多神经网络与证据理论融合的变压器故障综合诊断方法研究

电力变压器发生故障的部位多，故障原因、现象复杂，在故障诊断中，可以通过变压器不同方面的特征信号从不同侧面来反映变压器的故障。因而需要对变压器的多种特征信号进行综合处理和协同分析。该文结合色谱数据和电气试验数据，利用数据融合原理，将神经网络和证据理论进行有机结合，使两者优势互补，提出了多神经网络与证据理论融合的变压器故障综合诊断方法。诊断结果表明，运用提出的融合诊断算法，能充分利用色谱数据和电气试验数据的冗余、互补信息，使基于多种特征信号综合诊断结果的准确性和可靠性比基于单一故障特征的诊断得到有效的提高。     

基于SVM和D-S证据理论的电力变压器内部故障部位识别

针对变压器信息融合诊断方法中难以确定基本概率分配(BPA)的缺陷,提出一种基于多支持向量机(SVM)与D-S证据理论的变压器内部故障部位识别模型.利用“一对一”多类SVM后验概率估计分配BPA,实现其赋值的客观化;充分利用变压器油中溶解气体分析数据和电气试验数据的互补信息,对变压器内部可能发生故障的部位进行诊断.实例分析表明,所提模型能有效识别故障部位,在准确率和泛化性方面都较单特征的SVM有优势.     

变压器故障诊断中信息融合技术的应用

电力变压器的可靠性直接影响供电的稳定,为此结合电力变压器故障诊断的具体情况,从信息融合的角度提出了基于信号类型及不同特征向量组合的集成诊断模型。该模型利用基于故障机理内在因素的专家系统,采用匹配知识规则,通过模糊推理,得特征向量与变压器故障信息间的关联性质,完成故障诊断,且诊断完成后,利用数据挖掘技术将诊断过程中的特征量、推理过程、结果以编码形式存入专家系统规则库。该模型将油中溶解气体、电气参数等特征量结合作为故障判据,评估变压器状态,并利用评估结果丰富专家系统的规则库。在讨论了多传感器信息融合技术用于变压器在线故障诊断时的具体实现方法后通过实例进行分析说明:利用来自传感器的各种故障信息进行融合,作为变压器故障诊断的判据,提高了诊断的可靠性和准确性,这将对提高电网安全性能及电气设备的诊断自动化与智能化水平起到推动作用。     

基于小波理论的变压器励磁涌流与故障电流的识别

变压器内部故障与励磁涌流一般都伴随着复杂的电磁暂态过程,普通的信号处理方法难以准确地区分这两种现象.文章利用小波理论对变压器的励磁涌流与内部故障电流的信号进行分析处理,根据小波变换结果之间差异性的显著特征来构成区分励磁涌流和内部故障电流的判据,以识别是否故障电流.     

基于信息融合和M-RVM的变压器故障诊断方法

针对仅以油中溶解气体数据为主要依据的变压器故障诊断方法信息量不足以及传统证据理论的缺陷问题,研究了基于信息融合和多分类相关向量机(M-RVM)的变压器故障诊断模型。首先,将油中溶解气体分析数据与电气试验数据作为诊断模型的输入特征量向量,更真实地反映变压器的故障信息。然后,采用4个M-RVM作为分类器,对故障进行初步诊断,并将诊断结果分别转化为证据融合所需证据体,同时引入兰式距离函数与光谱角余弦函数对证据体进行修正。最后,采用改进冲突再分配策略进行决策融合,避免融合过程中出现证据互相矛盾的现象。对比分析结果表明,基于多源信息融合的变压器诊断模型相较单一特征参数诊断以及单一诊断算法具有更高的诊断准确率。     

融合多参量诊断电力变压器故障的实例分析

电力变压器是电力系统的关键设备,其故障诊断的有效性及准确性将影响到系统的安全稳定运行。笔者介绍了综合油中溶解气体色谱分析、电气试验和运行工况对某110 kV主变导线虚焊故障的诊断过程,探讨了多参量融合诊断变压器内部故障的基本方法:先以油中溶解气体分析数据判断故障性质及发展趋势,在设备停电前尝试调节负荷以控制故障发展速度,利用电气试验来缩小故障排查范围并定位故障点。分析表明,多参量综合分析可以有效判断故障性质、排查故障回路并定位故障位置。     

利用波形非正弦度分形估计值识别励磁涌流

以正确鉴别变压器励磁涌流和短路电流为目的,提出一种利用波形非正弦度分形估计的电力变压器励磁涌流与内部故障电流识别方案。利用变压器励磁涌流和内部故障电流波形特征的不同,对差动电流波形进行波形非正弦度计算并分析。通过复合形态滤波算法滤除信号中的各种噪声和扰动,保证了算法的可靠性。在比较励磁涌流与短路电流波形非正弦度各自特点的基础上,提出了一种新的变压器保护方案。仿真试验结果表明:该方法能可靠识别励磁涌流与短路电流,对轻微内部故障也有较高的灵敏度。     

基于模型与模糊Petri网融合的高铁牵引变压器故障诊断

针对基于模型诊断方法(Model-based Diagnosis,MBD)存在的处理不确定性和组件间的关联关系方面的问题,基于互补融合的思想,将模糊Petri网与MBD有机结合在一起,提出了一种高速铁路牵引变压器外部故障和内部故障诊断的新方法。建立牵引变压器结构和功能的两层模型,通过离线搜索最小冲突候选集和在线识别最小冲突集,实现牵引变压器的外部故障诊断。对于内部故障的诊断, 采用MBD进行牵引变压器故障元件定位,利用模糊Petri网进行区域知识表示,推理实现内部故障类型诊断。以武广高速三相V/x接线牵引变压器故障数据为实例进行分析,诊断结果验证了MBD与模糊Petri网融合的牵引变压器故障诊断方法的可行性和有效性。     

电力变压器内部故障的非线性仿真模型

针对电力变压器内部故障分析和继电保护的需要,分析了现有变压器线性仿真模型中确定电感参数存在的问题。指出问题的关键是没有考虑发生内部短路故障后,变压器内部的磁场发生了变化,而且铁心存在饱和的非线性特征,因而用变压器的线性模型模拟和计算其电感参数是不准确的。为此,文中利用有限元分析法,提出了一种变压器内部故障的非线性仿真模型。该模型利用有限元分析法计算变压器内部故障后的参数,根据这些参数形成等值电路模型,并得到了需要研究的电流和电压值。为验证非线性模型的正确性,将1台模拟变压器的内部故障试验仿真数据与动模试验数据进行了比较。结果表明文中提出的变压器内部故障非线性模型是正确的。     

基于信息融合的变压器内部故障诊断方法

目前变压器内部故障诊断诊断的有效性仍有待进一步研究。为此,提出了一种基于信息融合的多证据体变压器内部故障诊断新方法。该方法基于神经网络、SVM和S_Kohone聚类算法形成初级诊断结果出现分歧时的多证据体,判断证据体之间是否存在隐藏冲突,不存在隐藏冲突则优先采用证据分类折扣算法,否则采用证据主元的证据折扣算法对证据源进行修改,利用Dempster规则合成得出故障诊断结论。基于DGA和电气试验的实例验证表明采用的变压器内部故障诊断方法的有效性。提出的基于信息融合的变压器内部故障诊断新方法合理协调了证据体之间的信息冲突,有效融合了各种不同智能算法的判断结果,且故障识别正确率较融合前提高到88.65%。     

基于时序特征和参数估计的变压器故障诊断方法

油中溶解气体分析(DGA)是对变压器进行故障诊断最方便、最有效的方法之一,其中静态分析方法取得了较多的研究成果。实际中故障信息的出现具有时序特征,趋势信息可以反映故障的状态及发展,将基于时序特征的动态分析方法与传统的静态分析方法相结合,可以对故障发展及危害进行更为全面准确的描述。提出了基于时序特征和参数估计诊断变压器故障的方法,采用最小二乘参数估计算法识别特征气体的变化趋势,采用滑动窗口方法实现在线分析,利用递推最小二乘估计算法减小运算复杂度。以实际变压器油中气体测量数据进行实验,结合静态三比值和灰色关联度分析方法,对变压器进行故障诊断,实验结果证明了方法的有效性。     

基于SVM的电力变压器内部故障部位的概率估计

目前变压器智能故障诊断大多是以油中溶解气体为特征对故障性质的诊断,缺乏对内部故障部位的分析及量化的诊断结果。针对上述问题,提出一种基于SVM的电力变压器内部故障部位的概率估计模型。该模型结合SVM与概率建模的优点,充分利用油中溶解气体和电气试验数据的互补信息,运用SVM后验概率理论,对变压器内部可能发生故障的部位进行概率估计,克服了标准SVM硬判决输出的缺陷,以概率的形式给出诊断结论。通过实例分析表明,该模型不仅故障识别率较高,还具有良好的概率分布形态,具有较好的实用性和推广性。     

基于改进PSO-BP神经网络和D-S证据理论的大型变压器故障综合诊断

阐述了已有变压器故障诊断方法的不足,并将信息融合的基本思想引入变压器故障诊断中。针对电力变压器故障综合诊断的特点和要求,运用改进粒子群优化-反向传播（PSO-BP）算法训练神经网络并结合D-S证据理论,提出了一种基于信息融合技术的变压器故障综合诊断决策模型。该模型以油中溶解气体色谱分析为基础,结合变压器常规电气试验结论与现场运行、维修经验,得出了较为可靠的诊断结果,实例验证也证明了该方法的有效性。     

变压器保护新原理

变压器通常采用纵差动保护作为主保护,纵差动保护会受到励磁涌流的影响而误动作。目前已有很多识别励磁涌流的方法,但都有其局限性,不能绝对可靠地区分励磁涌流和空投于故障变压器的短路电流。该文提出了一种不受空投时励磁涌流影响的变压器差动保护原理,并用阻抗原理反应空投于内部故障。这种保护配置在内部故障时有很高的灵敏度,在外部故障时又有很强的制动作用,不反映空投时的励磁涌流,却能反映变压器空载合闸时有故障的情况,解决了变压器差动保护的难题。     

基于多方法组合诊断模型的大型变压器故障诊断

电力变压器故障征兆与故障原因之间的关系错综复杂,而单项诊断方法由于信息特征独特、考虑角度单一,往往很难满足故障诊断的要求.因此,提出了在变压器故障诊断中采用多种方法组合诊断的思想,以克服单种方法的偏好对最终诊断结果所产生的影响.该方法采用模糊C均值聚类(FCM)诊断法、BP神经网络诊断法、粗糙集理论故障诊断法和IEC 60599推荐的三比值法这4种诊断方法作为独立的单项诊断方法,根据各自诊断的误判率,按照诊断误差平方和最小的原则计算出各个诊断方法的最优权重,形成最优投票组合模型,再求出最大发生概率的故障类型.诊断结果表明,该方法与单项方法相比,大大降低了诊断误判的风险,提高了故障诊断的准确率,增强了故障诊断的稳健性.     

RST和NBN用于电力变压器故障诊断

电力变压器发生故障后,当故障信息存在不完整或不确定性,甚至关键信息丢失时,会导致故障诊断难以得出正确结论。针对此问题,提出了一种将粗糙集理论(RST)与朴素贝叶斯网络(NBN)结合的电力变压器故障诊断新方法。首先将油中溶解气体分析(DGA)结果和其他电气试验结果作为条件属性,故障区域作为决策属性,考察各种故障与征兆间的连接关系并建立决策表,接着利用基于可辨识矩阵和信息熵的属性约简算法实现对专家知识的简化与故障特征的压缩,提取最佳属性约简组合,然后以最佳属性约简组合形成的约简决策表建立朴素贝叶斯网络模型,利用贝叶斯网络实现概率推理,便于描述故障特征的变化及对变压器故障原因的快速分析。最后对变压器故障进行实例分析,诊断结果证明该方法是正确和有效的,具有较好的实用价值。     

线路电子式互感器渐变性故障诊断方法

目前对于电子式互感器渐变性故障在线诊断的研究较少。针对线路电子式互感器,从元件物理温度特性出发,构建线路电子式互感器电流电压漂移偏差故障和变比偏差故障数学模型。利用线路光纤差动保护装置采集的双端6个电流量及本端4个电压量,建立了线路电子式互感器渐变性故障诊断判据,通过将保护装置输出的电流电压值进行纵向及横向比较分析,能够快速准确地查找出故障互感器。该方法无附加硬件设备,在电子式互感器不停电、不脱网的条件下,可在现有保护装置上实现电子式互感器故障的在线诊断,通过Matlab仿真验证了该方法的正确性和有效性。     

陕西电网330 kV“12.5”主变故障差动保护动作分析

详细分析陕西电网330kV"12.5"主变压器故障时差动保护装置的故障电流波形和数据,梳理主变区内、外故障的实际过程,研究主变内、外部故障特征和差动保护在区内、外转换复杂故障情况下的动作行为,查明保护动作原因,对变压器差动保护原理提出改进意见和建议。指出国产变压器抗短路能力不能满足IEC和国标的抗短路水平要求,建议主变制造厂家优化主变的结构和制造工艺,提高主变的制造质量。