基于关联规则与变权重系数的变压器状态综合评估方法

为了提高变压器诊断的准确性和适应设备检修的发展趋势,克服传统智能算法的局限性,提出一种基于关联规则和变权重系数的变压器状态综合评估的方法。根据试验和监测数据建立评估体系,通过9种综合故障和24种单项故障状态量,利用关联规则分别计算置信度和变权重系数,结合变压器的运行状态与检修对照关系,诊断变压器的整体指标。实验结果表明该方法准确率达到91%,能够准确评估电力变压器的健康状态。该方法可为运维人员做设备检修提供科学指导方案,也为其他高压设备的状态评估提供参考和借鉴。     

采用关联规则综合分析和变权重系数的电力变压器状态评估方法EI北大核心CSCD

电力变压器的状态评估不仅要求智能技术的融合,还应该考虑所有检测状态量之间的相互联系。根据信息数据关联规则和因素空间理论的变权综合概念,提出了一种对电力变压器进行状态评估的方法。通过分析变压器运行中各单项状态量参数与故障类型的关联性,建立综合状态量集合。引入关联规则方法,计算单项状态量的常权重系数;引入具备均衡函数的变权综合模式,计算综合状态量的变权重系数。由此结合既有检测规程,建立了一个较为客观、准确的变压器状态评估体系。运行实例分析表明,该状态评估方法有利于准确地评判电力变压器的真实运行状态。     

基于关联规则与变权重的变压器状态评估方法

为了满足经济效益与社会效益的需要,进一步加强变压器运行的安全性与稳定性,笔者提出了一种对变压器进行状态评估的方法。通过分析变压器运行中各状态量参数,引入基于关联规则的权重计算方法,采用综合分析与变权重评分制的方法,建立起一个较为完善的变压器状态评估体系,以更为准确地评判变压器运行状态的真实工况。实例分析证明,此方法能够为变压器实施状态检修提供有效的参考意见。     

基于关联规则与变权重的变压器状态评估方法

为了满足经济效益与社会效益的需要,进一步加强变压器运行的安全性与稳定性,笔者提出了一种对变压器进行状态评估的方法。通过分析变压器运行中各状态量参数,引入基于关联规则的权重计算方法,采用综合分析与变权重评分制的方法,建立起一个较为完善的变压器状态评估体系,以更为准确地评判变压器运行状态的真实工况。实例分析证明,此方法能够为变压器实施状态检修提供有效的参考意见。     

基于电力大数据的配电变压器状态评估方法

配电变压器运行状态直接关系到供电安全可靠性,从电力大数据应用角度,提出了一种基于电力大数据的配电变压器状态评估方法。首先定义了配电变压器运行状态指标体系,包括电压、电流、负载率、三相不平衡度和功率因数五类评价指标。其次为了评估每台配电变压器运行状态,提出了配电变压器理想运行状态,基于灰色分析量化了待评估配电变压器的各个指标灰色关联值。然后基于模糊聚类理论将所有待评估配电变压器看做同一论域进行模糊聚类分析,为供电公司巡视检修计划提供决策支撑。最后利用MATLAB编程进行算例验证,证明了该方法的有效性和可行性。     

电力变压器状态评估综述

介绍了电力变压器状态综合评估的具体内容、研究现状与应用状况.     

电力变压器的实时状态评估

为了实时掌握电网中电力变压器的基本运行状况,本文提出一种基于数据采集与监控(SCADA)系统信息的变压器实时状态评估方法。该方法依据变压器内部电的物理规律,借助SCADA系统提供的电量与非电量信息,跟踪估计变压器等效电气参数以及温度的变化趋势,结合模糊综合评判理论,最终实现变压器运行状态的快速实时评估。实例分析表明,该方法针对运行中变压器的状态评估提供了一种新的途径。     

电力变压器状态评估

长期以来,人们对变压器的研究往往侧重于:在变压器发生故障后,用故障前后特征量的变化来进行变压器的故障诊断。而笔者在电业局现场工作中体会到:对运行单位而言,更关心的是运行变压器状态的好坏,而故障后的诊断意义显得不再重要。针对这个问题,提出变压器研究的另外一个新思路,即:除了对故障后的变压器进行故障诊断外,更重要的是综合利用变压器的历史数据和在线监测数据对运行中的变压器进行状态评估,通过状态评估,可以明确判断运行中变压器状态的好坏,从而为变压器的状态检修或者安排变压器计划检修提供科学的决策依据。鉴于模糊综合评判能够对多因素事物作出综合评判,运用模糊综合评判构成了变压器状态评估的框架。     

基于云理论的电力变压器绝缘状态评估方法

针对电力变压器故障机理复杂,模糊评价隶属函数的确定具有主观性且未考虑随机性,仅凭油中溶解气体单一因素难以有效评估其潜在隐患的问题,提出了一种新的基于模糊云理论的变压器绝缘状态评估方法。建立了绝缘状态评估体系并进行了等级的划分,在用变权动态确定指标权重的基础上,采用隶属云模型描述其模糊性与随机性,并结合红外热像仪与油中溶解气体分析方法对其绝缘状态进行综合评价。通过实例研究,验证该方法有效易行,为变压器状态检修工作提供了一种新方法。     

电力变压器运行状态的灰色层次评估模型

电力变压器运行状态评估是指导变压器状态检修及提高电力系统运行可靠性的重要手段。根据变压器状态信息的多层次性和多因素性,文中建立和量化了变压器状态评估的层次指标体系。引入了灰色层次评估法,分别建立变压器突变状态和渐变状态评估模型,利用关联层次分析确定变压器的具体状态。指标的权重先由灰色关联分析法确定常权权重,并对常权权重进行修正得到其变权权重,以提高状态评估的准确性。实例分析表明了变压器运行状态的灰色层次评估模型的合理性和有效性。     

基于云理论及熵权法的变压器潜在故障风险评估方法

为了充分利用海量样本中所蕴含的信息对变压器的潜在故障风险进行有效识别,采用云理论方法对不同故障类型下变压器油色谱数据与故障类型进行映射,建立了不同故障类型下不同气体的云分布模型,依此构造故障云判断知识库。同时,引入熵权法对油中气体指标的权重系数进行确定,结合云分布隶属度系数,提出变压器潜在故障风险的计算方法。通过对不同训练样本数目下准确判断率的比较,证明了该方法具备对数据的学习能力。与改进的三比值法及已有云理论方法进行了对比,结果证明了该方法的有效性及优越性。     

面向电力变压器状态评价的油中溶解气体监测数据补全方法

基于马尔可夫理论充分考虑相邻时间点系统在所有状态间的转移特性,提出了一种基于马尔可夫模型的变压器油中溶解气体数据补全方法,将油中溶解气体数据时间序列转化为在不同状态间转移的马尔可夫链,利用正、反向的状态转移矩阵计算得到油中溶解气体数据的补全值。从数据挖掘的角度建立了油中溶解气体数据质量的综合评估体系,从多个角度对数据补全的效果进行评估,并基于D-S证据融合理论融合各个角度的评估结果,得到综合评估结果。利用所提方法对某变压器100组油中溶解气体数据中25组随机缺失值进行补全,结果表明补全后的数据与实际值相似度可以达到99.999%。进一步地,验证其中15组极值点、跃变点处缺失数据补全效果,经过综合评估,补全后的数据与实际值相似度可以达到98.956%。经过验证表明所提方法能够在不改变数据特征的前提下对变压器油中溶解气体的缺失值进行准确的补全,有利于提高变压器状态评估方法的准确性。     

基于SMOTE和决策树算法的电力变压器状态评估知识获取方法

提出基于合成少数过采样技术(SMOTE)算法和决策树算法的电力变压器状态评估知识获取方法,首先针对变压器非正常状态样本数量较少的情况,采用SMOTE算法补充非正常状态样本数量,解决了变压器样本集类别不平衡问题。然后将变压器状态评估过程视为分类过程,利用决策树模型为白箱模型的特点,将变压器状态评估知识获取问题转化为构建决策树的问题。最后采用C4.5决策树算法构建决策树,从中提取变压器状态评估知识,得到关键变压器状态量和评估规则。以某地市级供电公司110 kV电压等级油浸式变压器实际数据开展实例分析,结果表明所提出的方法能实现状态评估知识的自动化获取,可以为该地区110 kV油浸式变压器的状态评估工作提供决策支持。     

基于合作博弈和云模型的变压器状态评估方法

变压器状态评估需要考虑评估指标的模糊性和随机性,因此提出了一种基于合作博弈法和云模型的变压器状态评估方法。该方法首先建立变压器状态评估指标体系,采用合作博弈法获取指标组合权重,利用变权公式对其权重进行修正;采用云模型得到定量指标对变压器各状态等级的隶属度,最后采用分层评估方法得到评估结果。实例分析表明了该方法的正确性及可行性,其评估结果更接近变压器的真实状态。     

基于区间权重和改进云模型的变压器状态评估

针对变压器状态等级边界信息随机性和模糊性的问题,提出建立基于正态云理论的变压器状态评估模型。考虑变压器状态评估数据的有限性,提出对变压器少数运行数据进行正态云处理。对于变压器等级边界模糊性问题,提出对变压器各等级进行适度扩展,建立变压器指标等级正态云。根据不同云滴在数据正态云出现的不同概率,计算变压器数据正态云云滴与各评估指标等级正态云之间的关联度,得到评判矩阵。其次,对变压器运行数据进行区间表示。针对各指标区间数据的波动性,计算区间数据的方差和平均差,进而赋予指标不同的权重,在此基础上进行变压器状态评估。通过分析某台变压器运行数据,验证了该方法应用于变压器状态评估中的有效性。     

融合在线监测数据的变压器状态评估

随着技术的发展,变压器状态评估逐步趋向融合动态在线监测和静态预防性试验数据的综合评价。基于在线油色谱监测数据,提出利用小波模极大值识别快速渐变拐点和跃变点的算法,提高了在线监测评价的准确度。在此基础上,考虑在线监测和预防性试验数据的不同时效,在双层结构的变压器综合状态评价模型中,提出采用时间可信度指标修正各子证据体的可信度,实现了静态数据参与状态评估的动态化处理。实例分析结果表明,融合在线监测数据的变压器综合评估模型较传统变压器状态评估更加准确。     

电力变压器绕组状态实时监测算法

为及时发现电力变压器绕组变形等潜伏性故障,需要实时监测变压器绕组的状态。建立了变压器绕组的数学模型,利用变压器原、次边的电压、电流信号对变压器的短路阻抗进行在线辨识。其方法是:实时采集模型变压器原、次边的电压、电流信号后,针对电压、电流传感器采集信号的特点,应用小波变换除去噪声,再利用基于离散傅里叶变换的高精度相位识别法辨识各正弦量间的相位差,得到各负载情况下变压器绕组等效电路的短路阻抗。利用模型三相变压器搭建的变压器绕组状态监测平台进行实验,结果表明,变压器绕组未发生状态改变时,不同负载情况下短路阻抗的辨识差别不超过0.64%;若变压器绕组发生变形及匝间短路等故障,短路阻抗的变化量达到5.6%以上,证明所提出的监测算法是有效的。     

基于AHP灰色定权聚类的电力变压器状态评估

根据电力变压器运行状态信息的不完全性,采用层次分析法(AHP)建立和量化变压器状态评估的层次指标,优化状态信息不完全性.引入灰色定权聚类对变压器状态进行灰色分类,建立灰色白化权函数.把AHP与灰色定权聚类相结合,能更准确地对变压器进行定性和定量状态评估.实例分析表明,基于AHP灰色定权聚类的电力变压器状态评估方法是合理和可行的.     

基于贝叶斯正则化深度信念网络的电力变压器故障诊断方法

传统的深度信念网络规模大、难度大、训练时间长,导致其故障诊断的时间较长。针对该问题,提出了一种基于贝叶斯正则化深度信念网络的电力变压器故障诊断方法。采用贝叶斯正则化算法改进传统深度信念网络的训练性能函数,在保证网络精度的同时快速提高计算速度,从而提高网络的收敛速度。实验结果表明,经过贝叶斯正则化改进后,深度信念网络训练的泛化能力得到了提高,同时故障诊断的准确率也得到了保证。