谐波激励下电力变压器振动特性分析

本文对电力变压器振动的产生与传递原理进行了分析,从变压器模态测量平台、各阶模态对应的频率与振型两个方面,讨论了与变压器整体固有模态特性有关的内容。在此基础上,本文围绕A相短路振动特性、B相短路振动特性、空载试验下变压器振动特性三个方面,对短路试验下的变压器振动特性展开分析,为相关从业人员提供一定的参考。     

基于振动信号法的变压器绕组状况诊断

振动法是诊断变压器运行中潜伏故障的一种有效手段,能够检测出故障绕组及铁芯的状态。以振动法为基础,通过施加一激励源来激励变压器绕组振动,再利用振动速度总振级和振动速度烈度指数2个函数来反映激励后绕组振动信号的变换特征,以此来诊断绕组的状况。试验研究结果验证了该方法的可行性和有效性。     

基于频谱谐波技术的振动时效应用研究与实践

针对某型号柴油机机体存在的微量变形及缸套安装底孔尺寸和主轴承孔同轴度超差的问题,在对几种时效工艺分析的基础上采用了基于频谱谐波技术的振动时效工艺。介绍了振动时效工艺方案、过程以及最终效果,并对该时效工艺的经济性做了评估。结果表明:采用该时效技术不仅解决了机体这种大型薄壁框架式铸件存在的微量变形问题,且在保证生产周期的前提下节约了大量的人力、物力。目前该技术得到了推广应用。     

基于多模型级联的油浸式电力变压器故障诊断方法

为充分考虑不同诊断模型间数据信息提取的差异性,发挥不同诊断模型的优势,本文基于集成学习思想提出一种双层级联的变压器故障诊断模型构建策略。首先利用无编码比值方法对油中溶解气体数据进行特征提取,然后利用第一层中的4个分类器对比数据并行分类,最后利用第二层分类模型对第一层模型的组合诊断结果进行特征提取,得到最终的诊断结果。案例验证结果表明,相较于支持向量机、分类回归树、K近邻和朴素贝叶斯4种第一层分类器,级联模型在每一种故障类型上的分类精度都达到了四个单一分类器的最优或次优水平,在综合识别准确率上分别提升了6%,24.8%,8.96%,4.99%。     

基于小波包能量熵的变压器振动信号特征研究

利用小波包分解原理将变压器振动信号分解到不同的频段中,然后计算各频段的能量熵值,最后根据该能量熵值来对变压器绕组进行故障诊断。试验结果表明,该方法能够突显变压器绕组的故障特征信息,为变压器绕组的早期故障的诊断奠定了坚实的基础。     

基于KPCA与IHHO-LSSVM的电力变压器故障诊断方法研究

为提高电力变压器故障识别精确度,提出基于核主成分分析(Kernel principal component analysis,KPCA)与改进哈里斯鹰算法(Improved Harris hawk algorithm,IHHO)优化最小二乘支持向量机(Least square support vector machine,LSSVM)的电力变压器故障诊断方法。首先,利用核主成分分析对变压器原始故障数据进行预处理,去除冗余数据;其次,结合Sigmoid变形函数以及点对称策略改进传统哈里斯鹰算法(HHO),并与HHO和遗传算法(Genetic algorithm,GA)进行性能对比,证明求解精度和网络收敛速度有所提升;最后,采用IHHO对LSSVM的相关超参数进行优化求解,获取KPCA与IHHO-LSSVM相结合的变压器故障诊断模型。结果表明所提模型的诊断精度为95.6%,同其他故障诊断模型相比分别提高了8.9%、16.7%,证明了所提方法能够有效地提升变压器故障诊断性能。     

一种融合FRVM和DBN的变压器故障诊断方法

为了提高变压器故障诊断精度,提出了一种将快速相关向量机(FRVM)与深度信念网络(DBN)相结合的变压器故障诊断方法,即将油中溶解气体的比值作为输入参数,建立气体与故障类型之间的映射关系,考虑到DBN需提取的特征信息数量巨大,先用FRVM将放电和过热故障分离,减少DBN所需提取的特征信息,然后利用DBN实现进一步的故障诊断,输出为对应故障类型的概率,并将该方法与小波神经网络和支持向量机进行对比。结果表明,所提方法正确率最高,并能分析问题的不确定性,具有诊断多重故障的能力。     

基于哈密尔顿原理和谐波平衡法研究带冠叶片的振动特性

建立自带平行四边形叶冠的等截面直叶片模型来研究系统参数对叶片振动特性的影响,其中直叶片被等效为一个欧拉伯努利梁,叶冠部分被视为一个与叶顶固连的集中质量,叶冠之间碰撞的接触力则引入弹簧模型来定义.根据哈密尔顿原理推导出系统动力学方程,再采用谐波平衡法将叶冠间的压力和摩擦力转换为等效刚度和等效阻尼,得到汽轮机自带冠叶片等效...     

基于气体组分比组合的变压器故障诊断方法研究

油色谱分析是判断变压器内部故障的有效方法,但传统油色谱分析方法的准确度有待提高。提出了一种基于气体组分比组合的变压器故障诊断新方法,将氢气、甲烷、乙炔、乙烯和乙烷等5种气体组成10组气体比值,从中选择了6组气体比值作为故障识别的基本参数,在此基础上将这6组气体比值组成15组气体比值组合,从中选择3组最有效的气体组分比组合作为故障分辨的特征参数,并划分了故障判别区域。通过对比试验表明,该方法的准确性高于Doernenburg、Rogers、IEC等传统油色谱分析方法。     

基于粒子群优化支持向量机的变压器故障诊断

针对支持向量机(SVM)用于变压器故障诊断中模型参数具有不确定性的问题,采用粒子群优化(PSO)算法对支持向量机参数进行优化,减少了模型参数的不确定性。故障数据测试表明,PSO能快速、准确地优化SVM参数,二者的结合可有效完成变压器故障分类,并取得较为满意的效果。     

基于气缸盖振动信号的柴油机故障诊断研究

在3110柴油机的1号缸上进行了气门间隙变化、断油等故障的模拟试验研究.分别在正常情况及各故障情况下测取了缸盖振动信号,对信号进行时域分段,分别用时域、频域及小波分析方法对信号进行了分析,提出了故障时频特征的提取方法,并用模糊聚类方法进行了分类分析.对正常情况(气门间隙0.3 mm)、断油故障、气门间隙过小(0.1 mm) 、气门间隙过大(0.9 mm)等4种情况的80组数据的分析结果表明,大部分数据分类效果较理想,错误率仅为6.25 %, 断油故障数据分类完全正确.对进气门间隙为0.1 mm、0.3 mm、0.9 mm的3种工况的60组数据进行了模糊聚类分析,取进气门落座信号,用绝对值均值、有效值及峰值作为特征值,分类结果完全正确.     

基于漏磁通的干式变压器匝间故障诊断

提出了一种在干式变压器在线运行条件下进行低严重度匝间故障的检测方法,所提出的方法仅需变压器外支处的磁芯漏磁通的基本分量。接着根据所提出的分析模型进行理论分析,并在10 kVA变压器样机上进行实验验证,以评估所提出的方法在不同故障严重程度下的性能。最后采用制造的样机健康监测装置评估了所提出方法的实时故障检测能力,结果表明：在3个基本周期内可以检测到150匝中低至2匝的匝间故障,该方法不受负载和电源电压不平衡条件的影响,检测能力与基于差分负序电流的传统技术相当,但减少了三相三绕组变压器所需传感器总成本的93%。     

基于振动信号分析的发动机气门间隙异常诊断

通过对发动机振动信号基本特性的分析,确定了发动机振动的主要激励源和传播途径。并采用时域,频域的分析方法对故障特征信号进行分析,从而得到气门间隙异常状态的信息。在此基础上,提出了一种简单有效的诊断方法。     

基于振动信号分析的发动机气缸壁间隙异常诊断

以DA462型发动机缸壁表面振动信号为研究对象,对发动机的主要激励源和传播途径进行了研究,在时域和频域上对实验所测得的信号进行分析,从而得到缸壁间隙异常状态的信息。在此基础上,提出了一种简单有效的诊断方法,能够对发动机的故障进行较准确的诊断。     

基于支持向量机的汽轮机振动故障诊断系统

以MATLAB为开发平台构建了一套汽轮机振动故障诊断系统.该系统以支持向量机算法为核心,并通过建立支持向量机多分类模型对汽轮机常见故障进行了精确的诊断.     

基于DTW技术的电站故障诊断

传统的基于Euclidean距离的相似搜索无法处理电站DAS信号之间存在相位差的问题。基于DTW距离的相似搜索可有效地解决上述问题,提高DAS序列数据的分类精度。通过两个实际应用案例,验证了DTW技术在电站故障诊断中的有效性。     

汽轮机振动分析及故障诊断

采用状态监测技术和信号分析的手段对汽轮机机组进行了振动分析和故障诊断。通过实验和对现场测试信号的频谱分析，确定了故障的类型和振动异常的主要原因。结合工程实际提出了大修方案。方案实施后，振动大大减小振幅符合国家标准。     

基于加权灰关联度分析的水轮发电机组振动故障诊断

针对水轮发电机组振动故障原因复杂、特征参数多的特点,将模糊层次分析法和灰关联相结合,并引入模糊合成运算,较好地解决了寻找样本中各故障原因困难的问题。实例分析结果表明,该方法可有效诊断出水轮发电机组振动故障的原因,具有一定的适用性。     

基于状态评价的风力发电设备故障诊断系统的研制

基于状态评价的风力发电设备故障诊断系统,通过实时监控表征风力发电设备运行情况的状态量,依据风力发电设备状态评价导则,对风力发电设备进行状态评价,并依据状态评价的结果,对潜在故障进行诊断分析。同时给出相应的运维策略,通过早期故障预测,变事后维护为事前检修,科学合理地安排检修计划,极大地提高了风力发电设备的运维效率,降低了机组的维护成本,保证了风力发电机组的可靠稳定运行。依据此方法研制的风力发电设备故障诊断系统,已成功应用于南方电网超高压输电公司检修试验中心。实践证明,该方法有效地提高了风力发电设备故障诊断的实时性与准确性。