GW500彩显维修一例

故障现象:加电“吱吱”叫,显示器指示灯不亮,显像管灯丝不亮,没有加高压的嚓嚓声音。 故障分析与维修:根据故障现象,认为一种可能是电源本身有问题;另一种是行输出部分出现短路或某元件损坏。由于出现了叫声,一般认为是行输出级电路的阻尼二极管损坏或行输出管损坏或行输出变压器损坏,而使电源负载太重,电源保护电路工作,开关电源的振荡频率过低,电源出现吱吱叫。因此维修工作先从电源开始。 GW500电源是由两个相对独立的开关电源构成的,这两个电源是单端、自激反相式开关电源,采用脉冲变压器耦合的并联型开关稳压电路。方框原理如图     

基于滑模观测器和神经网络的传感器故障诊断方法比较研究

针对航空发动机传感器故障诊断中各种方法的优势和劣势,选择滑模观测器和神经网络这两种故障诊断方法分别对航空发动机转速传感器进行故障诊断研究,采用实验室搭建的发动机实验台DGEN380的实验数据,选择对航空发动机控制系统影响较大的偏置故障、漂移故障、脉冲故障、周期性干扰故障这四类传感器故障进行诊断。研究结果表明,滑模观测器和IPSO-BP神经网络都能实现航空发动机传感器的故障诊断;滑模观测器方法可以诊断出偏置故障、脉冲故障和周期性干扰故障,但不能诊断出传感器发生的漂移故障;IPSO-BP神经网络方法可以诊断出偏置故障、漂移故障、脉冲故障和周期性干扰故障。因此,滑模观测器在故障诊断中可能会出现漏诊的现象,IPSO-BP神经网络相对滑模观测器而言不会出现漏诊的现象。     

浅谈配电变压器运行维护及故障分析

在电力系统运行的过程中,配电变压器占有着举足轻重的地位.在配电变压器运行的过程中,常常由于外力因素或者是配电变压器自身的因素出现故障,严重的影响到电力系统的稳定运行.针对于此种情况,在实际的工作中,应该做好配电变压器的运行维护工作,针对于配电变压器存在着的故障,及时的进行解决,以进一步提高配电变压器的运行质量,减少故障的发生率.     

基于复Morlet小波的主变压器温度监测仪表故障诊断

针对传统主变压器温度监测仪表故障诊断准确率低的问题,设计一种基于谱峭度与复Morlet小波的主变压器温度监测仪表故障诊断系统。首先,通过采集板中的温度传感器进行主变压器温度和振动数据采集;然后将采集数据传输至处理板,利用谱峭度提取温度监测仪表中的脉冲信号,从而获取复Morlet小波的中心频率和尺度;最后通过复Morlet小波进行信号处理,以此提升温度监测仪表的故障诊断准确率。结果表明,采用谱峭度法进行主变压器内环轴承振动数据提取的中心频率和带宽分别为1.75 kHz和500 Hz,可确定内环轴承故障的谱峭度共振频率为1.5 kHz～2 kHz。设定的内环故障频率为162.2 Hz,采用复Morlet小波进行变换后,在包络频域的163 Hz处出现峰值,找到主变压器温度监测仪表内环轴承的故障。由此说明,本方法可实现温度监测仪表信号的共振频率提取。可有效屏蔽外部噪声干扰,提高主变压器温度监测仪表故障诊断精度。     

邻域粗糙集与GWO-SVM联合应用下的变压器故障诊断方法研究

文章根据域名生成算法（DGA）研究变压器故障数据和变压器故障类型之间的必然联系,将诊断模型优化和故障数据处理相互结合,全面提高变压器故障诊断的准确率。并通过研发变压器故障诊断系统,将两者进行整合,实施检测变压器运行过程,构建领域粗糙集约简模型,研究变压器故障数据比值与故障之间的关系,将比值数据作为故障诊断样本,及时发现变压器故障问题,采取合理解决方案,将变压器故障出现问题控制在合理范围。     

信息融合技术在变压器油气识别故障诊断中的研究

变压器故障分为放电性故障和过热性故障两大类别,它们均会在变压器油中有所反映。本文通过对变压器油中主要气体的分析,判断变压器的故障类型。具体方法是:利用改进算法的BP网络和信息融合技术,以变压器油中五种主要特征气体作为神经网络的输入,以六种变压器状态作为相应的输出,通过加入动量因子,可以提高学习率系数,充分发挥改进算法的BP网络具有自适应学习能力的优势。仿真测试结果表明,本方法能够在较大范围内准确有效地进行变压器的故障诊断。     

两种前向神经网络在变压器故障诊断中的应用

针对依靠变压器油中溶解气体分析的传统故障诊断方法存在的不足以及未来智能诊断算法进一步发展的需要,在研究人工神经网络的基础上,介绍了两种前向神经网络在变压器故障诊断中的应用,并用大量的DGA样本数据做了仿真训练;首先讨论了几种常用变压器故障诊断方法的一些缺陷,通过分析现代智能诊断算法的局限性,得出改进人工神经网络的优势;然后结合两种前向神经网络的原理和结构,对变压器内部故障进行了分类和编码;分别设计了相应的故障诊断模型,在MATLAB中做了仿真测试,并给出了仿真程序;仿真结果表明,两种神经网络用于变压器故障识别较为理想,其中PNN网络在样本数量较多时效果更好,有效提高了变压器故障诊断的正确率。     

基于RM-MPSO-ELM的变压器故障自动化诊断技术

为提高变压器故障诊断准确性，提出一种基于改进粒子群极限学习机算法（RM-MPSO-ELM）的变压器故障自动化诊断技术。利用一系列采集工具和气相色谱仪获取变压器故障样本数据，应用主成分分析法对变压器故障样本数据进行突出特征指标选取，降低数据维数，最后利用改进粒子群求取极限学习机中两个最优初始输入权值和隐层阈值，并利用优化的极限学习机实现变压器故障自动化诊断。应用所研究诊断技术后，变压器平均故障诊断准确率达到95.18%，应用效果良好。     

110kV变压器高压侧短路故障分析

110kV变压器高压侧由于工作电压高,容易出现短路故障,尤其是容易出现近区短路,进而使变压器绕组所承受的电压超过正常范围,导致变压器绕组出现移位或者变形。本文结合实际情况,对110kV变压器高压侧短路故障进行了简单分析。     

整流、电炉变压器故障的判断和处理

金川集团有限公司现有整流变压器42台,电炉变压器26台,在设备运行过程中,发生的故障频率较高、给金川集团公司的生产带来极大损失。其主要故障有:低压侧(阀侧)发生短路、调压绕组短路、电抗器短路引起变压器故障、有载开关故障引起变压器短路及油水冷却器漏水引起高压绕组短路故障。本文就变压器故障后、进行的事故检查和处理进行阐述,并分析了运行状态出现的几点问题。     

基于拉曼光谱的电力变压器绝缘故障自动定位系统设计

电力变压器绝缘故障定位是提高电力变压器稳定性的关键,提出一种基于拉曼光谱的电力变压器绝缘故障自动定位方法。采用卷积稀疏自编码器进行电力变压器绝缘故障特征检测,提取电力变压器绝缘故障的拉曼光谱特征量,根据电力变压器的能源、负荷差异性进行受扰响应特性分析,构建电力变压器绝缘故障辨识模型,采用深度学习方法进行电力变压器绝缘故障检测中的收敛性判断,根据拉曼光谱的频谱特征分布进行电力变压器绝缘故障的自动定位。结合API接口和SS/E23节点网络拓扑模型实现电力变压器绝缘故障自动定位系统设计。仿真测试结果表明,采用该方法进行电力变压器绝缘故障定位的准确性较高,故障的可视化分辨能力较强。     

探究电力变压器故障诊断及检修

本文主要针对某变电站中一起电力变压器故障问题进行分析。分析了电力变压器试验结果,并进行了油色谱分析,结合这两个结果对该故障变压器故障类型进行诊断,然后针对故障问题实行解题检修。     

GW500显示器无光栅故障分析与维修

GW500显示器由于同步范围宽、自动S校正电路及兼顾数字模拟两种信号输入等特点，使它能够自动兼容目前市场上流行的各种显示卡而得到广泛使用。然而，由于为提高兼容性而使电路设计特殊和复杂，使故障率也较高，且以无光栅不显示最为常见。主要损坏部件多见于开关电源和行扫描这些高频、高压、大电流环境工作的地方。1电源部分故障与维修GW500显示器电源部分设计较特殊。它由两个相对独立的单端自激反相式开关脉冲变压器耦合并联型开关电源组成．其框图如图1。通常显示器出现无光栅或图形不稳定在排除了显示卡故障外，一般应确定为电源部…     

高压球隙开关的触发电路设计

本文分别用高压脉冲变压器和IGBT串联电路,设计了两种不同的球隙开关点火脉冲产生电路。介绍了相关电路的工作原理,并对不同的触发电路的器件设计了相应的保护电路。     

虚拟技术在变压器冲击试验中的应用研究

针对如何有效及时地发现即将投入电网运行以及正在电网中运行的变压器所存在的绝缘缺陷,减少此类故障或事故的发生,避免变压器绝缘问题所导致的灾害,基于虚拟仪器技术平台设计了一种具有集成高压示波器、高速记录仪、脉冲峰值表等专用仪器仪表功能的标准变压器冲击试验测试系统,该系统装置具有强大的数值分析和记录功能。通过对所作的冲击试验研究结果分析,该试验装置能够及时发现变压器层间、匝间和主绝缘存在的绝缘缺陷,从而可以避免因变压器绝缘缺陷所带来的危害。     

脉冲注入法的传感器信号发生装置

脉冲注入法可较为灵敏地反映出各类变压器绕组故障,原理为在线注入脉冲方波,通过测量响应信号判断绕组工况.便携式带电检测仪可较好地实现上述功能,电容传感器信号装置是其重要组成部件,该部件直接安装在电力变压器绝缘套管上,为保证注入信号对在线运行变压器无影响,要求该部件不影响套管电场分布,同时不影响绝缘套管的绝缘特性.针对不同电压等级的电力变压器,设计了相应的电容式耦合传感信号发生装置,通过仿真验证了相应装置的电场分布,证明了其对电力变压器运行无影响,同时对该装置进行雷电冲击试验,检验了该装置的绝缘性能.装置为脉冲在线注入法的成功应用奠定了基础.     

基于SVDD和改进K-Means的变压器故障诊断模型

变压器状态对于智能配电房的安全稳定运行具有重要意义。为实现对变压器故障的准确诊断,在变压器油中溶解气体分析(DGA)的基础上,提出了一种联合使用支持向量数据描述(SVDD)和改进K-Means聚类的变压器故障诊断方法。首先利用SVDD构造闭合分类曲面实现“正常”和“故障”两类判断,然后对“故障”类样本进行K-Means聚类分析,自动将其划分为低能放电、中低温过热、高能放电、高温过热和局部放电5种故障类型,同时针对K-Means初始聚类中心选取难题,提出局部密度概念自动确定K-Means初始聚类中心,提升聚类性能。最后利用变压器故障真实数据开展实验,结果表明,相较于支持向量机（SVM)和BP神经网络模型,所提方法的故障诊断准确率分别提升9.8%和8%。     

电力变压器故障预测与诊断仿真研究

电力变压器是电力系统的主要设备,对故障准确预测是保证运行安全的前提.研究电力变压器故障诊断问题,针对传统支持向量机参数寻优方法在诊断中往往费时而且得到的参数不一定最优,导致识别精度低,为了提高变压器故障识别精度,提出一种用粒子群优化支持向量机参数(PSO-SVM)的变压器故障诊断方法.在变压器故障诊断过程中,将变压器油中溶解气体作支持向量机输入,故障作为输出,在故障诊断的过程中利用粒子群算法动态调整支持向量机的参数,最后得到优化变压器故障诊断模型.以某地区供电局的变压器故障数据为例进行了仿真,实验结果证明,PSO-SVM的故障诊断识别精度高,是一种有效性、高精度的变压器故障诊断方法,为实际应用提供了依据.     

基于变精度粗糙集与量子贝叶斯网络的变压器故障诊断研究

及时准确的变压器故障诊断对电力部门正常运转而言意义重大。针对粗糙集与贝叶斯网络模型在变压器故障诊断中出现受噪声数据影响大、存在完全搜索NP困难等问题,提出基于变精度粗糙集与量子贝叶斯网络的变压器故障诊断模型。通过Grover量子搜索算法快速搜索变压器故障、征兆类型等目标数据,运用层次分析法删减对诊断故障影响较小的指标,并分析确定变精度粗糙集的错误分类率β,获得最小故障决策表,从而构建贝叶斯网络故障推理模型,实现对变压器故障的诊断研究。实例分析表明,与粗糙集、量子贝叶斯网络等模型相比,该模型更适合变压器故障的诊断且诊断精确。     

变压器常见故障及人工神经网络在其诊断中的应用

本文介绍变压器的几种常见的故障类型及其产生的原因，并利用人工神经网络和模糊理论来对其的故障进行诊断，有效地判断电力变压器的内部故障，保证了变压器的安全运行。