粗糙集在电力变压器故障诊断中的应用

电力变压器是一种比较复杂的系统,在实际故障诊断中要想获得完备的实验数据比较困难。针对该问题,提出了一种基于粗糙集的电力变压器故障诊断新方法,即分析搜集到的电力变压器历史故障数据,确定条件属性集和决策属性集;对条件属性集进行约简,去除冗余信息,提取关键信息,得到相应的规则集;利用该规则集对电力变压器进行故障诊断。实例分析验证了该方法的正确性和有效性。     

基于WSN和数据融合技术的电力变压器故障诊断系统的研究

探讨一种基于数据融合和可拓理论的电力变压器故障诊断方法,基于此方法,应用无线传感器网络技术和.NET开发平台构建和开发出一套电力变压器故障诊断系统。该系统将WSN技术用于电力变压器油中溶解气体的无线数据采集,实现变压器油中溶解气体的实时数据采集和传送;同时运用信息融合技术对数据进行优化处理,既可以降低网络能耗又保证了数据的准确和客观;在变压器进行故障诊断时,针对现有电力变压器故障诊断的气体比值法存在的编码规则不完整、诊断故障类型单一等缺陷,使用可拓诊断方法,定量与定性相结合,使变压器故障诊断方法更为精细化。在线故障诊断可视化系统可以实现变压器油中溶解气体参数的采集、显示、分析、存储和回放等功能,实现对变压器故障信息的实时分析与自动诊断,既解决了作业人员远程实时监测变压器运行状态问题,又大大提高了变压器故障诊断的性能,为变压器在线监测和故障诊断技术提供新的发展方向。     

基于物联网技术的电力变压器动态运检系统设计

在加强智能电网的建设中，电力变压器是重要的一环，其运检工作是确保整个变电站能够正常运行的根本。为实现更加智能、科学的动态运检，设计基于物联网技术的电力变压器动态运检系统。基于物联网技术设计射频识别模块，由射频标签、编程器等构成，实现电力变压器设备的自动化识别与系统的双向非接触数据通信功能。在线监测模块主要通过变压器智能组件柜实现电力变压器的在线监测。在巡检模块的设计中，为实现动态巡检，设计悬挂式巡检机器人，为其配置吊挂轨道，轨道经过站内所有电力变压器设备，使轨道尽量远离人员和柜体设备，实现电力变压器的巡检。在检修模块中，结合可拓学与粗糙集理论设计故障诊断算法，实施电力变压器的故障诊断。系统测试结果表明，对于主变故障与站用变故障，系统的故障诊断误差率均较低；在5台主变的巡检中，系统仅使用了90分钟左右的时间；在8台站用变的巡检中，系统仅使用了113分钟左右的时间；系统的故障定位准确率较高。     

基于模糊神经和局部统计的变压器故障研究

为了实现电网运行状态的在线监测和故障诊断隔离,提出了基于模糊神经模型和局部统计方法的故障诊断隔离机制。首先在分析电力变压器故障的基础上,利用模糊神经网络建立无故障状态时电力变压器的温度模型,得到模糊神经模型和实际电力变压器输出的温度偏差,然后结合优化的全局检验和最小最大检验的局部统计方法计算对应故障诊断和隔离指标。当其超过设定的故障阈值时,该评估系统可早期发现故障和启动警报,并根据具体参数变化将故障定位在变压器具体元件。仿真试验表明,提出的故障诊断和隔离方法在实际系统中表现出优越的性能,能够提前发现故障原因,维护电网高效运营,具有重要的理论意义和应用价值。     

浅析电力变压器智能故障诊断方法

电力变压器是电力系统中的重要组成部分,是整个系统稳定可靠运行的关键影响因素,智能故障诊断方法的研究对于保证电力变压器的安全运行有着非常重要的现实意义。本文从小波变换的基本原理出发,分析小波神经网络和基于小波神经网络的电力变压器故障诊断模型,结合该模型进行变压器故障诊断,并研究诊断结果。     

GEP在变压器故障诊断中的应用

变压器油中溶解气体分析是电力变压器绝缘故障诊断的重要方法.文中将改进的基因表达式程序设计算法应用于电力变压器故障诊断,利用新的选择算子、变异(变换)、重组算子和多种群算子保证了种群的多样性,确保算法不陷入局部最优,而快速达到全局最优.经实例分析,并将其结果与BP神经网络和人工免疫分工算法的结果相比较,表明该算法能有效地对电力变压器故障进行诊断,具有较高的诊断准确率.     

变压器绕组状态的振动在线监测

提出了运用振动法在线监测变压器绕组的状态来实现变压器绕组故障预警和故障定位的方法.在对振动法测量原理研究的基础上,分析了变压器绕组在变压器运行时的振动与所受电磁力的关系.根据分析所得的振动信号特征,设计了变压器绕组状态的振动监测系统.最后利用该系统对实际的变压器进行相关的振动监测实验,实验结果验证了不同故障时对应的振动信号的特性不同,从而为最终实现变压器绕组故障诊断奠定了良好的基础.     

基于模糊神经网络的故障诊断方法及应用

在变压器色谱分析数据的基础上,将模糊理论和神经网络引入电力变压器故障诊断中,提出了新的故障诊断方法,设计了故障综合诊断模型.仿真表明该方法是一种有效可行的方法,提高了故障的识别率,具有实用价值.学习样本越多,所反映的故障类型越全面,则所建立起的故障诊断模型越合理,诊断准确率就越高.     

基于混合pi-sigma神经网络的故障诊断

由于电力变压器故障的模糊性和多样性,目前利用IEC三比值法在变压器故障诊断中存在准确率不高之难题.针对电力变压器的特点,综合考虑各因素的影响,将模糊逻辑和神经网络的长处融合在一起,构建了基于混合Pi-sigma神经网络及其算法的变压器故障诊断模型,其中在学习速率的选择、隶属度函数参数的更新等多处进行了改进,进一步减小了预测误差.用训练过的混合pi-sigrna神经网络模型对变压器故障进行验证和诊断的仿真结果表明,算法具有较快的收敛速度和较高的计算精度.证实了算法应用于电力变压器故障诊断的有效性.     

基于径向基神经网络的变压器故障诊断

研究了一种基于RBF神经网络的电力变压器故障诊断方法。该方法采用目前应用较多的隐含层为径向基函数的最小正交二乘法训练人工神经网络,克服了BP算法易陷入局部极小、收敛速度慢的缺点。利用MATLAB仿真实现,结果表明该方法具有速度快、诊断精度高等优点,能有效地运用于电力变压器故障诊断中。     

变压器故障诊断技术综述

变压器设备在电力系统中起到了重要的作用,其健康、稳定的运行关系到电压转换、电能分配的顺利实现,而故障诊断技术能够为变压器的正常运转保驾护航。本文详细综述国内外变压器故障诊断技术的研究现状,分析变压器故障诊断的发展历程,对比研究不同诊断方法的优劣及适应场景,分析传统变压器故障数据提取方法——溶解气体分析法以及基于声音信号的变压器故障数据提取方法,最终提出变压器故障诊断未来的研究重点及发展趋势,为变压器故障的诊断提供一定的参考。     

超声传感技术在电气设备故障诊断中的应用

针对电气设备发生故障时,故障信息难以实现准确在线诊断,提出了电气设备故障的超声检测方法。简要介绍了超声传感器的结构和原理,然后以电力变压器绕组变形超声检测、真空开关真空度超声检测以及变压器局部放电超声定位为例,阐述了超声检测技术用于电气设备故障诊断的检测原理及方法。结果表明:超声检测方法,具有高可靠性、灵敏度和准确度等优点,在电力系统电气设备工况状态检测和故障诊断中具有良好的应用前景。     

基于远程无线通信的直流电源故障诊断系统

针对直流电源运行过程中存在诸多故障数据信息,设计了包括数据层、通信层和网络层的改进型蚁群神经网络的直流电源故障诊断系统,通过无线远程通信的方式实现数据通信,提高数据通信能力。并通过交流互感器实现直流电流源中的高精度电流采样,硬件系统主要包括输入设定模块、功放模块、输出变压器、采样互感器和整流模块等,以误差计算的方式提取,并将电源中的故障诊断数据提取进行监测。通过构建蚁群算法实现直流电源故障数据信息的最优诊断。通过试验,本研究方法故障检测误差低,搜索能力强。     

基于FTA的箱式变电站故障诊断系统研究

鉴于箱式变电站在工商业及城镇输配电系统中的重要性,完善箱式变电站故障诊断技术具有重要的意义。针对箱式变电站故障诊断的特点,本文运用故障树分析技术对箱式变电站故障诊断技术进行了研究,应用可信度方法对故障诊断进行了不确定性处理,并运用最小割集故障系数的概念改进故障树分析中的最小割集诊断法,提高故障诊断的效率。最后,本文以故障实例检验了该故障诊断系统的运行效果。     

BA-PNN-based methods for power transformer fault diagnosis

This paper presents a machine learning-based approach to power transformer fault diagnosis based on dissolved gas analysis (DGA), a bat algorithm (BA), optimizing the probabilistic neural network (PNN). PNN is a radial basis function feedforward neural network based on Bayesian decision theory, which has a strong fault tolerance and significant advantages in pattern classification. However, one challenge still remains: the performance of PNN is greatly affected by its hidden layer element smooth factor which impacts the classification performance. The proposed approach addresses this challenge by deploying the BA algorithm, a kind of bio-inspired algorithm to optimize PNN. Using the real data collected from a transformer system, we conducted the experiments for validating the performance of the developed method. The experimental results demonstrated that BA is an effective algorithm for optimizing PNN smooth factor and BA-PNN can improve the fault diagnosis performance; in turn, and the machine learning-based model (BA-PNN) can significantly enhance the accuracies of power transformer fault diagnosis.     

Box-plot-SA-BP：变压器DGA多参量故障诊断模型

油中溶解气体分析(DGA)方法是一种典型的充油电力设备故障诊断方法,广泛应用于电力变压器故障检测与状态评估,但由于样本数据的可靠性和诊断模型的有效性影响,导致DGA诊断方法准确率较低。文中提出了一种Box-plot-SA-BP模型,首先,采用Box-plot数据检测法去除异常数据以解决数据质量的问题,然后,利用自注意力机制(Self-attention, SA)准确捕捉多参量样本数据间的联系,提取更加稳定可靠的特征,最后设计BP网络多分类模型实现变压器故障诊断。对比实验证明了Box-plot-SA-BP模型的良好性能,具有较高的应用价值。     

变压器故障诊断方法的研究

变压器的运行状况直接关系到整个电力系统的安全稳定运行,有效对变压器进行故障诊断具有重要的实际意义。电力变压器油中溶解气体分析（Dissolved Gas Analysis, DGA）已经成为油浸式变压器故障诊断的一种有效支持数据,本文在利用DGA数据的基础上,首先总结了常规IEC比值法的优缺点,并针对其边界问题总结了几种有效改进方法。其次,本文总结了人工神经网络,支持向量机,粗糙集,模糊数学、极限学习机、贝叶斯网络、聚类、人工免疫和petri网络等9种智能算法在变压器故障诊断中的运用,针对其固有问题总结了各自的优化方法。最后,本文介绍了以证据理论为主的综合诊断方法,分析了它优于单一智能算法的方面,并介绍了一些其他方法在变压器故障诊断中的应用。最终得出结论,相比于单一智能方法,信息融合的综合诊断办法能更好地对变压器故障进行诊断。     

隐式半马尔科夫模型下的变压器故障诊断方法

变压器运行过程中存在多种状态,能够正确划分运行状态,对变压器的维修和故障诊断有着重要的意义。首先,详细分析了马尔科夫链的衍生模型,并构造了隐式半马尔科夫模型(Hidden Semi-Markov Models, HSMM);然后,通过引入“微状态-宏状态”的对应关系,用于在HSMM中描述变压器运行过程中的状态;最后,建立了涵盖变压器历史状态信息,并包含特征提取、状态分类和故障识别过程的HSMM故障诊断流程。通过变压器DGA故障诊断的算例分析,结果表明所述方法的有效性。