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。     

基于粗糙集理论的电力变压器故障诊断方法研究

为了能从完备信息中得出正确的诊断结论,并能从不完整的信息中得出满意的诊断结果,提高故障识别率,提出一种基于粗糙集理论的电力变压器故障诊断方法,给出了粗糙集的基本概念、约简计算方法和约简过程,并给出了故障诊断原理和诊断实例．实验结果表明,该方法是有效的,达到了预期目的,为电力变压器故障诊断提供了新的思路,对其他电气设备的故障诊断具有参考价值。     

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。     

可拓神经网络在变压器故障诊断中的应用

可拓神经网络是一类新的神经网络,它结合了可拓学理论和人工神经网络技术。可拓神经网络已经在模式识别、故障诊断、分类聚类等领域有了成功的应用。针对变压器故障诊断的特点,提出一种基于可拓神经网络的电力变压器故障诊断方法。介绍了可拓神经网络;构造了基于可拓神经网络的故障诊断模型和算法设计,并将其应用到电力变压器的诊断识别;通过仿真实验验证了该方法简单易行、训练误差小、收敛时间快等优点。该方法具有一定的应用及推广能力。     

基于多源Mallat-NIN-CNN网络的变压器绕组故障诊断

变压器绕组形变是常见的故障，传统的诊断方法参数过多且受噪音干扰导致诊断性能较差。提出了一种基于灰度转换的特征提取方法，该方法将振动信号转换为灰度图像，有效地提取特征。针对单源信号特性信息强度随距离变化的问题，利用多源通道采集振动信息，并利用图像融合手段抑制多源图像中大量冗余信息、信噪比低的问题，提出基于多源Mallat-NIN-CNN网络的电力变压器绕组故障诊断模型，利用Mallat算法对多源振动信号灰度图像分解，通过基于区域特性量测和加权平均方法分别对各分解层的高频分量和低频分量进行融合，将重构的灰度图像输入NIN-CNN网络进行故障诊断。经实验验证，该方法有效抑制了多源信号中的噪声，提高特征信息的完整性，降低了计算量，提高了故障诊断准确性。     

一种基于有限元建模仿真的变压器抗短路能力校核方法及其运用研究

本文介绍了一种基于有限元二维仿真建模的变压器抗短路能力校核方法.运用该方法对一台发生故障的110kV SX变1号主变进行抗短路能力动稳定校核,通过有限元仿真计算其漏磁分布、短路冲击电流,然后根据漏磁与短路电流大小计算得到外线圈平均环形拉伸应力、内线圈平均环形压缩应力、幅向弯曲应力等的分布情况,并与国标推荐值对比,结果表...     

基于信息融合的电力变压器故障诊断

电力变压器故障的多样性、不确定性和各种故障之间联系的复杂性构成了故障诊断技术上的难点,仅靠单一的故障特征量和诊断方法无法完成诊断任务。把信息融合引入变压器故障诊断中,将油色谱分析与电气试验等其他信息相结合,建立基于信息融合技术的变压器故障诊断模型。对变压器故障进行分层决策,不仅能判定故障性质,还能初步判定故障部位,提高故障诊断结果的准确性,最大限度地减小不确定性。     

灰关联度在变压器故障诊断中的应用

为了提高传统油中溶解气体分析(DGA)的诊断能力,克服相对关联度诊断变压器故障的不足,探讨了基于关联分析的故障诊断理论,提出了三级关联算法,建立了一种定性与定量相结合的电力变压器故障诊断的三级关联度方法。以5种油中溶解气体：氢气、甲烷、乙炕、乙烯和乙炔的体积分数参数作为特征量,验证了新方法对变压器故障的实际诊断效果。结果表明,该方法不仅能找出故障类型而且能确定故障部位,其有效性超过了传统的相对关联度方法。     

基于GSM技术的防分流窃电系统的设计

提出一种新的应用高压电力计量系统电能表电流线圈分流窃电故障检测方法.首先通过分析.得出电流互感器二次绕组端电压和通过电能表电流线圈的电流比值与电能表电流线圈被短接故障的关系,及其与损失电量之间的关系.其次,设计了基于GSM技术的防分流窃电系统.经实验证明该系统能及时发现分流窃电行为,从而实现了防窃电的目的.     

浅析电力变压器智能故障诊断方法

电力变压器是电力系统中的重要组成部分,是整个系统稳定可靠运行的关键影响因素,智能故障诊断方法的研究对于保证电力变压器的安全运行有着非常重要的现实意义。本文从小波变换的基本原理出发,分析小波神经网络和基于小波神经网络的电力变压器故障诊断模型,结合该模型进行变压器故障诊断,并研究诊断结果。     

短路电流冲击下变压器振动特性研究

针对短路电流的冲击下,变压器振动特性研究,构造了短路电流对变压器振动影响的冲击平台,研究了传递函数相关系数的分布规律以及相关系数阈值选择.在此基础上,通过波形时域分析以及仿真研究,探讨了绕组短路故障对传递函数的影响,得出了预紧力与相关系数的关系,最终,明确了短路电流冲击下变压器振动特性的关系,为进一步利用振动法分析变压器故障奠定了基础.     

基于模糊神经网络的故障诊断方法及应用

在变压器色谱分析数据的基础上,将模糊理论和神经网络引入电力变压器故障诊断中,提出了新的故障诊断方法,设计了故障综合诊断模型.仿真表明该方法是一种有效可行的方法,提高了故障的识别率,具有实用价值.学习样本越多,所反映的故障类型越全面,则所建立起的故障诊断模型越合理,诊断准确率就越高.     

探究电力变压器故障诊断及检修

本文主要针对某变电站中一起电力变压器故障问题进行分析。分析了电力变压器试验结果,并进行了油色谱分析,结合这两个结果对该故障变压器故障类型进行诊断,然后针对故障问题实行解题检修。     

变压器绕组状态的振动在线监测

提出了运用振动法在线监测变压器绕组的状态来实现变压器绕组故障预警和故障定位的方法.在对振动法测量原理研究的基础上,分析了变压器绕组在变压器运行时的振动与所受电磁力的关系.根据分析所得的振动信号特征,设计了变压器绕组状态的振动监测系统.最后利用该系统对实际的变压器进行相关的振动监测实验,实验结果验证了不同故障时对应的振动信号的特性不同,从而为最终实现变压器绕组故障诊断奠定了良好的基础.     

基于振动法的变压器振动在线监测系统

铁心和绕组故障是变压器故障中比较常见且危害严重的故障,目前对其采用的故障诊断方法主要是离线检测的方法,不够安全方便.针对此问题,研发了一种基于振动法原理的变压器振动在线监测系统,通过振动校验台校验了其精度符合要求,通过对变压器实际监测数据分析得出了变压器的振动特征频率,现场连续多月的监测验证了该系统长期运行的稳定性.该系统补充和完善了传统变压器故障诊断方法.     

一种基于熵值法的配网变压器负荷不平衡故障诊断

现有的变压器故障诊断方法无法快速提取变压器的负荷状态，导致故障诊断算法运行时间较长。为提高运算效率，设计一种基于熵值法的配网变压器负荷不平衡故障诊断方法。排序变压器故障关联度，提取故障模式向量，得到均值化处理的倒数因子。采用熵值法提取变压器负荷状态，建立负荷状态数据处理模型，设计状态更新的采样函数。设计配网变压器故障诊断算法，构建目标函数判断算法是否可以停止迭代。在对比实验中，综合比较四种故障诊断方法的运行时间，通过实验数据可知，该方法所需时间较短，运算速度更快。     

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.     

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。     

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。