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。     

基于粗糙集与模糊规则的变压器故障诊断方法

引入了一种基于粗糙集约简并结合模糊规则的方法进行变压器故障诊断。该方法从变压器故障判别表出发,首先使用粗糙集理论进行决策表约简,在保持故障判别表分类能力不变的条件下,去除了变压器故障诊断知识中大量的冗余特征,然后结合模糊集合理论和模糊推理,计算出各个约简后的决策规则的模糊隶属度,最终得到故障类型的判断。实例表明,本方法可以有效地进行模糊推理并得到正确的诊断结果。     

改进PSO与模糊聚类相结合的变压器故障诊断

针对基本粒子群算法存在收敛速度慢、易陷入局部极值的缺点,提出了一种改进PSO算法与模糊聚类相结合的变压器故障诊断方法.该方法根据变压器油中主要特征气体含量,利用杂交遗传改进粒子群通过优化模糊聚类准则函数,得出故障类型的最优聚类中心,再由聚类中心得出相应模糊隶属函数,最后由隶属函数判断所属故障类型.实例分析结果表明,该算...     

基于粗糙集与模糊规则的变压器故障诊断方法

引入了一种基于粗糙集约简并结合模糊规则的方法进行变压器故障诊断.该方法从变压器故障判别表出发,首先使用粗糙集理论进行决策表约简,在保持故障判别表分类能力不变的条件下,去除了变压器故障诊断知识中大量的冗余特征,然后结合模糊集合理论和模糊推理,计算出各个约简后的决策规则的模糊隶属度,最终得到故障类型的判断.实例表明,本方法可以有效地进行模糊推理并得到正确的诊断结果.     

基于气体增长速率和Petri网的变压器内部故障状态推理

针对变压器故障诊断中的故障漏判、误判和某些故障无法判断的问题,将Petri网和油中气体增长速率相结合,提出一种基于模糊Petri网来构建变压器故障诊断模型,它通过分析油中溶解的气体浓度来判断变压器的故障类型。该方法首先利用通过气相色谱法得到各气体的浓度值,使用建立起来的Petri网模型,推理出每种故障类型的可能性大小。用这种方法能避免三比值编码的缺失等问题,也就能有效地处理变压器故障诊断中漏判、误判和无法判断的问题,并能定量地给出每种故障的可能性大小。实例进一步证明,研究模型提高了诊断的正确率。     

模糊识别在变压器故障诊断中的应用

本文提出了利用模糊模式识别判断变压器故障的新思路，以放电 过热故障为诊断识别模糊集，通过建立它们的模糊隶属函数，对每一种故障进行隶判断，以确定故障到了较理想的结果。本文的思想对电力系统的故障诊断及自动控制有一定的参考价值。     

基于级联阈值决策的变压器故障模糊诊断法

为了解决最大隶属度原则不宜诊断多故障、阈值原则漏诊率和误诊率较高的问题,在提出级联阈值判断原则后构成了级联阈值决策的加权模糊识别法。该法研究各特征气体组分比值在变压器故障诊断中的不同地位,确定加权系数矩阵,并用统计法估计单故障现象的故障隶属度,得到评判矩阵。通过评判矩阵和级联法值判断原则诊断变压器故障,不但诊断单种变压器故障正确率较高,且诊断多种故障同时存在的变压器故障效果也较理想。     

基于欧式距离法的变压器故障BBA模型建立与分析

针对变压器故障诊断中油溶气体技术的改良三比值法存在故障区域边界值判断模糊的问题,在分析改良三比值法的基础上,以欧式距离来表征隶属每种故障概率大小的形式,建立了不同故障下的基本信任分配函数(BBA)诊断模型进行变压器故障诊断,并采用D-S合成规则对不同故障的BBA进行融合,实现了对多BBA模型函数重新构造以及归一表述的功能。利用该模型对长春某500 k VA变电站的变压器故障进行实例计算,并通过改良三比值法和模糊算法进行对比分析。结果表明:该诊断模型能准确、有效地对变压器的多种常见故障进行诊断;用计算隶属故障概率的形式弥补了改良三比值法边界值计算模糊的缺陷,使故障的判别更加趋于真实准确,为电力变压器故障诊断提供了一种有效的方法。     

基于模糊神经网络的变压器故障诊断技术与方法的研究

将模糊技术与神经网络引入到变压器故障诊断中,提出了运用基于特征气体法的神经网络模块和基于改良三比值法的模糊神经网络模块对变压器油中溶解气体进行综合分析,判断油中溶解气体的特征,以此来诊断变压器可能发生的故障。     

基于协同学理论的变压器故障诊断

提出一种基于协同学理论的变压器故障诊断新方法。对变压器故障诊断动力学方程进行推导,运用支配原理中的绝热消去方法,得到低维的具有原方程所有特征的序参量动力学方程,通过比较序参量的初始值就可以判断变压器的故障类型。仿真结果表明,协同学诊断方法能够弥补三比值法编码不全、编码边界模糊等缺点,而且实现起来更加简单、可靠和稳定,比BP神经网络具有更高的判断率,没有伪状态的出现,是一种比较理想可行的变压器故障诊断方法。     

振动频响法与传统频响法在变压器绕组变形检测中的比较

首先详细介绍了振动频响法(vibration frequency response analysis,VFRA)检测原理,并与传统频响法(frequency response analysis,FRA)进行了对比。然后对一台220 kV变压器绕组进行了多种人工故障设定,并利用振动频响法与传统频响法对所设故障进行对比检测分析。试验结果表明,振动频响法相比传统频响法对绕组预紧力下降、垫块脱落、幅向轻微变形等故障具有更高的检测灵敏度。     

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。     

神经网络理论在变压器故障诊断中的应用

把专家知识与神经网络计算相结合,用变压器原副边正序和负序电流分量的方向进行变压器的故障诊断,克服好传统的二次谐波制动特性劝保护在涌流伴随故障状态下的动作延时,能正确识别变压器的内部故障,励磁涌流、外部故障及空载合于内部故障等不同状态。用此原理构成的变压器保护动作时间最快可为半个周期,可适合于任意连接方式的双绕组变压器,且不受系统参数的影响,具有广泛的实用性和很强的容错能力,大量仿真结果证明了此方法     

基于灰色多变量理论与改进三比值法相结合的变压器套管故障预测

对变压器套管进行故障预测是确保变压器安全运行的前提,文章结合灰色多变量理论与改进的三比值法,提出了一种用于变压器套管预测的新方法。首先运用一种新的灰色关联度算法对改进的三比值法运用的气体三组比值进行关联度分析,得到彼此之间有很强的关联性,然后再用灰色多变量预测模型对这气体比值含量进行预测,最后结合改进三比值法找出对应的故障类型。灰色多变量模型可对同一信号中提取的多个指标同时进行预测,从系统的角度统一描述各特征参数,因而能获得较准确的预测结果。文章最后通过实例证明该方法的有效性和准确性。     

基于局部特征量的神经网络方法在变压器故障诊断中的应用

本基于局部特征量的神经网络方法对变压器的故障诊断进行了新的探索，建立了相应的故障诊断的神经网络压缩模型，实例诊断结果证明了这种方法的有效性。本方法能够诊断传统的三比值法无法诊断的故障，对于其它的故障诊断也有一定的参考意义。     

基于粒子群算法优化支持向量机的变压器绕组变形分类方法

变压器是电网最为核心的设备,绕组变形是变压器主要的故障类型之一,频率响应分析法(frequency response analysis, FRA)是目前广泛应用的绕组变形检测方法。为提高绕组变形分类诊断的性能,文中提出基于粒子群算法优化支持向量机(particle swarm optimization-support vector machine, PSO-SVM)的变压器绕组变形分类方法,采用数学统计方法提取频率响应曲线的特征参量,并输入到支持向量机模型进行训练,利用粒子群算法优化支持向量机模型参数,使其能够有效区分不同的绕组故障类型。为证明文中方法在变压器绕组故障诊断方面的有效性,在一台特制模型变压器上进行了一系列故障模拟实验。数据处理结果表明,训练后的支持向量模型表现出了极高的性能,并且,相比传统的网格搜索参数优化算法,粒子群算法优化的支持向量机可以显著提高变压器绕组变形故障的分类性能。     

基于BOTDR的变压器绕组变形检测试验研究

针对常见的电力变压器绕组变形故障,已有的检测手段多为离线检测,无法实时反映绕组的应力变化。提出一种基于BOTDR的变压器绕组变形检测方法,设计了光纤复合式绕组模型,搭建了应力检测平台,并开展变压器绕组变形试验。试验结果表明:分布式光纤传感技术对变压器绕组微小的变形有着较高的灵敏度,可以同时实现绕组变形的定位,为变压器绕组的在线监测提供了一种新的思路。     

Analysis of internal winding short circuit faults in power transformers using transient finite element method coupling with external circuit equations

Interturn short circuit faults are the leading cause of power transformer failures. If not quickly detected, these faults usually develop into more serious faults, which would result in irreversible damage to the transformer, unexpected outages, and consequential costs. The aim of this research is to obtain a better understanding of the physical behavior of the power transformers in the presence of interturn faults as well as to discover the best indicators for detection of interturn short circuit faults. To this end, a time stepping finite element model of power transformer has been developed to analyze the transient behavior of a real power transformer when the transformer is working under winding short circuit fault conditions. The transient model, coupled with external circuit equations, allows us to simulate the dynamic behavior of the transformer with the real power supply and external loads connections. The FEM computations show the ability of the electromagnetic flux inside the transformer, transformer terminal currents, and circulating current in the shorted turns as useful monitoring parameters for transformer fault detection. Copyright © 2013 John Wiley & Sons, Ltd.     

基于组合决策树的油浸式电力变压器故障诊断

提出了一种利用属于模式识别范畴的决策树C4.5法进行变压器故障诊断的方法。由于C4．5方法可方便地处理连续特征模式且有从样本学习判定规则的功能，因此应用中显示了该方法对于变压器故障诊断的适用性。在讨论变压器故障空间的基础上，针对已积累的故障变压器的大量油中溶解气体等数据，考察了各类故障的特征偏置，并在此基础上构造出组合决策树诊断模型，实现了变压器故障由粗到细的逐级划分，有利于提高诊断的准确性。实例表明该模型的有效性。     

基于小波分析的变压器转换性故障快速识别方法

当变压器发生区外故障时,会出现因电流传感器饱和而导致差动保护误动的问题。为解决这一问题,文中提出了基于小波分析的时差法,作为变压器差动保护判断区内、外故障的判据。首先,分析了电流互感器的饱和对变压器差动保护产生的影响;其次,利用模极大值原理研究了小波用于信号奇异性检测的方法,并选取合适的阈值规则对含噪声信号进行了消噪处理;然后,利用小波模极大值原理确定故障开始和差流出现的时刻;最后,提出了一种基于综合负序分量的变压器区外转区内故障时解除差动保护闭锁的新判据,并仿真验证了该方法的有效性。