基于面向对象的黑板型变压器故障诊断专家系统研究

将面向对象的技术引入到变压器绝缘故障诊断专家系统中,建立了适合于变压器绝缘故障诊断的黑板模型结构.同时还建立了多专家合作变压器绝缘故障诊断专家系统,提出了富有创意的专家意见不一致时的综合分析和解释机制,并以实际诊断例证检验了该专家系统的有效性和可靠性.应用模糊综合评判法和模糊神经网络判别法,创造性地将变压器故障诊断研究从故障性质的分析深入到故障部位的确定,提高了专家系统的实用性.     

一种模拟退火小波网络的电力变压器故障诊断

关于电力变压器是电力系统的主要设备,变压器故障是危及电网安全的主要因素.在传统的故障诊断方法中,存在着易陷入局部最小和对初值依赖性较高的缺陷.根据油中溶解气体的故障诊断技术,为了准确及时检测电力变压器故障,提出对油中溶解的气体(H2,CH14,C2H2,C2H4,C2H6等)采用小波神经网络模型进行分析,对电力变压器进行故障诊断,同时引入了模拟退火算法对模型进行了结构和参数的优化,加快了训练收敛速度,避免了陷入局部极小值.进行仿真,结果表明了改进方法的有效性.     

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。     

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。     

10kV配网电容器在线监测与故障诊断系统

目前大多数电力电容器状态监测系统存在实时性不足和数据频密度不足的缺点,难以实现准确的在线故障预判,易导致故障处理滞后或误报等不良后果。文章立足于电力电容器运行和维护的实际需求,构建了一套完整的电力电容器故障在线监测系统,并给出了一套采用神经网络融合电容器电流、电容、电阻和电压等信息的故障诊断模型和方法,并在实际中进行了应用。在实际应用中,该系统能及时并准确地对电容器的异常状态和故障特征进行捕捉,避免了故障判断的滞后性,提高了获得数据的准确性,能够提高电网设备的运行和维护效率,提升电网运行可靠性。     

基于Labview的变压器故障诊断系统研究

本文首先基于油中溶解气体特征含量构建BP网络结构,采集数据样本,进行网络训练,然后应用信息融合原理搭建分层故障诊断模型,分析判断变压器的故障类型,并在此基础上判断变压器局部放电类型。然后采用虚拟仪器技术,在Labview平台上开发了变压器故障诊断系统,该系统从油气量和局部放电信号两个方面对变压器进行故障诊断和局部放电类型识别。通过油气量判断变压器故障类型,然后应用信息融合原理融合局部放电统计特征参量综合判别变压器局部放电类型。该系统实现了变压器油气含量分析,局部放电信号存储,数据综合处理,数据库的查询、修改以及删除功能,从而实现了对变压器的故障诊断。     

基于支持向量机的变压器故障诊断方法研究

变压器作为电网核心装备,对其故障类型做出准确的诊断是电网安全运行的基础.当前主要针对变压器油中溶解的气体进行故障诊断,本文利用支持向量机(SVM)在小样本数据条件下下仍能解决非线性和局部极小点等问题的优点,提出了基于SVM的变压器故障诊断模型.     

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.     

基于模糊元胞自动机的电网故障演化模型

为了构建与实际电网更加接近的电网故障模型,将模糊理论及元胞自动机(CA)理论相结合,提出并建立了用于模拟电网故障演化的模糊元胞自动机模型,并定义了模型中元胞状态、电网状态及故障传递程度的模糊规则库,同时进行了基于IEEE39节点系统的电网故障传播演化过程仿真。仿真结果进一步验证了电网的自组织临界性(SOC),同时结果表明,该模型较不采用模糊规则的电网故障模型其损失负荷幂律特性曲线斜率绝对值增大了17%,电网更加稳定,该模型与电网实际运行情况更加接近。