激光激发下拉曼光谱相对辐射定标模型研究

为了提高变压器油中气体检测性能,提出基于激光激发下拉曼光谱的相对辐射定标模型,采用激光成像技术进行拉曼光谱图像成像处理,提取拉曼光谱图像的边缘轮廓特征量,采用多尺度小波降噪方法进行激光激发下拉曼光谱图像降噪滤波,在邻域内采用颜色梯度分解方法进行拉曼光谱图像区域融合性增强处理,根据激光激发下拉曼光谱图像RGB值与邻域均值实现拉曼光谱相对辐射标定和检测,提高拉曼光谱图像的相对辐射定标能力。仿真结果表明,采用该方法进行激光激发下拉曼光谱相对辐射定标的准确性较高,识别精度较高,图像信息增强性能较好。     

基于知识图谱的电力变压器绝缘故障监测方法

通过传感器采集电力变压器数据，只能获取当前运行数据，导致变压器绝缘故障监测结果与实际情况不一致，为此提出基于知识图谱的电力变压器绝缘故障监测方法。采用RBF神经网络建立了变压器绝缘故障监测模型；依据知识图谱三元组成和生命周期，设计数据抽取步骤，抽取变压器历史数据，构建电力变压器知识图谱；设置变压器温度和功率值，设计故障监测步骤，实现变压器绝缘故障监测。实验结果表明：本文方法在案例1和案例2中，监测变压器绝缘故障产生原因与案例设置原因一致，监测效果较好。     

基于知识库的电力变压器故障诊断专家系统

针对电力变压器故障机理复杂多样的特征,提出了基于知识库为核心的电力变压器故障诊断专家系统,建立了以油中溶解气体分析(DGA)知识库、绝缘系统检测知识库及油中微水含量检测知识库三个知识库信息融合的故障确诊策略;其中,针对油中溶解气体分析知识库中知识量大的特征,使用规则置信度对一条故障信息可匹配多条规则知识的情况进行冲突消减;根据电力变压器故障种类概率呈现中间大两头小的特点,建立动态知识库模型以存入变压器近期故障,推理机进行推理时首先扫描动态知识库。在建立数据库的各个数据表时,通过设定主键和外键约束以使推理机推理更高效;实验结果表明,该专家系统在检测变压器故障时表现出了较高的准确率和较高的诊断速率。     

变压器局部放电在线检测方法研究

变压器绝缘系统是电力变压器的重要组成部分,很大程度决定了变压器的可靠性与经济性。局部放电是变压器内绝缘劣化的重要原因,也是变压器绝缘状况的重要特征,本文分析局部放电现象产生的原因,介绍几种变压器局部放电在线检测方法并进行比较,采用一种优化的在线检测方法得到变压器局部放电三维图谱。     

基于贝叶斯网络的电力变压器局部放电故障检测

针对传统电力变压器故障检测方法对电力系统中潜藏的故障问题检测水平不足,准确率较低,无法及时准确的发现异常隐患等问题,提出基于贝叶斯网络的变压器局部放电故障检测方法;首先通过传感器获取电力变压器不同状态下运行过程中的参数数据,对局部放电故障发生的概率和范围进行合理性评估,提取评估概率数据综合为样本数据集,构建贝叶斯网络故障树;根据逻辑规则转化为贝叶斯网络,推演计算故障节点之间的算例关系,利用贝叶斯原理抽取故障特征指标与异常概率之间的关联关系,利用模糊描述方法构建故障特征关联函数,计算可得故障特征模糊函数动态变化关系,实现对变压器故障发生的概率与位置信息的判断与确定;实验结果表明,利用贝叶斯网络对电力变压器局部放电故障检测准确率达到85%以上,最高可达96%,说明该方法具有较高的检测准确率,能够有效提高电力变压器放电故障检测的有效性。     

基于多重知识推演的电力遥控防误自动闭锁方法研究

电力遥控受到伺服系统的逐阶反馈因素作用产生误操作,提出基于多重知识推演的电力遥控防误自动闭锁控制方法。构建系统的硬件结构模型,采用二维超精密定位方法进行电力遥控的自动闭锁执行器数学模型分析,构建电力遥控防误自动闭锁的动力学模型,以D/A和A/D转换器的固有频率作为输入特征量进行电力遥控防误自动闭锁的多重知识推演,采用滑模积分控制方法进行电力遥控防误操作的伺服位置、电流载荷和压力等参数估计,根据参数反馈结果进行辨识模型设计,根据多重知识推演结果实现电力遥控多状态开关可靠性建模和自动闭锁控制。仿真结果表明,采用该方法进行电力遥控防误自动闭锁控制的稳定性和容错性能较好,灵敏度较高,且具有较高的控制精度。     

改进特征样本方法的KPCA变压器故障检测模型

针对核主元分析（KPCA）监控模型由于建模样本不纯而导致故障检测失效问题,提出基于改进特征样本方法的KPCA故障检测模型并应用于变压器故障检测中。利用特征值变化信息,设计出异常样本剔除算法以避免异常样本被选入特征样本集;采用特征样本方法提取建模样本集,建立KPCA监控模型,采用复合统计量对变压器运行状态进行检测,实验结果验证了改进特征样本算法的有效性,表明提出的方法具有较高的故障敏感性和检测效率。     

基于模糊神经和局部统计的变压器故障研究

为了实现电网运行状态的在线监测和故障诊断隔离,提出了基于模糊神经模型和局部统计方法的故障诊断隔离机制。首先在分析电力变压器故障的基础上,利用模糊神经网络建立无故障状态时电力变压器的温度模型,得到模糊神经模型和实际电力变压器输出的温度偏差,然后结合优化的全局检验和最小最大检验的局部统计方法计算对应故障诊断和隔离指标。当其超过设定的故障阈值时,该评估系统可早期发现故障和启动警报,并根据具体参数变化将故障定位在变压器具体元件。仿真试验表明,提出的故障诊断和隔离方法在实际系统中表现出优越的性能,能够提前发现故障原因,维护电网高效运营,具有重要的理论意义和应用价值。     

基于光声光谱技术的变压器故障在线监测系统设计

长期运行中和发生故障后的油浸电力变压器其绝缘油及有机绝缘材料会分解出一些对判断故障类型甚至故障部位有价值的气体,分析变压器油中溶解的这些气体是判断电力变压器早期潜伏性故障有效的措施之一,针对传统的变压器油中故障气体气相色谱分析存在的问题,提出利用光声光谱技术设计变压器油中故障特征气体的在线监测系统,实现变压器的真正在线实时监测及故障诊断,对系统设计中的几项关键技术采用了新方法,为变压器故障的在线监测实现了技术创新。     

基于PSO和SVM的牵引变压器绝缘故障诊断

为提高牵引变压器绝缘故障诊断的正确性,在分析其负荷特征和特征气体产生机理的基础上,针对其故障特点提出基于粒子群优化（Particle Swarm Optimization,PSO）算法和支持向量机（Support Vector Machine,SVM）的牵引变压器绝缘故障诊断方法.根据罗杰斯比值法将变压器状态分为12种故障模式;用PSO算法优化SVM参数,充分发挥SVM具有较高泛化能力的优势.试验表明该方法能快速、准确地找到相应的优化参数,有效进行牵引变压器绝缘的故障诊断.     

变压器振动的影响因素分析及一种铁心松动故障诊断方法

变压器振动分析法仍是当下在运变压器故障诊断研究重要研究方向。为了研究变压器振动的影响因素,对某电网公司若干台在运变压器在不同运行工况下的振动信号进行采集,通过大数据拟合训练、频域图谱特征分析等方法,研究了不同电流谐波畸变率、功率因数、温度、运行年限等对振动的影响情况,得到了电流畸变率对振动信号频谱影响的修正曲线、温度对振动幅值的修成公式;在本文提出的修正曲线、修正公式以及对大量数据进行分析总结的基础上,针对变压器铁心松动问题,提出一种考虑振动信号影响因素的变压器铁心松动故障诊断方法,即基于50Hz、150Hz、100Hz、200Hz频率分量变化趋势,建立特征量提取模型,通过比较正常、松动故障下的特征向量判断变压器状态,最后运用模拟试验检验该诊断模型的有效性。     

基于信息融合的电力变压器故障诊断

电力变压器故障的多样性、不确定性和各种故障之间联系的复杂性构成了故障诊断技术上的难点,仅靠单一的故障特征量和诊断方法无法完成诊断任务。把信息融合引入变压器故障诊断中,将油色谱分析与电气试验等其他信息相结合,建立基于信息融合技术的变压器故障诊断模型。对变压器故障进行分层决策,不仅能判定故障性质,还能初步判定故障部位,提高故障诊断结果的准确性,最大限度地减小不确定性。     

基于FBG传感器的变压器振动信号检测与分析

为了早期发现电力变压器的振动故障问题,需要选择有效位置对变压器的振动状态进行检测.针对电力变压器铁芯-绕组振动特性,通过有限元分析,仿真得到铁芯-绕组测点位置.以型号为S13-12500/35型油浸式无励磁调压35 kV电力变压器为试验对象,将光纤Bragg光栅(FBG)振动传感器安装于铁芯-绕组的测点位置,对不同负载下变压器振动信号进行检测与频谱分析,结果表明:变压器振动信号频率集中在100 Hz及其倍频处;在80％,90％,100％负载下,幅频信号100 Hz处的振动幅值随着变压器负载的增大而增大.     

A current independent method based on synchronized voltage measurement for fault location on transmission lines

This paper presents a new method based on synchronized voltage measurement technique in order to identify the fault locations in two and three-terminal transmission lines. Due to common problems of current transformers in distance protection of power system and as result increasing cost and reduction of protection accuracy, proposed method is independent of current measurement and based on transmission line terminals voltages measurement. Pre-fault and post-fault voltages at both ends of the line are measured synchronously and used to calculate the fault location. Proposed method calculates the fault location using Thevenin model of faulted system and transforms the whole parameters to symmetric components. Using proposed technique, fault location can be calculated with a lower than 0.6% error without using current transformers. EMTP/ATP simulation results and mathematical analysis show that proposed fault location technique is independent of fault type, fault resistance, fault inception angle and loading angle of the transmission line.     

基于深度学习的变压器故障诊断方法研究

油中溶解气体分析方法（DGA）是变压器内部故障诊断的重要方法,广泛应用在变压器在线监测和定期试验检测中,传统的特征气体法和三比值法等诊断方法在实际应用中普遍存在着一定的局限性,导致故障诊断精度偏低。针对这一问题,本文提出了一种基于深度学习技术中的多层感知机的变压器故障综合诊断方法,利用开源的Scikit-learn 机器学习框架及TensorFlow深度学习框架构建了变压器故障诊断模型,并应用实际工程中的故障样本数据,对故障诊断模型进行了训练和测试。试验结果表明,基于多层感知机技术的变压器故障诊断模型能够对变压器故障进行正确诊断,与传统的三比值法及支持向量机技术相比,多层感知机的诊断准确率更高,具有更优的故障诊断性能,能够为变压器的检修提供更为准确的参考信息。     

A Systematic Stochastic Petri Net Based Methodology for Transformer Fault Diagnosis and Repair Actions

Transformer fault diagnosis and repair is a complex task that includes many possible types of faults and demands special trained personnel. Moreover, the minimization of the time needed for transformer fault diagnosis and repair is an important task for electric utilities, especially in cases where the continuity of supply is crucial. In this paper, Stochastic Petri Nets are used for the simulation of the fault diagnosis process of oil-immersed transformers and the definition of the actions followed to repair the transformer. Transformer fault detection is realized using an integrated safety detector, in case of sealed type transformer that is completely filled with oil, while a Buchholz relay and an oil thermometer are used, in case of transformer with conservator tank. Simulation results for the most common types of transformer faults (overloading, oil leakage, short-circuit and insulation failure) are presented. The proposed Stochastic Petri Net based methodology provides a systematical determination of the sequence of fault diagnosis and repair actions and aims at identifying the transformer fault and estimating the duration for transformer repair.     

改进AFSA算法优化SVM的变压器故障诊断

提出一种基于改进人工鱼群算法优化支持向量机（SVM）的变压器故障诊断方法。首先对基本人工鱼群算法进行改进,引入柯西变异优化觅食行为,并在算法的迭代过程中利用鱼群搜索到的信息和[t]分布变异的特点,对劣质个体鱼进行消亡与重生,提高鱼群算法的寻优效率和求解精度。然后,利用改进的人工鱼群算法优化SVM的核函数参数及惩罚系数,使SVM分类器获得最佳的分类精度。最后采用决策导向无环图（DDAG）方法建立变压器故障诊断SVM多分类决策模型。通过仿真实验将提出的方法与网格搜索法Grid-SVM、GA-SVM、PSO-SVM比较,所建模型具有更高的诊断正确率。