数字化变电站电子式互感器渐变性故障诊断方法研究

目前对电子式互感器的在线监测和故障诊断还处于起步阶段,尤其对于渐变性故障诊断的研究较少。从系统元件物理电气特性出发,构建了输电线路和变压器的电流观测器模型,对观测器输出与电子式互感器输出值进行比较,将由此构成的残差故障信息来诊断互感器渐变性故障。在此基础上,进一步引入网络图论的诊断机制对故障源辨识定位。通过仿真验证了观测器模型的正确性和故障诊断方法的有效性。该方法不受网络运行方式变化的影响,可在无附加硬件设备、互感器不停电、不脱网的条件下,实现电子式互感器的在线监测和故障诊断。     

小波变换在电子式电力互感器误差校正中的应用

电子式互感器以微电子技术和计算机技术为基础 ,所处的工作环境电磁干扰严重 ,易受到外界干扰而影响测量精度 ,并且有些误差是互感器本身结构引起的 ,硬件措施难以消除。提出了用小波变换的软件方法对互感器误差进行校正 ,着重分析了小波变换在信号去噪和以电容分压器作传感元件的电子式电压互感器带俘获电荷重合闸误差校正中的应用 ,仿真和实验研究结果证明了所提方法的有效性     

电子式互感器技术和应用评述

介绍了电子式互感器的原理和结构,分析了各种类型电子式互感器的性能特点,并与传统互感器进行了性能对比.基于运行和检测经验,提出了电子式互感器目前存在的问题和相应的应对措施.     

电子式互感器及其技术发展现状

简述了电子式互感器的定义、有关标准及其优缺点。着重介绍了有源及无源电子式电流互感器的工作原理、有源电子式电流互感器的供电方式。简要介绍了有源及无源电子式电压互感器的工作原理,国内外对于电子式互感器的研制状况。     

电子式电压互感器研究与应用

分析比较了现有各种电子式电压互感器的原理及优缺点,结合电子式电流互感器发展趋势,提出了一种基于全光纤电子式电流互感器检测电容电流的新型电子式电压互感器.     

有源电子式电流互感器的关键技术

现阶段实用化的有源电子式电流互感器主要由3部分构成:基于空芯线圈的高压传感部分、处于低压侧的信号调理部分、高低压侧之间的能量和信号传输部分。本文就相关的关键技术进行了研究:高准确度空芯线圈的制备方法、系统暂态性能研究、高压侧供能方法、可靠性分析,为有源电子式电流互感器的实用化作了有益的探索。     

电子式互感器的应用研究

分析了电子式互感器的发展现状以及在工程应用中的优越性,对有源和无源式电子式互感器的技术性能进行了比较,对电子互感器的可靠性进行了分析,分析了电子式互感器对继电保护、测量系统和变电站自动化系统的影响,并对电子式互感器目前存在的问题提出了应对措施。     

电子式互感器技术发展趋势分析

介绍了几种新型电子式电流互感器和电子式电压互感器的技术原理和产品特点,指出了电流、电压互感器技术领域的发展趋势,认为在今后10年内传统的电流、电压互感器或将退出市场。建议传统互感器制造厂应适应电网智能化的要求,积极研究低功率电流互感器和低功耗电容式电压互感器,优化结构,降低成本,提高竞争力：有实力的企业应适时进入电子式电流和电压互感器技术领域,以免被淘汰出局。     

电子式互感器与数字化变电站

本文阐述了电子式互感器及数字化变电站的概念;介绍了电子式互感器构成原理及其与传统电磁式互感器相比的主要技术优势;介绍了国内外电子式互感器的研制情况及数字化变电站的特点和工程应用情况.     

电力变压器的智能故障诊断研究

将基于改进遗传算法（IGA）和误差反向传播（BP）算法相结合构成的IGA-BP混合算法用于训练神经网络。该混合算法有效克服常规BP和传统GA算法独立训练神经网络的缺陷,并应用于电力变压器溶解气体分析的智能故障诊断。实验诊断结果表明,IGA-BP混合算法的收敛速度快于BP及GA算法,并且具有较高的诊断准确率。     

基于小波变换和WVD分布的电子式互感器突变性故障协同诊断方法

针对现有互感器故障诊断方法中突变性故障和系统异常干扰信号同时发生时缺乏应对方案的问题,提出了一种基于小波变换和WVD分布的互感器突变性故障协同诊断方法。借鉴站域思想,对变电站中的互感器划分协同甄别组,利用小波变换模极大值原理定位信号突变时刻。在有多个互感器因系统扰动出现干扰信号的情况下,依然能够利用WVD分布的良好时频分布特性将故障互感器从中辨识出来。在PSCAD中搭建仿真模型,验证了所提方法在突变性故障与系统扰动同时/不同时发生时均能够对故障互感器有效辨识。     

基于改进PSO-BP混合算法的电力变压器故障诊断

将改进的粒子群优化(PSO)算法与误差反向传播(BP)算法相结合构成混合算法训练人工神经网络。改进的PSO算法中,惯性权重从最大到最小线性减小,以平衡局部和全局搜索能力,并将类似“选择”的概念引入PSO算法,使该算法更好地协调全局和局部搜索能力,有利于更快寻找到全局最优点。该算法有效地解决了常规BP算法学习网络权值和阈值收敛速度慢、易陷入局部极小和GA算法独立训练神经网络速度缓慢等缺点。将该算法应用于变压器故障诊断,仿真结果表明了该算法具有较快的收敛速度和较高的计算精度,满足电力变压器故障诊断的要求。     

基于改进粒子群算法的小波神经网络在变压器 故障诊断中的应用

针对变压器故障征兆和故障类型的非线性特性,结合油中气体分析法,设计了一种改进粒子群算法的小波神经网络故障诊断模型。模型采用3层小波神经网络,并用一种改进粒子群算法对其进行训练。该算法在标准粒子群算法的基础上,通过引入遗传算法中的变异算子、惯性权重因子和高斯加权的全局极值,加快了小波神经网络训练速度,提高了其训练的精度。仿真实验证明这种改进粒子群算法的小波神经网络可以有效地运用到变压器故障诊断中,为变压器故障诊断提供了一条新途径。     

基于小波包分析与神经网络的变压器区内外故障判断方法

作为变压器主保护的瓦斯保护经常在发生变压器区外故障时误动作,严重影响了变压器和电力系统运行的安全性和可靠水平,准确识别区内外故障是解决瓦斯保护误动作的重要前提。研究了适用于区内故障仿真的变压器PSCAD模型,验证了该仿真模型与原有模型的一致性。设计了基于小波包分析的变压器区内外故障特征量提取方法,通过不同小波包能量的对比,分析了区内外故障时差动电流的特征。基于小波包能量差异性,提出了利用神经网络进行区内外故障识别的方法。通过具体算例验证了方法的正确性和有效性。     

基于Elman神经网络的油浸式电力变压器故障诊断

油浸式电力变压器的运行状态直接影响到电力系统的安全与稳定,对其进行故障诊断具有重要的现实意义。依据Elman神经网络具有动态处理数据及对历史数据敏感的能力,提出了将它用于油浸式电力变压器的故障诊断新方法,并给出了其具体的实现,同时对故障诊断的结果,将Elman网络与BP网络进行了比较。检测结果表明,Elman网络具有区别油浸式电力变压器不同故障类型的能力。     

一种基于小波神经网络的模拟电路故障诊断方法

本文针对模拟电路提出了1种新的基于紧致型小波神经网络的故障诊断方法。该方法首先利用小波变换和主成分分析对故障信号进行预处理,然后用处理后的故障特征数据对小波神经网络进行训练和测试。仿真实验表明,该方法比普通神经网络方法训练速度更快,诊断准确率更高。     

粗糙集理论与神经网络在变压器故障诊断中的应用

粗糙集(RS)理论是一门新兴的智能信息处理技术,它对各种不完整数据进行分析、推理,发现数据间的关系,提取有用特征,简化信息处理。人工神经元网络(ANN)具有本质的非线性特性、并行处理能力、以及自组织自学习的能力。但单独使用ANN处理问题时,往往会存在一些缺陷。该文把粗糙集理论与人工神经元网络结合起来,应用于变压器故障诊断,可以充分发挥两种方法的优势,取长补短。粗糙集理论可以有效地对样本集进行约简,从而简化了ANN的网络结构,减少了网络的训练步数,提高了判断准确率。并用仿真实验验证了此方法的有效性。     

遗传小波神经网络及在电机故障诊断中的应用

本文给出了基于优化遗传算法的小波神经网络故障诊断模型。首先利用改进的遗传算法对神经网络的权值和阈值进行遗传操作,获得具有一定遍历性的初始权值和阈值,然后再利用神经网络的L-M训练方法进行训练,克服了BP神经网络搜索速度慢和容易陷入局部极值的缺点,保证了训练过程收敛,而且故障识别的能力和精度也大大提高。同时引进比小波分析具有更强高频分析能力的小波包技术,并将其应用到故障信号的特征频率分析中,以得到的结果作为改进遗传神经网络的输入信号,保证训练网络的准确性。通过对电机故障进行仿真试验,证实该方法的有效性及正确性。     

基于神经网络的变压器故障诊断

为了保障变压器在电力系统中能够安全有效的运行,提出了一种将RBF神经网络与模糊控制算法相结合对变压器进行故障诊断的方法。设计了具有6层神经网络的学习体系,并且将模糊隶属度函数引入到第2层中,加快了神经网络的学习速度。基于变压器故障的数据统计,通过对其内部的气体含量进行分析对故障类型进行分类。通过样本数据对所设计的模糊RBF神经网络进行故障诊断训练。实验结果表明,通过训练后的该模型对变压器的故障诊断具有更好的效果。