基于拉曼光谱的电力变压器绝缘故障自动定位系统设计

电力变压器绝缘故障定位是提高电力变压器稳定性的关键,提出一种基于拉曼光谱的电力变压器绝缘故障自动定位方法。采用卷积稀疏自编码器进行电力变压器绝缘故障特征检测,提取电力变压器绝缘故障的拉曼光谱特征量,根据电力变压器的能源、负荷差异性进行受扰响应特性分析,构建电力变压器绝缘故障辨识模型,采用深度学习方法进行电力变压器绝缘故障检测中的收敛性判断,根据拉曼光谱的频谱特征分布进行电力变压器绝缘故障的自动定位。结合API接口和SS/E23节点网络拓扑模型实现电力变压器绝缘故障自动定位系统设计。仿真测试结果表明,采用该方法进行电力变压器绝缘故障定位的准确性较高,故障的可视化分辨能力较强。     

粗糙集在电力变压器故障诊断中的应用

电力变压器是一种比较复杂的系统,在实际故障诊断中要想获得完备的实验数据比较困难。针对该问题,提出了一种基于粗糙集的电力变压器故障诊断新方法,即分析搜集到的电力变压器历史故障数据,确定条件属性集和决策属性集;对条件属性集进行约简,去除冗余信息,提取关键信息,得到相应的规则集;利用该规则集对电力变压器进行故障诊断。实例分析验证了该方法的正确性和有效性。     

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。     

基于人工智能技术的变压器故障诊断

分析了电力变压器故障气体和故障类型之间的关系,利用SOM网络具有自组织、自学习的特点对电力变压器的故障类型进行分类诊断建模。实例分析表明,SOM网络能很好的对电力变压器的故障类型进行分类诊断。     

关于电力变压器的安全运行探讨

文章就电力变压器的安全运行进行了一些简单的探讨,主要分析了常见的电力变压器的故障和故障原因,提出了一些对于电力变压器安全运行管理的见解。     

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。     

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。     

消除变压器盲区故障的继电保护方法分析

随着经济水平的提升,社会对于电力的需求不断增大,人们对于电力的安全性与稳定性成为了当前电力企业主要关注的问题。作为电力系统非常关键的部分,一旦变压器发生故障,将会产生严重的后果,因此对变压器的盲区故障继电保护显得非常重要,本文就如何消除变压器的盲区故障进行探讨,就一些继电保护方法进行分析。     

电力变压器的动态隧道BP网络故障诊断算法

变压器油中溶解气体分析是电力变压器绝缘故障诊断的重要方法。将人工神经网络中的BP算法应用于电力变压器故障诊断。由于BP算法训练神经网络具有训练易陷入局部极小,收敛速度缓慢的缺点,动态隧道技术运用到训练BP网络上,可以有效地改进BP网络易陷入局部极小的缺陷。经大量实例分析,并将其结果与传统的BP算法的结果进行比较,表明该算法能有效地对电力变压器单故障样本进行分类,具有较高的诊断准确率。     

基于粗糙集优化的信息融合故障诊断系统

针对现有的故障诊断技术在应用于电力变压器故障诊断中,存在的冗余信息过多、诊断结果不准确等不足之处,将粗糙集理论与信息融合技术相结合,先利用粗糙集理论对故障系统前期数据进行最大限度的约简,再采用证据理论方法对预处理信息进行融合,进而进行故障模式的分类,可简化故障诊断网络规模,且相比于单一的信息融合的诊断方法,能够更快速、更精确地诊断出变压器故障类型。其研究成果在油浸式电力变压器故障诊断方面具有广阔的应用前景。     

油浸式电力变压器故障与其本体外表面温度关系分析

采用"部件-故障原因-温升现象"的3层结构对油浸式电力变压器故障进行了分类,总结了各类故障产生的原因,分析了各类故障对变压器外表面温度变化的影响。结果表明:铁芯及夹件、绕组及引线、分接开关、绝缘系统和油箱及底座等故障都会引起变压器外表面温度升高;冷却系统故障必然导致变压器外表面温度升高;一部分进出线套管故障会引起变压器外表面温度升高;大多数保护和测量装置故障会引起变压器温度升高。从而得出了油浸式电力变压器故障与其本体外表面温度的初步关系,即变压器故障大多会导致变压器外表面温度升高。     

基于优化神经网络的变压器故障诊断方法研究

传统基于反向传播（BackPropagation,BP）神经网络的电力变压器故障诊断方法正判率较低,本文利用粒子群算法优化神经网络算法进而对变压器故障诊断展开研究。具体做法是在电力变压器油的气体分析过程中采用优化后的神经网络方法进行故障诊断,其中优化算法为邻域粒子群算法,将经过采集、归类、预处理后的变压器油气体相关数据输入优化后的BP神经网络,利用网络进行充分优化与训练,完成电力变压器的故障类别诊断。案例分析结果显示本文基于神经网络的变压器故障诊断方法提高了故障类别诊断的正确率。     

浅谈电力变压器的安装及常见故障处理

文章介绍了电力变压器安装及常见的缺陷和故障,并分析了这些故障对变压器的危害,并对消除故障的方法进行了归纳总结,此外还分析了变压器常用的在线监测技术,具有一定的工程实用价值.     

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.     

GEP在变压器故障诊断中的应用

变压器油中溶解气体分析是电力变压器绝缘故障诊断的重要方法.文中将改进的基因表达式程序设计算法应用于电力变压器故障诊断,利用新的选择算子、变异(变换)、重组算子和多种群算子保证了种群的多样性,确保算法不陷入局部最优,而快速达到全局最优.经实例分析,并将其结果与BP神经网络和人工免疫分工算法的结果相比较,表明该算法能有效地对电力变压器故障进行诊断,具有较高的诊断准确率.     

基于混合pi-sigma神经网络的故障诊断

由于电力变压器故障的模糊性和多样性,目前利用IEC三比值法在变压器故障诊断中存在准确率不高之难题.针对电力变压器的特点,综合考虑各因素的影响,将模糊逻辑和神经网络的长处融合在一起,构建了基于混合Pi-sigma神经网络及其算法的变压器故障诊断模型,其中在学习速率的选择、隶属度函数参数的更新等多处进行了改进,进一步减小了预测误差.用训练过的混合pi-sigrna神经网络模型对变压器故障进行验证和诊断的仿真结果表明,算法具有较快的收敛速度和较高的计算精度.证实了算法应用于电力变压器故障诊断的有效性.     

35kV变压器交流耐压试验故障原因分析

伴随着国家进程快速的发展,电力变压器的日益增加,电网的覆盖面的持续扩大,因而对变压器的管理更是严谨。对于现在土地就显得比较珍贵,然而电力35kV变压器耐压试验故障就会给施工带来严重的困难,同时,对施工来说检修就十分不便。随着城市建设的发展,电力变压器在供电系统中得到越来越广泛的应用,同时关于35kV变压器耐压试验的故障问题也相继产生。因此,分析35kV变压器耐压试验的安全就极为重要。