基于SMOTE平衡数据集的BP神经网络变压器故障诊断

变压器是电力系统中的重要设备,快速准确识别变压器的不同类型故障对提高电力系统的稳定性具有重要意义.然而,故障样本不足会严重影响变压器故障诊断的准确性.为此从数据和算法两方面入手提出一种适用于不平衡数据集的变压器故障诊断方法.首先,提出了一种基于托梅克链接移除算法和合成少数类过采样技术相结合的样本均衡化方法,该方法能够在...     

配电变压器故障分析与诊断

配电变压器是配电网中最重要的设备之一,其运行状态对配电网与电力用户都有重要影响。当配电变压器出现故障时,进行快速诊断、判断故障原因是提高电网工作效率、减少经济损失的一个重要途径,因此研究变压器故障诊断对保证电网安全、可靠、经济运行,提高经济效益具有重要意义。基于此,重点分析配电变压器的常见故障及其诊断方法。     

变压器的故障诊断研究

变压器的运行状态直接影响电力系统的安全性,开展变压器的在线故障诊断研究,可以尽早发现变压器的潜伏性故障,对提高变压器的运行维护水平,具有重要的意义。本文首先阐述了变压器在线故障诊断的意义,然后对变压器的故障类型和故障诊断方法做了详细的介绍,最后系统地阐述了基于神经网络的变压器诊断理论。     

浅谈变压器油色谱分析及故障诊断

随着科学技术的不断发展,人们对电源的需求也在增加.变压器是电力系统的核心设备,对电力系统的运行质量影响很大.但是,实际的变压器运行中经常会发生故障,因此加强故障诊断可以在保证电源系统稳定运行的保证中发挥更大的作用.变压器油的色谱分析是一种常见的故障诊断方法,具有较高的诊断准确度,有助于快速诊断故障,使故障处理更快,更有...     

变压器故障样本多维诊断及结果可信度分析

电力变压器作为电力系统的核心设备,其安全稳定运行对于电力系统具有重要意义.电力变压器在线故障诊断是实现电力变压器实时状态分析的重要方法,油中溶解气体分析是最常用的电力变压器在线故障诊断方法.目前变压器故障诊断征兆优选多采用基于启发式算法的策略,虽然相较于遍历型算法简化了筛选流程,但仍需消耗大量算力.电力变压器融合故障诊...     

基于机器学习的继电保护故障诊断和分类研究

为提高电力系统中继电保护装置的故障诊断效率,提出一种基于电力网络多传感器信息有监督数据集的机器学习故障分类方法.通过对集群式电力系统输电线路、电力变压器和母线故障的监测及分析,研究故障传输过程特性,构建基于故障传输特性的数据模型及符合统计特性的大规模数据集.对于故障诊断和分类研究,提出基于Fisher判别式的多类型线性判别分析(LDA)方法.针对继电保护电力系统元件故障网络形成的具有故障特性和诊断结果的数据集,利用有监督机器学习(ML)相关理论,搭建具有分类评价的继电保护故障诊断和分类方法.     

电力变压器故障诊断及检修

作为重要的输变电设备,电力变压器的故障诊断以及检修一直是电力系统工作人员研究的重点内容,因为一旦电力变压器在运行过程中出现故障,对电力系统的影响将是不可估量的。本文对电力变压器故障诊断以及检修的相关内容展开研究,以期给同行参考。     

电力变压器故障诊断专家系统TFDES

电力变压器故障诊断对电力系统的安全运行有着十分重要的意义.本文介绍了我们开发的电力变压器故障诊断专家系统TFDES的原理与结构.以气相色谱法为主TFDES综合运用各种故障检测的知识判断故障性质.运用模糊逻辑较好地处理了故障诊断中的模糊性问题.初步测试发明,TFDES结构合理,推理正确,能有效地诊断运行中的变压器的内部潜伏性故障.     

一种基于SAE-RF算法的配电变压器故障诊断方法

为有效解决配电变压器故障诊断中面临的数据特征人工提取、机器学习调参困难等问题,提出了一种基于堆栈自编码器(SAE)和随机森林(RF)组合的配电变压器故障诊断方法.建立SAE配电变压器故障特征自动挖掘模型,利用大量的无标签数据对SAE模型中的每一个自编码器进行逐层无监督训练,通过贝叶斯优化算法自动选择模型的最优参数;通过有标签数据对模型参数进行有监督细调,挖掘出能够代表各种故障本质属性的特征量;创建一个RF分类器对故障类型进行辨识,调参过程同样实现参数的自动寻优.试验结果表明,所提方法对配电变压器故障诊断准确率达到96.67％,显著优于单独使用SAE和RF的分类结果.     

浅谈三比值法在变压器故障诊断中的应用

变压器在电力系统中具有很重要的作用,同时因为变压器结构繁杂、运行时间长,变压器故障频发,所以电力变压器的故障诊断显得非常重要。分析了变压器不同故障类型产生的不同类型气体,运用基于溶于油中气体的三比值法来初步判断变压器的故障,便于电力运检人员有针对性地进行故障排查和检修,缩短变压器故障处理时间,提高维护检修的效率和系统供电可靠性。