共查询到20条相似文献,搜索用时 171 毫秒
1.
2.
3.
4.
潜油泵故障引起变压器油色谱异常的分析 总被引:1,自引:0,他引:1
1问题的引入1995$12fi,W$ds)JkgAtr@ds$新上~台SFPSZS—120000/220变压器,运行8&$RU4lwllllR$deffi#rkts$#Mg常,』总级气体含量和产气速率均大大超出标准。在连续的跟踪监视中油中含气量又突然呈下降趋势,五降幅和降速较大,就试验人员判断缺陷原因提出了~个难题。其后综合该变压器的输出和运行资料,发现了问题的关键在~台港油系上,从而找到了油色谱分析数据异常的原因,解决了这~全局关注的问@。2变压语多数及历次油样大措分析数据ffilAir“2Rteff&$HM,taff-H4ltokthgh&该变压器为保定变压器厂1995年1… 相似文献
5.
6.
7.
8.
9.
10.
11.
12.
13.
为进一步提高变压器故障诊断效果,提出了一种基于加权综合损失优化深度学习和油中溶解气体分析(dissolved gas-in-oil analysis,DGA)的变压器故障诊断方法。该方法以DGA特征量为输入,以Softmax层各故障状态概率分布为输出,基于堆栈稀疏自编码深度学习理论构建了变压器故障诊断模型。针对常规交叉熵损失函数下,变压器故障诊断效果偏低,训练样本不平衡分布影响故障诊断水平的问题,采用加权综合损失函数对深度学习模型进行优化。案例分析结果表明:相比传统方法,本文方法可削弱训练样本不对称对变压器故障诊断的不利影响并提高变压器故障诊断水平,各训练集下,本文方法故障诊断准确率可保持在90%以上。 相似文献
14.
15.
针对单一的特征气体或特征气体比值作为DGA特征量无法全面反映变压器故障分类的问题,本文从混合DGA特征量中优选出一组DGA新特征组合为输入,建立改进磷虾群(Improved Krill Herd,IKH)算法优化支持向量机(Support vector machine,SVM)的变压器故障诊断模型进行故障诊断。将SVM的c和s与11种候选特征量进行二进制编码,利用遗传算法结合支持向量机对DGA特征量进行优选,得到一组最优DGA新特征组合;利用IKH算法对SVM的参数进行优化,同时结合交叉验证原理构建IKH算法优化SVM的变压器故障诊断模型。基于IEC TC 10的诊断结果表明:与DGA全数据、三比值特征量相比,新DGA特征组合的故障诊断准确率分别高出10.14%和30.2%;IKHSVM准确率也要高于标准SVM和GASVM(分别为73.87%、81.13%和86.27%),说明该方法能有效诊断变压器故障。 相似文献
16.
17.
18.
基于DGA的电力变压器故障诊断 总被引:3,自引:4,他引:3
根据规程和生产经验总结出分析诊断变压器内部故障的流程图,介绍不同特征气体含量代表变压器处于何种运行状态以及相应的对策与措施。实践表明,基于DGA诊断变压器内部故障行之有效,但需全面掌握设备内部结构和运行状态,必要时增做电气试验,分析判断要结合历年试验数据和设备检修记录。 相似文献
19.