基于模糊关联规则挖掘的电力变压器故障诊断方法

在对变压器故障的状态监测过程中,故障特征量在某些情况具有不确定特性,所以判断变压器运行状态的过程具有一定的模糊性,确定性的关联规则难以有效地表达特征量与故障之间的关系。为建立更准确有效的变压器故障诊断模型,文中对经典的Apriori算法进行优化,在利用主成分分析对多源参数进行优选后,将其扩展到包含模糊属性的事务当中,并与传统IEC三比值相结合作为特征量共同提取规则,所建模型的执行效率及准确度相比原Apriori算法更高,且可进一步运用至变压器多源参数的关联规则挖掘。结果表明,结合三比值共同提取的规则,其正判率将大幅提高,且模糊理论与三比值相结合所提取的规则,其正判率高于经典集合理论与三比值相结合所提取的规则,最后经由Apriori算法提取的复合规则,其正判率较高。利用文中所建立的模糊关联规则模型可更准确高效地诊断变压器故障,从而有效服务于电力设备的运维工作。     

基于加权模糊聚类算法的变压器故障诊断方法

三比值法在变压器故障诊断中得到了广泛的应用,但是此方法存在编码不连续的问题,同时注意到不同样本在模糊C均值(fuzzy C-means,FCM)算法中所起到的作用差异,根据样本间相异度的思想,为每个样本赋予相应的权值,体现它们对聚类结果的不同影响,将加权FCM聚类算法应用到三比值法中进行变压器故障诊断,另外在聚类的开始,考虑到变压器故障诊断的实际情况,对算法的初始化隶属度也进行了更适当的设置。实验结果表明,经过以上修改得到的基于加权模糊聚类算法的变压器故障诊断方法有效可行,和FCM算法相比,不但能明显提高故障诊断的收敛速度,而且能得到更加接近实际位置的故障聚类中心,具有一定的优越性。     

基于模糊智能技术的变压器故障诊断系统

将采用模糊智能技术对变压器油中溶解气体分析所得数据作为原始数据，再进行分析推理和故障诊断，可解决传统三比值法准确度低造成的变压器故障误差和漏判问题。     

一种基于克隆选择算法的变压器故障诊断方法

为了提高变压器油中溶解气体的分析诊断准确度,结合模糊理论和克隆选择算法,对传统的IEC三比值法的数据边界和编码进行了模糊处理,并通过模糊推理得到故障诊断结果。通过现场变压器实验数据的采集和判断,验证了该方法的有效性,说明运用所提出的新诊断方法,不仅能够降低其它干扰气体对诊断结果的影响,也提高了变压器油中溶解气体色谱分析的准确度和精度。     

提高气相色谱分析方法诊断变压器故障正确率

介绍特征气体产生途径和判断变压器故障的方法,并通过实例阐述变压器运行中色谱试验异常判断过程。介绍变压器在非故障时产生特征气体的几种原因及相应对策,以便减少诊断变压器故障时的干扰源,进而提高了判断变压器故障的正确率。对运行维护人员准确诊断变压器内部故障具有一定帮助。     

基于模糊三比值法的电力变压器绝缘故障诊断研究

针对常用于充油变压器绝缘故障诊断的三比值法的局限性,提出了模糊三比值故障诊断法。仿真分析表明,模糊三比值法判断故障类型的准确率更高。     

基于综合分析方法的变压器故障诊断技术与软件开发

针对当前单一的分析方法难以全面诊断变压器各种可能存在的故障类型,采用综合分析方法进行变压器故障诊断。研发变压器光谱气体采集和分析系统,得到各种气体含量;进而采用改良三比值法、大卫三角形法和立方体图示法三种综合方法进行变压器故障诊断。开发了基于综合分析方法的变压器诊断分析软件。该故障诊断软件包含运行状态、历史数据、谱图和数据与诊断四大功能模块。现场应用证明了基于综合分析方法的变压器故障诊断技术的有效性。     

基于新型编码隶属函数的变压器故障模糊诊断法

运用概率论与数理统计知识研究了变压器油中特征气体体积分数真实值及其比值的概率分布.依据模糊理论提出编码模糊集的概念,提出了一种依据特征气体体积分数真实比值的概率分布并结合三比值编码区间的求解编码隶属函数新方法.对编码组合模糊集、故障模糊集及解模糊运算的计算方法进行了深入研究.结合2组历史色谱数据和相应的电气试验结果对模糊诊断法进行了验证.结果表明,该方法提高了诊断鲁棒性和准确度.     

基于模糊TOPSIS和BP网络的电力变压器故障诊断方法

针对传统故障诊断技术中存在诊断模型结构复杂以及收集故障样本数据非常繁琐的问题,将TOPSIS方法在Vague集下进行扩展。介绍了Vague集的基本概念及其相似度量方法,以及使用Vague集表达的语义变量集,并据此对原始样本集进行优劣排序和聚类,从而缩减了样本集的容量,使得故障特征信息量和映射空间复杂度的问题在一定程度上得以平衡。在此基础上构建了适应于变压器故障诊断的BP网络诊断模型,实现对不同类型故障的诊断。算例分析表明,此方法与传统的变压器故障诊断的方法相比较具有明显的优越性。     

用色谱分析诊断变压器的故障

检测变压器油中溶解气体的色谱分析法,能尽早地发现充油电气设备内部存在的潜伏性故障,是监督与保障设备安全运行的一个重要手段。     

基于行为的变压器油色谱分析模糊诊断专家系统研究

提出的基于行为模糊故障诊断专家系统能够在运行中针对被诊断变压器个体情况对自身智能结构进行调整 ,形成“个性化”的模糊知识库 ,在投入运行一段时间后 ,系统智能可得到明显提高。用这种知识结构处理变压器油中溶解气体分析中的模糊现象取得了良好效果。     

基于改进模糊ISODATA算法的变压器故障诊断

模糊ISODATA算法在基于变压器DGA的故障诊断中存在一些问题。如:模式空间的划分缺乏依据,聚类分析时没有考虑各种气体成分对故障反映的灵敏度等。笔者对此进行了改进,引入了一个描述不同气体成分对故障反映灵敏度的指标权向量,并在每次迭代运算之后对聚类中心进行分解和合并处理。利用改进的ISODATA算法对3起变压器故障进行了分析,得到了比较高的判断准确度。     

油色谱分析在变压器故障诊断中的应用

变压器故障诊断应综合各种检测手段和方法,对各种检测结果进行综合分析和评判。根据DL/T596—1996《电力设备预防性试验规程》规定的试验项目及试验顺序,通过变压器油中气体的色谱分析方法,在不停电情况下,对变压器内部某些潜伏性故障及其发展程度的早期诊断非常有效。     

Nguyen-Widrow法用于变压器油气分析故障诊断

为解决神经网络在油中溶解气体分析变压器故障诊断的应用中存在收敛速度慢的问题,将Nguyen-Wid-row方法用于神经网络可变参数的初始化。该法通过调整隐层神经元的权值和阈值使隐层各个神经元输入的线性区间相等,从而减少网络训练时权值和阈值的调整量,加快网络收敛速度,增强网络学习能力,提高故障诊断的精度。对393个样本用5-80-6的结构网络分别不使用和使用该法训练,其样本误差平方和分别为37·10和15·21,训练所得网络对155个变压器的诊断结果准确率分别为80·97%和84·19%。表明该法的确能提高神经网络的学习能力和对变压器的故障诊断能力。     

应用B样条理论改进的变压器三比值故障诊断方法

为了解决三比值法在变压器故障诊断应用中存在的问题,提出一种基于B样条理论改进的方法。该方法在对三比值法进行空间几何分析的基础上,采用B样条曲面表示故障特征区域间的分界面,通过柔性自适应地调整分界面的形状,可将误诊样本对应的故障特征纳入到正确的故障特征区域内,从而提高诊断精度。方法突破了原三比值法固定区域边界的限制,为故障诊断问题求解提供了一种新的解决思路。实例分析表明,改进后的方法既保留了三比值法对大多数样本能够准确识别的特点,又使三比值法具备了学习能力,其学习过程具有可视性,且学习效果是可控的。     

遗传算法的变压器故障模糊诊断

针对变压器故障诊断过程中存在的模糊性,采用模糊数学方法进行处理,并运用遗传算法对其中涉及的参数进行优化,最终实现更有效故障诊断。     

基于DGA的变压器故障诊断智能方法分析

针对传统变压器故障诊断方法的不足,介绍了多种智能诊断方法在基于油中溶解气体分析（dissolved gas-in-oil analysis, DGA）的变压器故障诊断中的应用,包括人工神经网络、模糊理论、专家系统、灰关联分析及其他智能方法。通过对这些智能诊断方法的分析,得出其优缺点及需要改进的方案,为研究人员选择最优油浸式电力变压器故障诊断方法提供参考。最后对基于DGA的变压器故障智能诊断方法进行了展望,并分析了未来的发展方向。     

基于模糊积分融合技术的变压器故障识别

提出了一种基于模糊积分融合技术的变压器故障诊断新方法。首先建立三比值的隶属函数并对三比值数据进行模糊预处理,再用4个不同的径向基函数神经网络进行故障识别,最后利用模糊积分融合方法将4组诊断结果进行融合处理,得出诊断结果。仿真实例表明这种方法比单个人工神经网络具有更高的故障诊断性能。