一起变压器有载分接开关故障分析

针对电动操作变压器有载调压分接开关时，发生的一次防爆盖破裂，瓦斯保护动作，主变跳闸的故障现象，介绍了通过检验分析，发现快速机构动作失当，导致过渡电阻发热，使绝缘油分解，气化而引起故障的前因后果。     

一起220kV变压器真空有载分接开关故障诊断及分析

介绍了一起220kV变压器真空有载分接开关故障案例,分析了真空有载分接开关的故障原因,并提出了针对性的防范措施.     

变压器有载分接开关油路故障分析

对变压器有载分接开关油路故障进行了阐述和分析,并提出了建议.     

变压器有载分接开关故障分析及维护

分析了变压器有载分接开关常见故障发生的原因,并提出了解决和正确维护的方法.     

一起变压器有载分接开关故障分析及处理

随着有载分接开关的普及,其可靠性越来越受到重视。简要介绍有载分接开关常见故障类型,并针对一起变压器有载分接开关故障进行事故分析,查找事故原因,论述处理过程,为今后故障消除提供参考方法。     

一起有载开关故障案例分析

有载开关是变压器的重要组成部分,有载开关性能的好坏直接影响到变压器的健康状态,通过对一起有载开关的故障检测、分析和处理为类似的情况提供参考。     

变压器有载分接开关故障发现及排除

针对电力变压器有载分接开关运行中出现的故障,以太原供电分公司为例,分析有载分接开关故障原因并提出相应的排除方法。实践表明,方法的应用大大降低故障率,确保了主变压器的安全稳定运行。     

一种新型220kV变压器真空有载分接开关的研制

本文分析了一起由真空有载分接开关故障引起的变压器烧毁事故,指出了分接开关结构的不足之处,针对性提出了一种新型真空有载分接开关的设计思路,并制造了样机且已通过型式试验的考核。     

变压器有载分接开关CMA9型电动机构故障的分析

分析了变压器有载分接开关CMA9型电动机构的电气工作原理,通过对某35 kV变电所此型电动机构一起典型故障的分析,提出了一些常见故障的现场处理方法,对电动机构的运行维护工作提出了建议.     

一种双断口真空有载分接开关的研制及应用

当前主流大容量真空有载分接开关普遍仅采用单一电阻过渡且存在开断级间短路电流的风险。为提高真空分接开关的运行可靠性,作者研制了一种采用双过渡电阻的双断口真空有载分接开关,避免了主真空管和过渡真空管负荷不一致的问题,且在理论上避免了分接开关发生级间短路事故,并完成了双断口真空分接开关的研制、型式试验及挂网试运行。     

基于卷积神经网络的变压器有载分接开关故障识别

为进一步提高变压器有载分接开关(OLTC)故障识别的精度,从OLTC切换过程中振动信号递归图的纹理特征出发,提出了一种基于卷积神经网络(CNN)的变压器OLTC故障识别方法。首先根据OLTC振动信号的相空间分布,基于相点距离映射构建了OLTC振动信号的距离映射递归图(DMRP),然后通过合理选取CNN的网络层数、卷积核尺寸等结构超参数和对卷积核进行降维处理,提出了基于CNN的OLTC故障识别模型。对某CM型OLTC正常与典型故障下振动信号的计算结果表明,DMRP能自适应地对振动信号的相空间相点分布进行描述,所提出的识别模型对OLTC的典型故障均具有良好的识别性能,尤其在轻微故障的识别上相比于现有方法准确率提升了至少10%。     

真空有载分接开关在云广特高压直流的应用

南方电网所有直流输电系统中,±800 kV云广特高压直流首次使用了真空有载分接开关。为确保真空有载分接开关在云广直流可靠、安全运行,分析了导致分接开关闪络放电、温升过高的原因,改进了切换开关的绝缘工艺,调整了切换开关过渡电阻,增加了分接开关油冷却回路;针对特高压直流和真空分接开关的特点,改进阀组控制系统中有载分接开关的控制逻辑,增加真空分接开关特有监视信号;依据相关规程和运行经验,提出真空分接开关维护建议。实践证明,对真空有载分接开关在工艺、控制方面的改进是有效的。     

变压器有载分接开关渗漏判断和分析处理

针对电力变压器有载分接开关运行中出现的渗油故障,分析、判断、验证产生故障的原因和处理方法,提出具体的预防措施。经实践证明,该方法大大降低了有载分接开关渗油故障率,确保主变安全稳定运行。     

基于时频特征分析的变压器有载分接开关运行状态识别

为了对变压器有载分接开关的运行状态进行识别,该研究首先对其运行状态和故障特征进行总结分析,针对分接开关运行过程中产生的振动信号,利用集合经验模态(EEMD)分解为多个固有模态函数分量(IMF),再经过希尔伯特变换法,结合能量熵提取得到基于时频分析的特征向量。将特征向量输入自适应遗传算法(AGA)优化的BP神经网络模型中进行故障识别,并进行数据仿真,与相空间重构后提取的特征向量(PPDC)进行对比,验证不同网络模型下,所提方法的识别准确率和收敛速度。结果表明,以PPDC故障样本作为模型输入时,AGA算法优化前后的BP神经网络模型的识别准确率分别为81.68%和88.32%,收敛次数为981和363,当以基于时频特征提取的故障样本作为模型输入时,AGA算法优化前后的BP神经网络模型的识别准确率分别为91.66%和96.68%,收敛次数为349和159,AGA算法可显著提高BP神经网络模型的性能。由此可见,可将时频特征提取方法与AGA-BP神经网络结合,实现有载分接开关运行状态的有效识别。