一种新型无差拍UPQC预测直接控制策略

为解决目前电力设备故障识别系统识别敏感度低的问题，提出基于云计算关联分析的电力设备故障识别模型。利用关联分析法、Model-1故障特征提取法、Copula函数的故障特征分类法，对电力设备故障特征进行提取和分类，将分类后的特征数据随机组成训练集X，并在此基础上获得故障特征优化的二维数据，将Copula函数的输出结果导入优化ID3的井漏类型分类算法中以完成对故障特征的优化，得到电力设备故障特征分类矩阵；利用非对称性卷积层的CNN模型，实现对电力设备多种故障类型的快速识别。实验结果表明：在进行故障准确性检测时，所提方法的故障识别率平均高达87.2%、识别精准率平均高达71.06%；在不同负荷对系统灵敏性影响的测试中，所提方法在任意负荷状态下的故障识别数据计数不低于40次，优于对比方法；在对电力设备匝间短路故障位点的识别性能测试中，所提方法在任意匝间短路故障位点的故障识别数据计数均高于140次，优于对比方法。所提方法的故障识别精确度高、故障位置识别敏感性高，可促进电网安全运行和发展。     

基于变分模态分解与精细复合多尺度散布熵的发电机匝间短路故障诊断

针对多极发电机匝间短路故障诊断与识别难度高的问题,提出了变分模态分解与精细复合多尺度散布熵结合的方法处理发电机定子振动信号.所提方法应用变分模态分解将原始信号分解为多个模态分量,并依据峭度和相关系数原则选取2个不同分量进行信号的重构,应用精细复合多尺度散布熵来进行重构信号的分类及故障识别.对3对极发电机匝间短路故障前、后定子振动数据的处理效果表明,所提方法可以对发电机匝间短路故障进行有效识别与诊断,与其他多尺度熵方法相比具有一定优越性.     

空心并联电抗器匝间故障三阶段特性分析及综合保护方法

空心并联电抗器匝间故障频发以及有效保护技术的缺乏,导致了许多着火燃烧事故。文中以多起故障案例动态录波数据为基础,综合模型匝间短路静态特性测试,以及空心线圈电磁感应特点分析,提出了并联电抗器匝间故障发展过程中出现的具有内在发展机理和外在显著电气特性的"三阶段特性"理论。指出了匝间短路环流巨大是故障发展迅速、产生巨大有功损耗以及电感损失的直接原因,进而分别提出了匝间短路初始阶段、快速发展阶段以及平衡阶段有效灵敏的保护方法。最后,通过真实模型匝间短路试验分析,证明所提保护方法能够快速可靠识别匝间短路故障。     

基于MODWT的变压器绕组轻微故障检测及分类研究

本文基于变压器在不同运行工况下的等效瞬时励磁电感的差异,利用最大重叠离散小波变换 (MODWT) 提取有效故障特征参数,实现对变压器绕组轻微匝间故障以及匝间电弧放电故障的检测。首先提取变压器在各种工况下的电气量,求取等效瞬时励磁电感,选取基于db4小波函数的最大重叠离散小波变换进行分析,提取特征量。将故障特征量作为决策树的训练集和测试集,从而实现变压器绕组轻微故障的识别以及分类。最后通过仿真证明,所提出的算法能够准确检测以及区分励磁涌流、轻微匝间短路故障以及匝间电弧放电故障。     

用特征电流智能诊断汽轮发电机定子匝间短路

汽轮发电机定子绕组匝间短路是很难及时发现且破坏性很强的内部故障,目前的针对性保护动作正确率普遍偏低,为此提出了结合故障特征量与智能技术的匝间短路在线识别。分析了匝间短路过程中故障相正序电流的变化和负序电流的产生作为特征量的依据,建立其稳态下的数学模型后介绍了特征数据经动态Elman神经网络进行在线智能识别的方法。基于复合序网对一台大型汽轮发电机并列运行时匝间短路的故障量进行计算,将特征数据输入神经网络进行识别。研究结果表明,合理的在线故障特征组合,匝间短路可以被Elman网络及时发现。该思路也可以作为保护动作前的参考信息。     

汽轮发电机转子绕组匝间短路故障程度诊断方法

为了精确识别转子匝间短路的故障程度,保障机组经济、安全运行,基于改进熵权理论与灰色关联理论,采用不同故障程度下机电信号为故障样本,建立了转子绕组匝间短路故障程度诊断模型,并采用SDF-9型故障模拟机组进行了实验验证。该方法解决了利用单一特征识别偏差较大的问题,能够精确、有效识别转子绕组匝间短路的故障程度,以便合理安排转子绕组匝间短路故障状态下汽轮发电机组的运行和检修,方法简单且无需加装新传感器,能够为现场发电机的经济可靠运行提供指导性建议。     

基于励磁磁动势差值的汽轮发电机转子匝间短路在线识别方法

汽轮发电机转子绕组发生匝间短路时会引起励磁磁动势缺失,但在励磁系统恒压闭环调节作用下,励磁电流将增大以补偿励磁磁动势缺额。分析了汽轮发电机转子匝间短路故障时励磁磁动势变化特征,以故障后由励磁电流计算得的"视在"励磁磁动势大于发电机当前工况下所需的励磁磁动势为理论依据,提出了基于励磁磁动势差值的转子匝间短路在线识别方法。试验结果表明了采用所提方法可有效在线识别转子匝间短路故障。     

发电机转子绕组匝间短路故障在线检测方法

对汽轮发电机转子绕组匝间短路故障的机理进行了研究,重点分析了故障的电磁特性,提出了在转子发生匝间短路故障时,励磁电流增加而无功输出却相对减小的特征.根据故障特征,利用故障前后励磁电流的相对变化率,建立了在线识别转子匝间短路故障的判据,并采用现场匝间短路故障记录数据加以验证.     

基于稳态故障特征量的大型汽轮发电机定子绕组匝间短路智能在线识别研究

定子绕组匝间短路是汽轮发电机破坏性很强的内部故障,其缺乏有效的针对性保护装置为系统安全运行留下隐患.本文提出基于在线故障特征量,通过智能技术的非线性映射来及时识别匝间短路.文中分析定子绕组匝间短路过程中故障相电流的变化和纵向零序电压的产生,建立这两者作为特征量的数学模型,提出应用动态Elman神经网络对匝间短路进行在线识别.依据一台大型汽轮发电机的典型参数,计算其在线时的匝间短路故障量,具体特征数据输入Elman网络进行识别.算例结果表明,基于合理的稳态故障特征量,定子绕组匝间短路是可以被Elman网络有效在线识别的.     

基于电流波动特征的永磁同步电机匝间短路与局部退磁故障分类诊断研究

针对永磁同步电机匝间短路故障与局部退磁故障难以区分的问题,该文提出一种基于电机同相与异相电流幅值波动特征的故障分类诊断方法。在分析定子绕组匝间短路故障与转子局部退磁故障对电流幅值影响机理的基础上,分别提取转子旋转一周内同相电流幅值波动特征和异相电流幅值之间的波动特征,建立了故障分类诊断指示器。仿真与实验结果表明,该指示器可有效识别定子绕组匝间短路故障与转子局部退磁故障。该文提出的方法可直接嵌入永磁同步电机控制软件,不需要增加额外的传感设备,具有较好的实用价值。     

采用最优小波树和改进BP神经网络的感应电动机定子故障诊断

为了准确及时地识别并排除感应电动机定子匝间短路故障,保障电动机设备的安全运行,提出了一种基于最优小波树和捕食搜索遗传算法优化神经网络的新型故障诊断方法。结合故障电流的特征,采用最优小波树,将滤除基波分量后的定子残余电流信号进行分解,提取表征信号内在规律最强的分解节点能量成分,作为BP神经网络的输入特征向量。采用BP神经网络进行分类,通过捕食搜索策略优化的遗传算法选择神经网络训练的初始权值和阈值,提升网络训练的速度和准确度。实验结果表明,该方法不但可以提取优于小波包方法的最优特征向量,同时可以准确识别三种故障下的电动机定子匝间短路故障。     

基于机电信号融合的DFIG定子绕组匝间短路故障诊断

定子绕组匝间短路故障是双馈异步发电机(DFIG)常见的故障形式,发生概率高达30%,直接威胁到发电机的安全运行。发电机在复杂多变的环境下运行时,单一故障特征往往难以精准地反映故障,从而易产生误判、漏判的情况。文中提出一种基于电气、机械信号融合的定子绕组匝间短路故障诊断新方法——负序电流差与定子径向振动信号的二倍频分量联合诊断。首先利用支持向量机分别计算单一故障特征下的匝间短路故障概率;然后将其作为D-S证据理论的基本概率分配,依托证据组合规则,得出定子绕组匝间短路的最终诊断结果。实验结果表明:与基于单一信号的故障诊断方法相比,该方法能够更有效地诊断定子绕组匝间短路故障并可靠识别短路匝数,提高故障诊断的精确度,可推广应用至海上风电等对故障识别精度要求更高的领域。     

基于重复脉冲法的变压器绕组匝间短路故障诊断

针对变压器绕组轻微匝间短路故障难以检测的问题,提出利用重复脉冲法的特征曲线进行匝间短路故障诊断的方法。分析了脉冲信号在变压器绕组内的传播过程,建立了反映该传播过程的变压器绕组分布参数电路模型,推导了发生匝间短路后波阻抗的变化规律。通过在变压器绕组一端输入一个低压脉冲,在另一端采集响应特性曲线,结合绕组匝间短路前后的2条响应特性曲线得到其特征曲线。分析特征曲线是否突起以此来判断是否发生匝间短路故障,从而实现故障诊断,而特征曲线的突起程度反映了绕组短路故障的严重程度。结合人工神经网络算法,对所提方法的故障识别率进行分析,仿真样本分析显示其故障识别率可达95%左右。仿真和实例分析结果表明了重复脉冲法对诊断变压器绕组匝间短路故障的可行性及准确性。     

单相双绕组变压器匝间短路故障诊断

针对现有方法无法对变压器匝间短路故障的发生时刻及其严重程度同时实现诊断,提出了基于电类特征信号提取的故障诊断方法。在对单相双绕组变压器匝间短路后其输出响应进行分析的基础上,对变压器匝间短路故障的产生进行了建模和仿真;通过提取变压器一、二次侧电流信号的时域故障特征对故障发生时刻进行了诊断;基于此再结合相应电流信号的频域故障特征,采用曲线拟合与数据库比对的方法对匝间短路故障程度进行了有效诊断。仿真和测试结果表明,进行诊断后的结果符合预期的目标。     

基于帝国殖民竞争算法优化支持向量机的电力变压器故障诊断模型

提出了一种基于帝国殖民竞争算法优化支持向量机的变压器故障诊断模型。对支持向量机进行了非线性和多分类变换,构建了k-折平均分类准确率目标函数,建立了帝国殖民竞争算法优化支持向量机的非线性多分类模型,结合交叉验证原理对变压器进行了故障诊断。故障诊断结果表明,所提方法的平均测试准确率优于标准支持向量机和粒子群优化算法优化支持向量机(准确率分别为77.08%、57.97%和61.96%),验证了所提模型的有效性。采用UCI基准数据集对所提模型进行分类测试,结果表明所提模型在解决分类问题上具有较好的泛化性。     

基于损耗因数的干式串联电抗器匝间绝缘状态监测技术

无功补偿成套装置中的串联电抗器采用固体绝缘结构,针对其运行中匝间短路故障频发且检测手段不足问题,提出了基于损耗因数的串联电抗器匝间绝缘监测技术.分析了串联电抗器发生匝间短路故障的原因,建立电抗器匝间短路等效电路,针对其故障特征研究了电抗器匝间短路监测的技术方案,并通过有限元仿真软件验证了所提方案的可行性和有效性.     

异步电动机定子匝间短路故障诊断方法

分析了异步电动机定子线圈匝间短路故障时的振动特征及定子电流的谱特性。指出由于受电动机结构固有不对称等因素的影响,单纯利用振动频谱分析法或定子电流信号频谱分析法诊断定子线圈匝间短路故障,不能得到准确可靠的诊断结果。提出一种异步电动机定子匝间短路故障的诊断方法,能有效提取电动机定子匝间短路故障时的特征信息,提高故障识别精度。实验结果证明,利用该方法得到的谱特征可以作为异步电动机定子匝间短路故障诊断的依据。     

一起220 kV变压器匝间短路故障诊断与分析

文中对一起220 kV变压器匝间短路故障进行分析,从保护动作、诊断试验以及解体检查3个维度,对变压器典型匝间短路的故障特征及诊断过程进行介绍。纵联差动和增量差动保护提示A相绕组存在匝间或高阻接地故障;低电压空载和绕组变形试验表明A相存在匝间短路或磁路故障;变比测试提示高压绕组存在匝间短路。解体检查发现A相高压绕组确实存在匝间短路故障,验证了所诊断分析的结论。     

异步电动机定子匝间短路故障诊断方法

分析了异步电动机定子线圈匝间短路故障时的振动特征及定子电流的谱特性。指出由于受电动机结构固有不对称等因素的影响，单纯利用振动频谱分析法或定子电流信号频谱分析法诊断定子线圈匝间短路故障，不能得到准确可靠的诊断结果。提出一种异步电动机定子匝间短路故障的诊断方法，能有效提取电动机定子匝间短路故障时的特征信息，提高故障识别精度。实验结果证明，利用该方法得到的谱特征可以作为异步电动机定子匝间短路故障诊断的依据。     

基于漏磁场和ICOA-ResNet的变压器绕组早期故障诊断

针对变压器绕组变形、轻微匝间短路故障诊断准确率低的问题,提出一种变压器绕组早期故障诊断方法。首先,利用ANSYS仿真软件建立与实验变压器相关参数一致的有限元模型,分析变压器在绕组发生各种故障的漏磁场分布规律,并根据这些规律选取合适的故障特征以及光纤漏磁场传感器安装位置。然后,通过改进长鼻浣熊优化算法(improved coati optimization algorithm, ICOA)寻找残差神经网络(ResNet)的最优超参数,以此参数构建ICOA-ResNet模型,将所得故障特征量输入模型进行故障诊断。最后,通过仿真数据和动模实验验证所提出的变压器绕组早期故障诊断模型的可行性。所提模型与支持向量机等4种模型相比,在绕组早期故障诊断上有更高的准确率,表明所提方法对变压器绕组变形、匝间短路故障诊断的有效性。