变压器油中溶解气本的成分和含量与充油电力设备绝故障诊断的关系

介绍了通过分析变压器油中溶解气体的成分和含量以判断充油电力设备故障的机理和方法。     

变压器油中溶解气体含量突增故障诊断与分析

针对某220 kV变电站主变压器2次油中溶解气体含量突增事件,通过对主变压器的全面状态诊断及分析,认为变压器安装过程中将军帽与槽之间的密封垫摆放位置偏移是导致变压器瞬间放电后油中溶解气体含量突增的主要原因,提出加强变压器密封垫安装管理工作,提高密封垫质量等处理措施。     

变压器油中溶解气体分析和故障诊断

变压器油中溶解气体分析技术具有操作简单快速、无需设备停电等优点,能够及时发现变压器内部的潜伏性故障,对保证电力系统安全运行具有重要意义。在分析变压器内部主要故障类型的基础上,对变压器油中溶解气体分析与故障诊断方法进行了研究,并结合实际故障案例,对该故障诊断方法的准确性加以验证。结果表明,油中溶解气体分析能够检测出多种高压试验无法发现的缺陷与潜伏性故障,并对故障类型进行初步定性,其分析结果可作为变压器状态综合评估的重要依据。     

基于油中溶解气体分析数据挖掘的变压器绝缘故障诊断

充分利用粗糙集理论对知识的约简能力与模糊径向基函数(RBF)神经网络优良的分类诊断能力,基于粗糙集与RBF网络实现数据挖掘的电力变压器绝缘故障诊断。该方法一方面将粗糙集作为RBF神经网络的前置,对经离散化的样本集进行约简,形成精简的规则集,将高于一定可信度的挖掘规则用于电力变压器故障诊断;另一方面,将粗糙集挖掘的低于可信度要求的规则所对应的挖掘样本,作为模糊RBF神经网络的训练样本集,同时将粗糙集对这些样本的聚类结果作为模糊RBF神经网络的聚类因子,在此基础上构建改进的4层RBF神经网络,用来诊断不能用粗糙集挖掘的规则诊断的事例。经检验,系统具有较好的分类诊断能力。     

基于油中溶解气体分析的电力变压器绝缘故障诊断方法

电力变压器是电力系统的枢纽设备,其运行可靠性直接关系到电力系统的安全与稳定,油中溶解气体分析方法作为一种有铲的充油电力设备异常监测手段,在电力系统得到广泛的应用,本文述述了基于油中溶解气体分析的电力变压器故障诊断技术的产生背景、研究现状和发展方向。     

油中溶解气体电力变压器故障诊断专家系统

保证电力变压器可靠运行是电力系统安全稳定的重要研究课题,现有的油中溶解气体分析方法存在编码涵盖范围小、不可扩展等不足,影响了其在实际工程中的应用。为此,提出了一种可扩展的油中溶解气体成分的电力变压器故障诊断专家系统,通过将传统三比值法、统计学习方法及实际经验法获得的故障判别规则进行整合,建立了可增扩新规则的专家系统。为验证该方法的有效性,采用3类典型算例、42条故障记录作为进行判别,研究结果表明,建立的专家系统较现有方法具有更好的操作性和判别准确率。     

变压器油中溶解气体含量分析在变压器故障诊断上的应用

阐述了利用变压器油中溶解气体含量对油浸式电气设备潜伏性故障进行诊断分析的过程,分析了电气设备故障判断过程中的难点和注意事项,对应用变压器油中溶解气体含量进行电气设备故障诊断的方法提出了技术要求.     

基于油中溶解气体分析的变压器绝缘故障诊断方法的研究和发展

总结了近年来人工智能技术在基于油中溶解气体分析(DGA)的变压器绝缘故障诊断方法上的研究和发展，介绍了其中的主要方法和成果，并讨论了该领域的研究趋向。     

变压器油中溶解气体的现场监测与故障诊断

指出使用便携式装置现场监测油中溶解氢气和乙炔的浓度，是对运行中变压器进行故障监测的简便而有效的方法，重点介绍了研制便携式智能型乙炔测定仪的原理，关键技术和故障诊断方法。     

油中溶解气体分析的变压器故障诊断新方法

为克服电气分析应用中BP网络算法遇到的困难,改进基本遗传算法并将其与BP算法相结合构成混合算法应用到基于油中溶解气体分析的变压器故障诊断的小波神经网络的训练中。混合算法先利用改进后的遗传算法优化小波神经网络的4个初始值,再利用梯度下降算法训练小波神经网络。针对实际情况,对所采用的遗传算法运用实数编码,采用通过自适应调整的交叉和变异概率,使遗传算法在广泛的空间搜索,向解的方向尽快收敛。仿真结果表明,该算法有效解决了小波网络若初值设置不合理,极易进入局部极小的区域使网络振荡增大、不收敛及GA算法独立训练神经网络速度缓慢等缺点。用训练过的该小波神经网络模型对456台次的变压器故障进行验证和诊断的仿真结果表明,该算法具有较快的收敛速度和较高的计算精度,证实了该算法应用于电力变压器故障诊断的有效性。     

变压器油中溶解气体故障诊断的改进模糊算法

变压器故障原因十分复杂,故障现象与故障机理间的联系存在着模糊性和不确定性。现有的经典故障诊断算法应用广泛,但存在一些固有缺点。为此,引入遗传算法,对模糊迭代自组织数据分析算法(iterative selforganizing data analysis techniques algorithm,ISODATA)进行改进,提出优化诊断方法,提高了算法效率,降低了ISODATA对于初始聚类的依赖性。结合具体诊断案例,对改进前后诊断方案各方面指标进行比较分析,证明所提方案的准确性、高效性。采用遗传算法改进的模糊ISODATA更符合实际需要,可方便地应用于对油浸式变压器的故障诊断。     

基于RS-SVM的油中溶解气体变压器故障诊断研究

建立了基于粗糙集和支持向量机组结合的故障诊断模型。     

基于油中特征气体分析的变压器绝缘故障诊断

阐述了变压器内部故障与油中特征气体的关系、变压器油特征气体分析的常用方法、以及区分过热和放电故障的气体组分特征量,给出了基于变压器油特征气体分析的变压器故障诊断模型.     

油中溶解气体分析法在变压器故障诊断中的应用

在对某变电所的1号主变压器运行状况及故障后诊断数据分析的基础上,前期用特征气体法和改良三比值法分析与判断了变压器故障类型,估算了热点温度、故障面积和故障部位,后期做了处理后续跟踪与分析,印证了所做变压器故障类型的正确性,指出应该采用多种不同类别的方法同时进行判断才能得到较为准确的结果。     

油中溶解气体分析在变压器故障诊断中的应用

对油中溶解气体在变压器故障诊断中的应用进行了分析。     

变压器油中溶解气体含量在线监测技术综述

综述了国内外变压器油中溶解气体含量在线监测技术,并进行了展望。     

变压器油中溶解气体含量异常分析判断处理

分析充油电气设备的故障类型及其特点 ,根据多年故障判断实践经验 ,提出了运行中充油电气设备变压器油中溶解气体含量异常时的分析判断及处理意见 ,并结合实例进行了验证     

基于RPROP算法的变压器油中溶解气体分析故障诊断

在分析BP算法和RPROP(振荡传播)算法原理的基础上，指出了RPROP算法具有收敛速度快、不容易陷入局部极小点、自适应能力强等优点，并分析了原因。将RPROP算法训练的多层前馈神经网络用于变压器油中溶解气体分析故障诊断，给出了网络模型，分析了隐层神经元数目对网络训练和诊断的影响。变压器油中溶解气体数据的训练和诊断表明，RPROP算法的收敛速度快于BP算法、加动量项BP算法，并且具有较高的诊断准确率，是一种有效的方法。     

油中溶解气体的色谱分析在变压器故障诊断中的应用

变压器在正常情况下,油中除含有空气、CO、CO2外不应含有其他气体,但是在故障情况（过热、放电及受潮等）下,油中可能分解出多种烃类气体和H2,我们取CH4、C2H6、C2H4、C2H2、H2、CO和CO2作为故障分析的特征气体,对油进行这种分析称油的色谱分析。     

油中溶解气体的色谱分析在变压器故障诊断中的应用

按油中溶解的特征气体含量分析数据与注意值进行比较判断：特征气体主要包括总烃C2H2、H2、CO、CO2等。变压器内部在不同故障下产生气体有不同的特征，可以根据变压器油的气相色谱测定结果和产气的特征及特征气体的注意值，对变压器等设备有无故障及故障性质作出初步判断。