温度进行微机在线监测的方法,介绍了传感器与油气 分离装置,气体在线监测的硬、软件特性及系统的控制方式,重点阐述了如何利用人工神经 网络拟合混合气体之间的非线性关系,有效地防止气体传感器之间的“交叉敏感”,然后利 用训练好的神经网络对混合气体浓度进行在线监测,并给出了实验结果。