基于局部放电监测的变压器故障诊断系统研究

在分析局部放电的监测和故障诊断研究现状的基础上,针对所存在的问题,提出了基于局部放电监测的变压器分层故障诊断系统,该系统充分利用局部放电电声联合检测获得的在线监测数据、油中溶解气体分析结果以及停电试验数据、SCADA数据、设备故障及检修记录等信息,将径向基人工神经网络（RBF）技术与黑板型专家系统结合起来,对故障的类型、性质、危害程度以及定位进行逐步深入的分析,并根据诊断结果提出相应的检修策略。最后根据系统的设计思想给出实现方案。     

基于超声波法的变压器重症监护系统研制及应用

变压器局部放电超声波检测技术作为一种有效的绝缘诊断技术,目前已在超特高压变电站变压器故障诊断中广泛应用。借鉴重症监护医学领域技术,研制了基于超声波法的变压器重症监护系统,并应用于存在故障隐患或危急停运的变压器设备上。该系统以变压器局部放电超声波信号特征量为基础,结合现有的在线或离线特征量,如油色谱在线监测、数据采集与监视控制(SCADA)运行负荷等实时数据,采用数据融合的方法综合分析,实时检测并准确定位局部放电源。现场应用情况表明,该系统能够有效检测变压器内部放电性故障,为变压器状态诊断及检修策略的制定提供有效支撑。     

基于声电联合及振动的变压器类设备局部放电现场综合诊断方法

根据变压器和高压电抗器等设备结构及运行情况,利用特高频法、超声波法和振动法开展现场局部放电带电检测,对基于声电联合及振动带电检测的变压器类设备局部放电现场诊断方法进行了研究。以某500 k V线路高压电抗器为例,提出现场检测实施方法和信号分析、缺陷诊断方法。所提综合诊断方法有助于判断变压器和高压电抗器局部放电并诊断其缺陷类型及严重程度,提升了设备局部放电缺陷特别是较为严重的悬浮电位放电缺陷的现场检测水平。     

500kV变压器多维状态监测与故障诊断

为提升变压器故障诊断水平并有效实现状态检修,通过一起500 kV主变压器内部潜伏性故障案例介绍了利用多种在线监测、离线检测等手段与故障诊断方法快速准确查找出变压器故障原因及位置。它通过采用油色谱检测、变压器振动及声音检测、容性设备在线监测、变压器局部放电检测、带电测试等多维状态监测技术开展变压器状态评价及故障诊断,并帮助实现对主变压器内部故障的准确定位和制定状态检修策略。该主变在通过状态监测及故障诊断后实现隐患故障快速准确定位,并通过紧急处理重新恢复正常运行状态,从而避免一起重大设备事故发生。结果表明,应用变压器油溶解气体色谱分析检测技术,可通过排除法准确地判断变压器故障性质和严重程度,它是早期发现变压器潜伏性故障特别有效的方法。同时,采用基于交叉小波的变压器振动信号特征量提取方法分析评价结果表明,变压器铁芯发生接地故障后其振动信号存在大量50 Hz谐波分量。借助振动及声音检测技术,能够有助于变压器故障诊断及准确定位,提高设备状态检修效率。     

变压器局部放电超高频检测中的混频技术研究

信号的提取和分析是局部放电超高频检测中的重点和难点，文中提出用混频技术提取局部放电信号超高频分量的新方法。用混频技术进行超高频数字信号处理的仿真实验，结果表明该技术既可保留信号包络的峰值和相位特征，又降低了超高频信号的频率。基于混频技术建立变压器局部放电超高频在线监测系统，并对典型局放模型进行实验，结果表明混频技术的应用可以有效地提取中心频率在400—800MHz之间(最小步长5MHz)、带宽为10、20、40或80MHz的局部放电超高频信号，准确地计算放电相关参数，抗干扰性强且提取的放电信息丰富，可用于变压器局部放电超高频在线监测和智能化诊断。     

变压器故障诊断专家系统的改良设计

介绍了变压器局部放电模型、分类以及局部放电信号在线检测技术,针对变压器局部放电的故障诊断,设计了一种基于模糊推理的变压器局部放电专家系统,该系统建立在传统的专家系统和模糊推理器上。通过仿真实验结果表明,改良后的专家系统对四种典型局部放电信号的识别率有较大提高,为进行局部放电的模式识别提供了一种可靠方法。     

基于声音信号分析的牵引变压器故障诊断方法研究

研究了基于牵引变压器声音信号的故障诊断方案。通过音频装置采集的音频数据,采用小波变换提取音频信号的时域信息,对时域信息进行量化,形成特征向量,并基于BP神经网络算法,完成对音频信号的识别分类,可判断牵引变压器运行状态,识别变压器局部放电、过负荷运行和内部部件松动等故障情况。     

基于SOM的变压器故障诊断研究

通过变压器故障诊断能及时发现变压器的故障,以往应用比较广泛的故障分类方法是基于DGA结果的比值法,但其存在比较严重的缺陷。通过采用自组织映射网络对变压器故障进行诊断分类,结果表明自组织映射网络对变压器故障的分类准确且快速,能够降低检测人员的分析难度,提高诊断速度,对于现场变压器故障诊断应用前景广阔。     

变压器局部放电测量及故障诊断

变压器局部放电测量及故障诊断,是对变压器设计、制造、工艺及绝缘材料的综合检验,它能发现变压器内部是否存在绝缘缺陷和故障,正因为如此,IEC-76-3(1980)、IEC-270及 GB7354-87,对局部放电的测量都有明确规定,并推荐了局部放电故障检测方法。局部放电测量工作,我厂从1970年左右开始,用了很长时间研究和设备添置,使测量方法和结果,达到了 IEC 标准要求。1980年左     

基于混合放电模型的变压器内部放电联合检测方法研究

随着电力设备运行检测及监测技术的发展,变压器作为关键主设备其设备内部绝缘缺陷的检测成为研究的重点和方向,但是由于变压器内部结构的复杂性、不同绝缘缺陷复现的难度、局部放电信号干扰信号难以辨识等问题,造成目前对于变压器内部不同绝缘缺陷检测、分析及辨识的水平仍然不高。为了探索有效的检测方法,文中开展了针对性的研究工作,基于变压器故障仿真模型,对变压器内部绝缘缺陷的模拟技术开展研究,实现变压器内部缺陷的真实环境下的准确复现,设计了两类变压器故障混合模型,通过基于HFCT、UHF、AE、光学四种传感器的复合信号采集系统,进行变压器局放过程中基于不同信号原理的信号特性研究。同时基于采集信号对不同放电信号特征进行关联性分析,实现多信号特征的综合分析,进一步提高局放信号辨识真确度,研究表明文中所设置的局放复合信号采集系统能准确测量变压器中的局部放电信号,并反映其各类信号的信号特征;通过对比单一局放模型和混合局放模型下局部放电发生时的信号特征、能量分布特征等,为今后的变压器混合局部放电模式识别研究奠定了基础。     

基于油中气体分析与类重叠特征的变压器分层故障诊断模型

油中溶解气体分析可以有效识别变压器放电故障与过热故障,为提高变压器故障诊断准确度,提出一种基于类重叠特征的变压器分层故障诊断方法。首先使用支持向量数据描述（SVDD）划分出变压器故障样本数据空间的重叠区域,选择类重叠率与类重叠度作为重叠特征,分别对类重叠程度和样本点重要性进行描述,然后以类重叠率为分层标准建立分层故障诊断模型,采用分隔训练法将各诊断层的样本集分开训练,针对分类难度较大的重叠区,基于类重叠度构造二分类模糊支持向量机(FSVM)进行故障诊断。实验结果表明,相比于其他模型,所提方法具有更高的准确度。     

基于油中气体分析与类重叠特征的变压器分层故障诊断模型

油中溶解气体分析可以有效识别变压器放电故障与过热故障,为提高变压器故障诊断准确度,提出一种基于类重叠特征的变压器分层故障诊断方法。首先使用支持向量数据描述（SVDD）划分出变压器故障样本数据空间的重叠区域,选择类重叠率与类重叠度作为重叠特征,分别对类重叠程度和样本点重要性进行描述,然后以类重叠率为分层标准建立分层故障诊断模型,采用分隔训练法将各诊断层的样本集分开训练,针对分类难度较大的重叠区,基于类重叠度构造二分类模糊支持向量机(FSVM)进行故障诊断。实验结果表明,相比于其他模型,所提方法具有更高的准确度。     

基于EWT-MQE的变压器局部放电特征提取

为了有效提取局部放电信号故障特征,进而对电力变压器故障进行诊断,提出一种基于经验小波变换(Empirical Wavelet Transform, EWT)和多尺度量子熵(Multiscale Quantum Entropy, MQE)的变压器局部放电特征提取方法。首先,该方法利用EWT对局部放电信号进行分解,得到多个不同的固有模态分量(Intrinsic Mode Function, IMF)和残余分量。其次,计算信号分解出的每个IMF的多尺度量子熵序列。然后,对多尺度量子熵序列利用局部切空间排列算法(Local Tangent Space Arrangement, LTSA)进行降维处理。最后,采用层次聚类算法(Hierarchical Agglomerative Clustering, HAC)进行聚类分析,得到不同放电类型的识别结果。通过与不同诊断方法对比,仿真结果及实验数据验证了所提方法的有效性和优越性。     

基于D-S证据理论的变压器故障诊断

针对电力变压器故障征兆与原因之间错综复杂的关系,以及单一变压器故障诊断算法精度有限的问题,本文提出一种在D-S证据理论的基础上,结合灰关联熵法和加权K邻近算法的变压器故障诊断新方法。该算法以油中溶解气体分析方法(Dissolved Gases Analysis,简称DGA)为基础,通过灰关联熵法和加权K邻近算法构建证据理论的基本可信度赋值函数,然后利用证据组合规则产生更为可靠的证据信息;最后根据基本可信数最大值确定变压器故障类型。变压器故障诊断实例结果表明该算法能够准确判断出变压器的故障类型,证明了该算法的可行性和有效性。     

基于Iradon-CNN的变压器局部放电状态识别方法

为解决变压器局部放电故障所带来的安全隐患,提出了一种基于逆拉冬变换(Inverse Radon transform,Iradon)-卷积神经网络(Convolutional Neural Networks,CNN)的变压器局部放电信号图像识别方法。针对三种故障进行了局部放电实验,首先通过共振稀疏分解对局部放电信号进行分解,获取低共振分量,然后将其转换成Iradon图像,最后利用CNN自适应地提取Iradon图像的特征信息。结果表明,该方法能够准确提取信号特征,具有强大的数据处理和识别功能,并为变压器局部放电状态的识别提供了丰富的信息,提高了学习效果和识别精度。     

基于粗糙集理论的变压器故障的诊断方法

由于电力变压器故障的不完备性和复杂性,提出了一种基于粗糙集理论的电力变压器绝缘故障诊断新方法,它能够根据不完整兆信息对电力变压器故障进行诊断。基于粗糙集的知识获取方法,通过构造属性决策表,进一步构造区分矩阵和区分函数,通过相应的析取和合取运算,获取改进的三比值属性决策表。实验结果表明,这种新的诊断方法扩展了原始IEC三比值的编码范围,提高了故障诊断能力,优化了诊断时间,提高了诊断精度,有实际工程应用价值。粗糙集理论的决策表约简方法能够处理变压器的复合故障,解决了IEC三比值法在此种情况下的不足。同时该法有一定的容错能力,能处理含有遗漏或错误的变压器故障征兆,提高故障诊断准确率。