基于三比值法的典型变压器故障案例分析

预防变压器故障是重要技术难题,特别是预防变压器重瓦斯故障。变压器内部故障可以通过分析变压器油中溶解气体组分来判断。本文利用三比值法分析一台110kV变压器故障,判断故障原因并提出相应对策,避免了故障扩大化;分析一台220kV变压器重瓦斯故障原因,揭示了绝缘设计裕度不足及大修不彻底留下的安全隐患。本文分析过程可为油浸式变压器故障诊断提供参考。     

三比值法与二比值法对变压器内部故障判断的对比分析及其应用

用三比值和二比值法对石咀山供电局四起变压器内部故障进行了对比分析，说明同时用二比值和三比值法判断变压器内部故障的性质可以大大提高判断的准确性，笔者认为二比值判断方法直观，明了，准确，简易，值得推荐和应用。     

基于综合分析方法的变压器故障诊断技术与软件开发

针对当前单一的分析方法难以全面诊断变压器各种可能存在的故障类型,采用综合分析方法进行变压器故障诊断。研发变压器光谱气体采集和分析系统,得到各种气体含量;进而采用改良三比值法、大卫三角形法和立方体图示法三种综合方法进行变压器故障诊断。开发了基于综合分析方法的变压器诊断分析软件。该故障诊断软件包含运行状态、历史数据、谱图和数据与诊断四大功能模块。现场应用证明了基于综合分析方法的变压器故障诊断技术的有效性。     

基于灰色多变量理论与改进三比值法相结合的变压器套管故障预测

对变压器套管进行故障预测是确保变压器安全运行的前提,文章结合灰色多变量理论与改进的三比值法,提出了一种用于变压器套管预测的新方法。首先运用一种新的灰色关联度算法对改进的三比值法运用的气体三组比值进行关联度分析,得到彼此之间有很强的关联性,然后再用灰色多变量预测模型对这气体比值含量进行预测,最后结合改进三比值法找出对应的故障类型。灰色多变量模型可对同一信号中提取的多个指标同时进行预测,从系统的角度统一描述各特征参数,因而能获得较准确的预测结果。文章最后通过实例证明该方法的有效性和准确性。     

基于距离向量法与胜任力模型的人员培训的探讨

在胜任力模型的基础上建立胜任力培训指标体系,运用距离向量法进行胜任力测评,根据计算结果进行有针对性的人员培训。实验证明,利用距离向量的测评结果能有效找到员工胜任力要素中的短板,更好地对员工进行培训管理。     

基于最优权值的组合模型诊断变压器故障

变压器的故障征兆和故障机制间,存在着很大的随机性和模糊性,而单项诊断方法由于考虑角度的片面性以及知识库的不完善性,往往很难满足变压器故障诊断的实际要求。因此鉴于单一诊断方法的不足,提出将IEC-60599三比值法、模糊故障诊断法、蚁群算法和灰色系统理论(grey system,GS)诊断法这4种方法,根据各自的诊断效果构成最优组合模型,诊断变压器故障。诊断实例结果表明,该组合模型诊断的思想可以克服单项诊断方法信息单一、诊断片面性等不足,并具有更高的故障诊断准确率和更好的鲁棒性。     

基于解耦分析和欧式距离的特高压变压器顶层油温预测方法

针对特高压变压器顶层油温预测精度低的问题,提出一种基于解耦分析和欧式距离的特高压变压器顶层油温预测方法,该方法采用通径分析原理实现各因素变量的解耦分析.首先采用横向分析与纵向分析,计算温度、湿度、风速、气压、降雨量、光照强度、横向日期、纵向时刻以及负荷等9种因素变量的直接通径系数,选择得到特高压变压器顶层油温的主要影响...     

基于SVM和D-S证据理论的电力变压器内部故障部位识别

针对变压器信息融合诊断方法中难以确定基本概率分配(BPA)的缺陷,提出一种基于多支持向量机(SVM)与D-S证据理论的变压器内部故障部位识别模型.利用“一对一”多类SVM后验概率估计分配BPA,实现其赋值的客观化;充分利用变压器油中溶解气体分析数据和电气试验数据的互补信息,对变压器内部可能发生故障的部位进行诊断.实例分析表明,所提模型能有效识别故障部位,在准确率和泛化性方面都较单特征的SVM有优势.     

变压器铁心生锈故障检查与技术分析

针对一起变压器铁心生锈故障,介绍如何运用三比值法判断变压器内部潜在故障,并结合试验分析、查找故障原因。     

基于多模型的变压器故障组合诊断研究

变压器故障诊断是保证整个电力系统正常运行的重要部分,为此提出了一个基于支持向量机并与多种贝叶斯分类算法相结合的组合诊断模型。诊断过程中,首先通过相关统计分析,选择典型油中气体的12个相关属性值作为模型的输入参数,并对其进行数据预处理,生成一次样本。其次,按照变压器常见的13种故障类型,利用多个单一诊断方法如朴素贝叶斯模型、半朴素贝叶斯模型、增强的朴素贝叶斯模型和贝叶斯网络增强模型构成诊断模型群,对一次样本数据进行诊断。最后,把贝叶斯诊断模型群的诊断结果作为支持向量机的输入进行二次诊断,构成变权重的组合诊断。对基于支持向量机的组合诊断过程和参数计算进行了详细地探讨。通过与多种预测方法进行比较,基于支持向量机的变压器故障组合诊断模型的正确率明显优于单一诊断模型和其它的组合诊断模型。此外,通过2个实例证明了提出的组合诊断模型的有效性。因此,该模型可以用于实际工程。     

基于改良三比值法的变压器故障基本信度分配计算方法

为了解决三比值法诊断结果不能直接应用于故障基本信度分配函数的构造问题,提出一种基于空间插值的变压器故障基本信度分配计算方法。根据有限元法基本原理,在分析了三比值法定义的故障特征空间基础上,按照各故障特征区域在空间几何上的分布特征对整个空间进行离散化,最后利用空间插值得到整个空间连续的故障基本信度分配函数。所述方法能够满足基本信度分配函数的要求,且计算结果定量地反映了各种故障发生的可能性。通过实例计算,验证了该方法的正确性和工程实际应用的可行性。     

基于最小欧式距离(1+1)小生境遗传算法的无功优化

针对电力系统无功优化存在的问题,提出了利用最小欧氏距离下(1+1)竞争小生境遗传算法,克服了小生境遗传算法中小生境难以确定的不足,改善了遗传算法容易陷入局部收敛和早熟的缺点。通过对IEEE30节点测试系统进行无功优化计算,验证了该算法全局搜索能力强、效率高。     

基于参数优化的电力变压器故障诊断模型

针对当前电力变压器故障诊断效率低、误差大的难题,提出了基于参数优化的电力变压器故障诊断模型。首先提取电力变压器故障的特征,将其作为最小二乘支持向量机输入,电力变压器故障类型作为输出,然后采用最小二乘支持向量机对电力变压器的故障诊断样本进行学习,构建电力变压器故障识别的分类器,并引入混沌粒子群算法对最小二乘支持向量机的参数进行优化,最后进行了电力变压器故障诊断的仿真对比测试。测试结果表明,本文模型可以准确辨识各种类型的电力变压器故障,获得较高正确率的变压器故障诊断结果,电力变压器故障诊断的速度,而且电力变压器故障诊断整体性能要优于当前其它电力变压器故障诊断模型。     

特征优化和模糊理论在变压器故障诊断中的应用

针对变压器故障特征与故障类型关系模糊造成的三比值法编码缺失、临界值判据缺损以及同时发生的多种故障难以区分问题,提出了基于特征优化和模糊理论的变压器故障诊断方法。将测量空间中的每种故障数据分别通过高斯核函数映射至希尔伯特空间,利用主成分分析法提取主元,以主元张成的特征子空间作为最优故障特征,据此构造该种故障下的故障测度隶属度函数,根据最大隶属度原则判断故障类型。特征子空间既保留了测量空间的故障特征,同时根据核理论维度拓展特点,又能生成更有效度量故障的新特征,从而建立最优故障特征与故障类型的一一对应关系。实例分析表明,该方法的准确率高,能够弥补三比值法的不足。通过比较故障数据对于每种故障的隶属度,能够获知诊断结果的可靠性,当多种故障同时发生时,诊断结果能够为维修人员提供有益参考。     

Application of a combined decision model based on optimal weights in incipient faults diagnosis for power transformer

A new method for the diagnosis of incipient transformer faults based on a combined decision model using IEC 60599 three‐ratio method, grey system theory (GS) algorithm, Dempster–Shafer evidence (DS) theory, and backpropagation (BP) neural network diagnosis method is proposed in this paper. The new method will eliminate the influence of any one individual diagnosis method due to insufficient information or diagnostic prejudices. In order to minimize the sum‐of‐squared errors of the proposed method, the optimal weights of every individual method which comprises the combined decision model are calculated based on their own diagnosis error ratios. Thus a combined decision model based on optimal weights (CDMOW) is formed. Then the optimal diagnosis result is obtained based on CDMOW. Results of diagnosis instances show that the use of CDMOW not only gives a much higher diagnostic accuracy rate but also more stability in fault diagnosis than any single method composing it. © 2016 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

基于多级决策融合模型的电力变压器故障深度诊断方法

针对电力变压器故障的深度诊断问题,提出一种深度置信网络与D-S证据理论相结合的方法。采用深度置信网络对电力变压器故障的多维数据进行特征提取及分类,并结合D-S证据理论解决故障诊断中的不确定性问题,构造了电力变压器故障诊断的多级决策融合模型。以变压器油中溶解气体、局放量以及历史故障数据和家族质量史等数据为样本进行仿真实验,结果表明所提方法对于具备大量多源信息的电力变压器故障诊断问题是有效的。     

基于自适应PSO算法的LS-SVM牵引变压器绝缘故障诊断模型

结合罗杰斯比值法,基于自适应PSO算法和最小二乘支持向量机(LS-SVM).提出一种牵引变压器绝缘故障诊断模型.该模型提出一种自适应PSO算法.即根据群体的收敛程度和个体的适应值来调整惯性权重,加快训练速度,利用该算法迭代求解LS-SVM中出现的矩阵方程,避免矩阵求逆,节省内存:为了快速和准确地区分牵引变压器12种绝缘...     

基于电子式互感器的R-L模型距离保护应用研究

基于智能变电站中电子式互感器的优良传变特性,建立被保护线路的时域微分方程模型,用保护安装处的零序电流模拟故障点接地电流,以提高测量精度。仿真试验验证了R-L模型测量精度高、响应速度快、耐过渡电阻能力强的特点。针对仿真试验模型的稳态超越问题,利用故障点两侧的零序网参数特点对零序电流进行相位补偿。仿真试验结果表明,改进的R-L模型在金属性故障时测量精度高,近端故障耐过渡电阻能力强,并有效地解决了末端故障超越问题。最后,对基于R-L模型的距离保护在智能变电站中的应用作了介绍。     

基于布谷鸟算法和支持向量机的变压器故障诊断

电力变压器是电力系统运行中的重要设备之一,对故障和缺陷进行正确的诊断,关系到整个电网的运行安全。支持向量机(SVM)能够较好地解决小样本、非线性特征的多分类问题,适用于变压器故障类型判断。利用布谷鸟搜索算法,对支持向量机进行寻优得到全局最优解,从而得到具有最佳参数的支持向量机分类模型。该分类模型将变压器油色谱数据(DGA)中各气体相对含量作为评估指标,将变压器的故障分为低能放电、高能放电、中低温过热、高温过热等4个故障类型。通过已有的数据实例分析得出,利用布谷鸟搜索算法得到的分类模型比常用的网格搜索算法(GS)、粒子群搜索算法(PSO)、遗传算法搜索(GA)等算法得到的模型拟合准确率更好。