应用变压器油色谱分新判断变压器故障

介绍了应用变压器油色谱分析判断变压器故障的原理和方法，并给出了实例。     

油色谱分析在变压器状态评估中的应用与探讨

介绍了应用油中溶解气体色谱分析检测变压器故障的机理,提出了判断变压器故障的性质、程度、类型的步骤方法以及评估变压器状态的注意事项。     

气相色谱分析法在变压器故障处理中的应用

本文用气相色谱分析法,以蒙电华能热电股份有限公司3号主变压器为实例,通过分析变压器油中溶解的气体,可以判断变压器的内部存在的故障及其严重程度,为变压器故障的及时处理提供可靠的依据。     

一起变压器油色谱数据异常的分析及处理

汕头供电局一台主变压器油色谱分析结果表明,油中溶解气体组分含量异常,变压器内部存在潜伏性故障。对变压器进行诊断性试验,其中局部放电试验结果异常。对比局部放电试验前后的油色谱分析结果,并对变压器进行解体检查,发现故障是由于静电屏短路引起。针对故障原因修改了静电屏结构后,该变压器重新投入正常运行。     

基于油中溶解气体的变压器故障诊断方法

论述了变压器油中溶解气体色谱分析的原理及故障诊断的方法,并给出了事故分析实例.     

一起变压器油色谱异常的分析及处理

用溶解气体分析法对高压厂变油色谱异常现象进行了分析,指出其与变压器故障之间的内在联系,表明了油的气相色谱分析对监控运行中变压器设备状态的重要性。     

基于油色谱数据的变压器状态智能诊断方法

利用变压器的油色谱试验数据对神经网络进行训练,将训练后的神经网络用于变压器的状态诊断。同时利用遗传算法优化神经网络的结构。算例结果表明,利用遗传算法和神经网络相结合的人工智能方法可以有效地诊断变压器的状态。     

在线色谱在电力变压器油分析中的应用分析

本文介绍色谱在线监测技术的基本原理和关键组成,通过实例对色谱在线监测和实验室离线分析进行数据比对。数据表明,在线监测技术可以反映变压器运行状态和故障发展的趋势。     

变压器油色谱数据异常的分析与处理

介绍了金竹山电厂、台主变压器油色谱数据严重超标的情况，及所进行的系列检查试验、综合分析判断及处理措施，避免了盲目吊罩所造成的人力物力浪费。     

变压器高压套管引起油色谱异常的分析与处理

通过对变压器高压套管均压球与中间导管间放电引起的器身部位变压器油色谱异常的故障分析，探讨了均压球连接的改进措施。     

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。     

油中溶解气体分析在电力变压器故障诊断中的应用

利用油中溶解气体分析技术,结合高压试验进行变压器故障诊断,准确地发现了变压器的故障性质和部位,并进行了相应的处理,保障了电网的安全运行。     

变压器油中溶解气体的化学检测

变压器绝缘状况优劣是变压器安全运行的关键因素,特别是超高压换流变压器,为确保可靠安全运行,投运前必须对绝缘油严格检测。介绍变压器油中溶解气体的主要成分、形成机理以及现在通用的化学分析方法。     

主成分分析在变压器故障诊断中的应用研究

运用主成分分析法,经过矩阵变换、降低维数以提取故障信息的主要特征实现了变压器的故障诊断;同时分析了诊断中该方法的应用方式与过程。实例表明,在有用信息量损失较小的前提下,该方法可以提炼故障信息而不影响分析结果。     

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。     

基于光声光谱的变压器油中多组分气体检测方法

油中溶解气体对变压器早期潜伏性故障的诊断具有重要作用。光声光谱技术是基于光声效应的一种新型微量气体检测技术,基于光声光谱技术的基本原理,以甲烷和乙炔为例,对变压器油中多组分故障特征气体的光声光谱检测方法进行研究。提出的基于分布反馈半导体激光器的光声光谱检测装置具有选择性好、检测范围大的优点,提出的基于最小二乘回归的多组分气体光声定量方法不需要池常数、气体吸收系数等参数,因而避免了这些参数引入的误差。实验结果表明,提出的方法能够有效地检测出多组分故障特征气体,为光声光谱技术的工程应用提供了方法参考。     

基于改进遗传算法与LS-SVM的变压器故障气体预测方法

最小二乘支持向量机(LS-SVM)能较好地解决小样本、非线性数据特征的多分类问题,适用于电力变压器油色谱故障气体预测,但参数c与σ2的选取对预测结果影响较大,有必要对其进行优化选择。笔者提出一种基于改进遗传算法(IGA)的参数寻优方法,并将其应用到变压器油中故障气体预测。IGA算法采用了编码机制,随机产生初始种群,可快速扩大搜索空间,稳定群体中个体多样性,有效提高全局搜索能力和收敛速度。最后进行了多组现场数据的实例分析,结果表明:基于IGA进行参数优化后的预测准确率明显优于传统LS-SVM预测结果。     

变压器油中溶解气体色谱分析与故障识别

对变压器故障类型进行了分类,用油中溶解气体法判断变压器故障,在实际应用中证明是有效手段,并提出了分析判断故障的注意事项。     

基于油气分析的电力变压器状态评估方法*

基于变压器老化机理,引入"基于电网状态评估的风险防范管理体系",讨论了如何采用油气分析数据对变压器的运行工况进行评估,以及能够反映电力变压器运行工况的健康指数、故障发生概率及剩余使用寿命的计算方法。运用该方法对广州供电局的电力变压器进行了状态评价,事实证明变压器实际运行情况与评价结果基本一致。     

变压器油中溶解气体在线监测方法及故障判断综述

对变压器的常见故障及其基于变压器油中特征气体组分的故障诊断方法进行归类,分析了在不同故障原因下变压器油中主要特征气体组分,阐述了国内外变压器油中溶解气体在线监测技术的研究现状和发展趋势.