一种综合多种检测手段的变压器局部放电在线监测分析方法

正论述了目前变压器局部放电在线监测的现状及其发展形势,介绍了变压器局部放电的产生原因及其危害,并对现有的局部放电在线监测方法进行了阐述和分析。提出了一种综合多种手段的变压器局部放电在线监测分析方法,基于此方法,模拟几种典型的放电故障,利用局部放电特征向量和-q-n特征参数及局部放电指纹图谱对相应的放电类型进行了模式识别和智能判断放电类型。变压器是电力系统中的关键设备,随着电网电压等级的提高和规模的扩大,变压器故障对电力系统正常稳定运行的影响也越来越大。变压器运行中出     

一种综合多种检测于段的变压器局部放电在线监测分析方法

论述了目前变压器局部放电在线监测的现状及其发展形势,介绍了变压器局部放电的产生原因及其危害。并对现有的局部放电在线监测方法进行了阐述和分析。提出了一种综合多种手段的变压器局部放电在线监测分析方法,基于此方法,模拟几种典型的放电故障,利用局部放电特征向量和Ф-q—n特征参数及局部放电指纹图谱对相应的放电类型进行了模式识别和智能判断放电类型。     

基于模糊专家系统的电力变压器智能化实现技术

从分析模糊专家系统的特点出发,提出了基于模糊专家系统的变压器智能化技术。文中论述了电力变压器诊断的模糊专家系统的体系结构和知识表示,讨论了模糊推理算法,给出了电力变压器的智能监测系统的设计与实验结果。目前这一技术已经在多个变电站实现应用,运行实践表明：基于模糊专家系统的智能化变压器能够实现设备状态预警、自动生成设备异常报告,并且提供故障处理指导策略。     

变压器局部放电带电检测系统的应用

针对电力系统变压器局部放电带电检测的现状,提出了一种新的局部放电带电检测系统,即采用脉冲电流法、特高频法、超声法对变压器局部放电应进行综合带电检测.现场试验结果表明,该系统检测电力系统变压器局部放电结果准确,不会影响设备的正常运行,提高了变压器局部放电带电检测的可靠性和灵敏度.     

电力变压器局部放电在线监测技术介绍

变压器局部放电在线监测技术对变压器状态检修具有重要意义。本文围绕变压器局部放电监测的几种监测方法、变压器内部局部放电位置的定位以及监测过程中的抗干扰等方面简介了变压器局部放电在线监测技术。     

基于ANFIS的油纸绝缘局部放电模式识别技术研究

为了研究自适应神经模糊推理系统（ANFIS）在油纸绝缘局部放电模式识别中的应用,针对大型电力变压器内常见的油纸绝缘局部放电缺陷,建立了3种基本局部放电缺陷模型,并在实验室中测取了各种缺陷类型的局部放电数据。通过对局部放电谱图的统计学计算以及分析,选取可有效表征局部放电类型的几个特征量．建立了ANFIS模型作为分类器,采用减法聚类生成规则,并利用梯度下降法和最小平方估计法相结合的混合学习算法进行训练,最后对该模型有效性进行测试。测试结果表明,不同类型局部放电的识别效果略有差异．但总体识别率达90％以上。研究结果表明,采用ANFIS进行局部放电模式识别,具有识别效果好、收敛速度快、稳定性高的优点。     

基于ANFIS的油纸绝缘局部放电模式识别技术研究

为了研究自适应神经模糊推理系统(ANFIS)在油纸绝缘局部放电模式识别中的应用,针对大型电力变压器内常见的油纸绝缘局部放电缺陷,建立了3种基本局部放电缺陷模型,并在实验室中测取了各种缺陷类型的局部放电数据。通过对局部放电谱图的统计学计算以及分析,选取可有效表征局部放电类型的几个特征量,建立了ANFIS模型作为分类器,采用减法聚类生成规则,并利用梯度下降法和最小平方估计法相结合的混合学习算法进行训练,最后对该模型有效性进行测试。测试结果表明,不同类型局部放电的识别效果略有差异,但总体识别率达90%以上。研究结果表明,采用ANFIS进行局部放电模式识别,具有识别效果好、收敛速度快、稳定性高的优点。     

变压器局部放电超高频信号外传播特性的试验研究

介绍了目前内置超高频传感器在电力变压器局部放电监测中的应用情况,分析了利用外部传感器检测局部放电产生的超高频信号的可行性,设计了一套基于超高频法的电力变压器局放测量系统。实验结果表明,超高频电磁波可以透过变压器夹缝衍射出来,为变压器局部放电检测提供了一种新途径。     

变压器局部放电在线监测超高频Hilbert分形天线研究

论述了Hilbert分形天线基本原理,并根据分形天线电磁场理论,提出了应用于变压器局部放电超高频在线监测的Hilbert分形天线优化设计方法。通过仿真计算,研究了几何参数对Hilbert分形天线性能的影响,设计出用于变压器局部放电监测的3阶Hilbert分形天线。通过气隙放电、沿面放电、电晕放电3种典型变压器绝缘缺陷局部放电实验,采用分形天线和脉冲电流传感器对这3种局部放电进行了测量,并分析了分形天线的局部放电测量信号功率谱。实验结果证明该天线能够有效应用于变压器局部放电超高频在线监测。     

超声波法进行变压器局部放电模式识别的研究

在线识别局部放电模式可以有效地判断局部放电对变压器绝缘的危害程度。文中根据局部放电超声波信号存在的非线性和非平稳特性，提出利用分形理论对局部放电超声波信号的时域脉冲形进行分析，对分形理论及其参数计算方法进行了简单的介绍，在自制的几种典型变压器局部放电模型上进行实验，计算了所得到的局部放电超声波信号的分型参数（分维数和空缺率），得到不同放电形式的分形特征，利用人工神经网络对所得到的分形特征进行模式识别，结果表明利用超声波信号可以有效地判断变压器局部放电模式，为变压器局部放电信号的特征提取和模式识别提供了一种新的研究方法。     

基于模糊概率论的变压器局放信号模式识别法

电力变压器局部放电信号的模式识别是局放研究中的一个难点和重点问题.文中通过对高采样率采集到的4种局放模式下的单个UHF脉冲信号进行小波包分解,从熵值和能量角度提取出6个特征量,运用了模糊理论基本思想,通过简单的计算求出各种放电模式的信息分布表和放电标量作为参考量.当给出一个待确定模式的局放信号时,求出其具体的放电标量,按照相对误差最小原则就可以确定出其模式归属.经实测局放信号验证,该方法思路清晰,简单有效.     

基于IFS的局部放电超声信号的数据压缩和模式识别

变压器局部放电超声信号具有连续不可导和非平稳的特性 ,通过仿射变换建立其分段自仿射IFS (IteratedFunctionSystem)。利用该方法一方面实现局部放电信号数据的压缩 ;另一方面提取IFS分形参数 ,包括IFS分形维数和空缺率 ,为局部放电模式识别提供新的特征参数 ,两者同时进行 ,为实现局部放电在线监测提供一种新的工具。同时进一步把IFS分形参数作为特征参量输入人工神经网络对放电模式进行识别 ,结果表明了利用超声波信号进行局部放电模式识别的有效性。     

电力变压器局放信号抗干扰与模式识别

在局部放电信号抗干扰方面,考察了几种较新的阈值除噪方法,提出了将二进小波变换分别与单抽头最小均方LMS(Lease Mear Square)算法滤波器和基于Birge-Massart策略的小波去噪相结合的变压器局部放电信号抗干扰方法.同时针对局部放电信号的模式识别问题,首先分别根据模糊概率理论和波形匹配理论,针对时域单个特高频UHF(Ultra High Frequency)脉冲信号,提出了2种电力变压器特高频局部放电信号的模式识别方法.基于时域单个UHF脉冲信号的信息,提出了用于神经网络输入的8个特征量,分别利用BP网络、Elman回归神经网络和PNN概率神经网络对4种典型的变压器局部放电信号进行了模式识别的尝试,取得了较好的识别效果.     

希尔伯特-黄变换在变压器局部放电脉冲识别中的应用

时频分析方法是变压器局部放电特征提取的有效手段。讨论利用小波变换方法分析非平稳信号的局限性,介绍希尔伯特-黄变换(Hilbert-Huang transform,HHT)的理论体系,并分别应用2种时频分析方法得到不同类型局放信号的幅值谱,从中提取了时频熵向量作为用于模式识别的特征量,模糊聚类结果显示,由希尔伯特-黄变换得到的时频熵向量具有优于小波变换的聚类特性。因此,希尔伯特-黄变换是目前变压器局放信号特征提取的有效方法。     

基于不同放电模型的变压器局部放电光学特性研究

基于建立的真实变压器故障模型模拟变压器内部不同放电类型,同时为捕捉局部放电时的光学效应,建立基于光学传感器的局部放电光局放检测系统。研究中通过外施电压对沿面放电和悬浮放电缺陷模型进行加压产生局部放电信号,研究结果表明:局部放电的光学信号能够有效反应变压器内部局部放电的产生和发展过程。放电图谱中放电点的密集度,可直观评估放电的强烈程度。当放电趋于稳定时,沿面放电点的光学放电信号相位主要分布在60°~150°和240°~330°之间,悬浮放电点相位主要集中在260°~320°之间,根据光局放信号的相位特性,可以明确区分变压器内部的沿面放电和悬浮放电现象,为变压器光局放检测技术的应用奠定了基础。     

模糊专家诊断系统在状态监测中的应用探讨

在分析状态监测中应用模糊专家诊断的必要性的基础上,阐述了模糊专家系统的结构及不确定性推理方法。通过介绍变压器模糊三比值专家故障诊断系统的实例,说明了模糊专家系统在状态检修中的实现方法。     

电力变压器局部放电在线监测系统的研制

研制了一套新型变压器局部放电在线监测系统,该系统基于电一声联合检测方法,检测出变压器局部放电产生的多路电流脉冲信号和超声波信号,在硬件上采用了光缆传输等抗干扰措施,有效抑制了监测现场的电磁干扰,在软件中采用离散二进小波变换算法滤除监测信号中的周期干扰以及电晕干扰,从而准确地区分内外放电脉冲:并基于等值声速原理,运用模糊理论和有限元数值分析方法对变压器局部放电点进行了定位.在现场运行的情况表明了该系统具有较高的检测灵敏度,可为电力变压器的状态检修提供可信的依据.     

基于模糊免疫识别方法的电力变压器故障诊断

在人工免疫识别系统的基础上,结合模糊推理,提出了基于模糊免疫识别的充油变压器故障诊断方法。代表相同B细胞的人工识别球经克隆选择和资源竞争后产生具有分类性能的记忆抗体,但其资源分配数目和人工识别球的刺激水平成线性,易使少数优秀人工识别球占据过多资源,引起人工识别球种群早熟收敛。将模糊推理应用于资源分配机制中,可使分配兼顾刺激水平和抑制水平,改善收敛性能。实例分析表明,以H2、CH4、C2H4、C2H6、C2H2等5种气体含量为特征参数,将模糊推理与人工免疫识别系统相结合的方法,能有效诊断变压器内部潜伏性故障。     

基于优化形态特征的变压器局部放电模式识别

针对变压器的4种典型局部放电模型的脉冲波形,应用多尺度数学形态学开运算提取局部放电脉冲波形的形态谱,通过形态谱的提取可看出每种放电类型具有不同的形态特征。同时,为了去掉冗余的特征量,优化形态特征,对每种放电类型的不同形态特征进行相关性分析。实验结果表明,应用优化后的特征量进行识别能够得到良好的识别效果,并且能够降低识别系统的复杂度。