基于混合采样和支持向量机的变压器故障诊断

针对变压器不平衡数据集对变压器故障诊断模型产生的影响,提出了基于混合采样和支持向量机（support vector machines, SVM）的变压器故障诊断方法,利用合成少数类过采样技术（synthetic minority oversampling technique, SMOTE）和基于最近邻规则的欠采样方法,分别对变压器故障数据和正常数据进行采样,再利用混合采样得到的平衡数据训练基于支持向量机变压器故障诊断模型。通过测试集对比不平衡数据和平衡数据下基于SVM的变压器故障诊断模型的性能。最后分析了采样率对于变压器故障诊断模型诊断准确率的影响。实验结果表明,该方法可以有效降低不平衡数据对诊断模型的影响,提高变压器故障诊断模型的准确率。     

基于ADASYN数据平衡化的PSO_BP变压器套管故障诊断

变压器套管作为设备重要的绝缘部件,其绝缘性能直接影响着设备的安全运行。为诊断变压器套管绝缘状态,改善小样本不平衡数据对诊断结果的影响,使用粒子群算法优化反向传播神经网络（Particle Swarm Optimization_Back Propagation Neural Network,PSO_BP）和自适应综合过采样（Adaptive Synthetic Sampling,ADASYN）方法对变压器套管进行故障诊断。首先收集了变压器套管的历史故障数据,建立了具有明确故障类别的变压器套管油中溶解气体样本集,并通过ADASYN算法对原始数据中的少数类样本进行合成,得到平衡后的故障数据;将平衡后的油中溶解气体作为模型输入,故障状态作为标签输出,通过PSO_BP模型对变压器套管进行诊断;并在原始样本集下使用BP、遗传算法优化反向传播神经网络（Genetic Algorithm_Back Propagation Neural Network,GA_BP）、布谷鸟搜索算法优化反向传播神经网络（Cuckoo Search_Back Propagation Neural Network,CS_BP）以及PSO_BP模型对套管进行诊断。结果表明,针对变压器油纸套管绝缘状态进行故障诊断的多个模型中,基于ADASYN平衡数据后的PSO_BP模型（Adaptive Synthetic Sampling_Particle Swarm Optimization_Back Propagation Neural Network,ADASYN_PSO_BP）与其它模型相比准确度最高,能有效改善小样本不平衡数据对诊断结果的影响,为判断变压器油纸套管绝缘性能提供了有效方法。     

磁暴对中国电网的影响

通过比较2004年11月以来十几次磁暴数据与变压器中性点电流数据的相关性，证明了变压器发生的振动和噪声增大现象是磁暴在电网产生的地磁感应电流（GIC）所为，指出了磁暴对我国电网影响较大，磁暴对电网的影响已成为迫切需要研究的问题。     

三相一体自耦变压器公共绕组TA传变异常分析

自耦变压器的分差（零差）保护原理上不受励磁涌流影响,但是国产330 kV三相一体自耦变压器在空充时分差（零差）保护时有误动。通过对多起保护误动分析发现,误动原因不是保护原理问题,而是公共绕组电流互感器（TA）传变异常。比较国产和合资的自耦变压器空充电流波形数据,发现其原因并非公共绕组TA特性和饱和等问题,通过对主变内部结构分析得出,国产变压器内部公共绕组TA没有考虑防止主变空充时漏磁通对公共绕组TA的影响。提出了防止保护误动的改进措施,建议国产主变制造厂家研究改进三相一体自耦变压器内部结构,从根本上解决公共绕组TA传变异常问题。     

基于特征判定系数的CSO-SVM的电力变压器振动信号故障诊断

变压器带电故障诊断对于保证电力变压器安全平稳运行具有重要的意义。针对变压器工作环境复杂且单一参数表征变压器故障类型不全面的问题,提出一种基于自适应噪声完备集合经验模态分解（CEEMDAN）和特征熵权法（EWM）进行故障诊断的方法。通过相关系数加权峭度（CCWK）原则筛选CEEMDAN分量并重构信号,实现在剔除冗余分量的同时,提升变压器振动信号特征的表征能力;利用EWM构建特征判定系数（FDC）实现单一数据诊断变压器故障类型;通过主成分分析法（PCA）减小混合域特征尺度,采用鸡群优化算法（CSO）优化支持向量机（SVM）模型进行故障诊断。对某变电站110kV三相油浸式变压器进行分析,结果表明与概率神经网络（PNN）和SVM等变压器故障诊断方法相比,文中方法在提前定性故障类型的同时,能够进一步提高变压器故障诊断准确率与效率。     

基于CIM的电力变压器模型分析

变压器模型正确与否对电力系统分析结果影响很大。离线潮流计算中,变压器等值阻抗是直接给定的,因而使用变压器模型通常无需考虑变压器分接头对等值阻抗的影响。而在调度自动化系统中,变压器的等值阻抗一般由主接头下短路试验数据计算而来,但变压器实际上可能在不同的分接头下运行,需要考虑变压器分接头调整的影响,且其影响比较显著。详细分析表明基于公共信息模型（CIM）定义的变压器模型可以非常方便地计及分接头调整对变压器等值阻抗的影响,非常适合于调度自动化系统,并且其参数计算非常方便。采用基于CIM的变压器模型,不仅可以方便地实现系统的互联,也可以保证电力系统计算的正确性。     

基于胶囊神经网络的电力变压器故障诊断方法研究

电力变压器作为电力系统运行的枢纽设备,其运行状况直接关系到整个系统的运行安全。长期以来,油中溶解气体分析（dissolved gas analysis,DGA）技术由于不易受变压器内部复杂电磁场及外部噪声影响,成为变压器故障诊断的一种有效手段。为了解决现有基于DGA的故障诊断方法的局限性并进一步提升故障诊断的准确率,文中提出了一种基于胶囊神经网络（capsule network,CapsNet）的油浸式电力变压器故障诊断方法。通过结合CapsNet在处理向量数据方面的优势和变压器油中溶解气体的特征,所提方法能够准确地模拟油中溶解气体与故障类型之间复杂的非线性关系,通过动态路由技术和反向传播算法对模型的训练实现关键特征的自动提取。基于电网真实DGA数据的测试结果表明所提方法在故障诊断准确率、宏平均和召回率几何平均3个性能指标上得分数分别为90.48%、82.46%、87.93%,均优于支持向量机（support vector machine,SVM）和深度信念网络（deep belief network,DBN）,证明了其在实际变压器故障诊断应用中的优势。     

基于多策略ISOA优化SVM的变压器故障诊断研究

针对由支持向量机（SVM）参数难以确定而导致的变压器故障诊断精度低及海鸥优化算法（SOA）易陷入局部寻优的问题,提出一种多策略改进海鸥优化算法（ISOA）优化SVM的变压器故障诊断方法。首先,提出一种多策略的改进方法来全方面提升SOA的寻优性能;然后,利用ISOA对SVM内部参数进行优化,构建基于ISOA-SVM的变压器故障诊断模型;最后,将油中气体溶解分析（DGA）数据的特征提取结果输入到ISOA-SVM模型中进行变压器故障诊断。实例分析表明,所提ISOA-SVM模型诊断精度更优。     

基于改进粒子群优化XGBoost的变压器故障诊断方法

变压器作为电网传输和变换电能的主要设备,对DGA数据进行异常分析,可为变压器故障诊断提供理论依据。鉴于此,文中提出了基于DGA和IPSO-XGBoost的变压器故障诊断方法。首先,将特征气体划分为无编码比值作为特征参量输入极端梯度提升（XGBoost）模型,提出了基于XGBoost的变压器故障诊断模型;其次,通过动态调整惯性权重和加速因子对粒子群算法（PSO）进行改进,并利用改进的粒子群算法（IPSO）对XGBoost的关键参数进行迭代优化;最后,随机抽取1 614例故障类型已知的DGA数据进行算例分析。结果表明：相比于其它传统机器学习分类模型,XGBoost的变压器故障诊断正确率更高,且与传统PSO算法相比,所提方法可以更好克服粒子群寻优速度慢和易陷入局部最优等问题,可为变压器安全稳定运行提供有力保障。     

高压电滤油的机理

高压电滤油的机理叶涟远王达崇韦宁（广西电力工业局南宁市５３００２３）（广西大学南宁市５３０００４）（广西南宁建筑技校南宁市５３０００３）变压器油是一种液体电介质，它在电力变压器中起绝缘和散热作用。变压器油容易从空气中吸收水分，使油耐压降低，影响变压器...     

《油浸式变压器测温装置现场校准规范》规程解读

变压器投运后安装的监控测温系统在工作原理、使用环境、元件受环境温度影响下,往往附加误差超标。现场温控装置实际工作范围,正常运行条件下,几乎没有可能工作在指示器刻度的上限(终点)和下限(起始点)刻度点位置,由此催生了实验室(按规程)首检合格后现场安装运行的温控装置在工作范围内进行现场再校准的技术要求,就油浸式变压器测温装置现场校准规范以及方式进行了讨论,对降低变压器测温装置误差以及提高仪表测试精确度有一定指导意义。     

基于特征气体分层特性的电力变压器故障诊断技术研究

随着电网的扩大,变压器在电网中的作用日益提高,从而变压器在线故障诊断技术也显得异常重要。分析了变压器常见的故障类型以及变压器故障与变压器油产生特征气体的对应关系;选出具有代表性的特征气体作为最优诊断特征量;将故障诊断过程分为三个层次：正常-故障层、过热-放电层和故障细化层（高温过热、中低温过热、低能量放电、高能量放电）;最后用互信息方法与神经网络法实现基于特征气体分层特性的变压器故障诊断方案。     

电流互感器二次畸变电流波形修复研究

电流互感器(CT)饱和是继电保护误动作的主要影响因素。利用电流互感器等值电路模型,分析了现有电流互感器饱和后二次畸变电流波形修复的方法及其不足。提出了基于差分算法的波形修复方法,并通过Matlab仿真波形修复前后的对比,验证了该方法的可行性和优越性。     

主变近区短路后的电气试验分析与诊断

220 kV变电站10 kV出线电流互感器CT突然发生三相短路,主变受到短路电流冲击,停运后通过常规试验绝缘电阻、直流电阻及气体色谱分析,并结合绕组变形频响分析方法进行综合分析,准确地判断了变压器低压绕组B相存在轻微变形的故障性质,为变压器是否重新投入运行或及时退出运行提供了重要参考。     

基于PLC控制的主变冷却器系统的改造

提出了采用基于可编程控制器和固态继电器控制的新型主变冷却器系统的改造方案,并对改造后的交流电源回路、控制回路和箱体辅助回路的电气原理图进行了分析。结果表明:通过对原变压器冷却器的改造,消除了原系统中的设计不足和设计缺陷,实现了多种运行控制模式,保证了主变冷却器的安全运行。     

基于LVQ神经网络的变压器故障诊断方法

结合模糊理论,提出一种基于学习向量量化器(LVQ)的变压器故障诊断方法。它首先在无监督学习模式下,采用数据压缩技术,完成输入空间上的向量重构。接着结合监督学习机制,从输入数据选择特征赋予每个类。该方法是一种将自组织映射(SOM)和监督学习模式结合起来的自适应模式分类技术,具有结构简单,适应性强和分类精度高的特点。变压器故障诊断实例显示了该方法的有效性。     

带变压器一次侧缺相保护的低压塑壳断路器

通过对变压器一次侧缺相使二次侧电压不对称的数理分析,设计了基于嵌入式微控制单元（MCU）技术的低压塑壳断路器。带变压器一次侧缺相保护低压断路器成功解决了带变压器一次侧缺相而导致二次侧电压不对称,烧坏电器设备等问题。     

梅州电网稳定控制装置中操作的危险点分析

基于梅州电网现状、稳定控制系统配置和功能的特点,分别就主变压器或线路停(复)电、不停电的旁路断路器代线路断路器停(复)电操作这2种情况,对稳定控制装置中操作的危险点进行分析,并提出相应的控制措施,以保证梅州电网的安全稳定运行。     

深度学习神经网络在电力变压器故障诊断中的应用

由于电力变压器发生故障时油色谱在线监测数据无标签,工程现场往往会得到大量无标签故障样本,而传统的故障诊断方法在对变压器故障类型进行判别时往往无法充分利用这些无标签故障样本。该文基于深度学习神经网络（deep learning neural network,DLNN）,构建了相应的分类模型,分析并用典型数据集对其分类性能进行测试。在此基础上提出一种电力变压器故障诊断新方法,它能够有效利用大量电力变压器油色谱在线监测无标签数据和少量故障电力变压器油中溶解气体分析（dissolved gas-in-oil analysis,DGA）实验数据进行训练,并以概率形式给出故障诊断结果,具有更优的故障判别性能,能够为变压器的检修提供更为准确的参考信息。工程实例测试结果表明,该方法正确可行,诊断性能优于三比值、BP神经网络和支持向量机的方法,适用于电力变压器的故障诊断。