变压器信息融合故障诊断技术

基于变压器故障诊断特点与要求，运用信息融合理论和技术，提出具有数据采掘功能的基于信息融合技术的变压器故障诊断系统的模型．系统阐述模型中各关键技术实现方法，并通过实例对信息融合技术在变压器故障诊断中的应用进行分析。     

基于信息融合的大型油浸电力变压器故障诊断

由于大型电力变压器具有互补性，冗余性和较强的不确定性等特点，该文将信息融合的基本思想引入到变压器的故障诊断中，在信息融合的基本框架下，利用反向传播人工神经网络和证据推理技术，建立了一种新型的油浸式电力变压器故障综合诊断的多级决策融合模型，该模型将油中溶解气体分析与常规电气试验的结论紧密结合起来，并充分借鉴现场的运行，诊断和维修经验，具有较强的知识表示及不确定性处理能力。     

基于信息融合技术的变压器多层次故障诊断

鉴于电力变压器自身结构复杂,运行环境多变的特性,传统的单一信息来源确定变压器故障类型存在较大的局限性。因此将信息融合技术引入变压器故障诊断中,将变压器故障诊断分为两个融合层次,第一层利用DGA数据确定过热故障和放电故障,第二层利用电气数据确定具体故障位置或原因,两个融合层次所用智能算法均为改进后的BP神经网络算法。最后通过实例分析,证明该方法的有效性。     

信息融合技术在变压器故障诊断中的应用

为满足变压器故障诊断的要求,运用信息融合技术,提出了具有数据挖掘功能的变压器故障诊断系统的一般模型,系统地阐述了模型中关键技术的实现方法,并通过实例进行了分析。     

基于量子神经网络信息融合的变压器故障诊断

针对电力变压器故障的多样性和故障信息的不确定性、数据量大及无规律性的特点,提出了基于量子神经网络信息融合的故障诊断方法.将多个电力变压器故障参数信息引入到各子量子神经网络进行局部融合诊断,再将各局部诊断信息引入决策融合网络进行全局融合,最终诊断出5种电力变压器故障并给出可信度评价.实验仿真结果表明:量子神经网络信息融合...     

基于量子神经网络信息融合的变压器故障诊断

针对电力变压器故障的多样性和故障信息的不确定性、数据量大及无规律性的特点,提出了基于量子神经网络信息融合的故障诊断方法.将多个电力变压器故障参数信息引入到各子量子神经网络进行局部融合诊断,再将各局部诊断信息引入决策融合网络进行全局融合,最终诊断出5种电力变压器故障并给出可信度评价.实验仿真结果表明:量子神经网络信息融合方法有效,诊断结果可靠,能将不确定性的数据合理地分配到各类故障模式中,故障正判率达到97.78％,远高于BP神经网络信息融合及改良IEC三比值法.     

变压器故障诊断中信息融合技术的应用

电力变压器的可靠性直接影响供电的稳定,为此结合电力变压器故障诊断的具体情况,从信息融合的角度提出了基于信号类型及不同特征向量组合的集成诊断模型。该模型利用基于故障机理内在因素的专家系统,采用匹配知识规则,通过模糊推理,得特征向量与变压器故障信息间的关联性质,完成故障诊断,且诊断完成后,利用数据挖掘技术将诊断过程中的特征量、推理过程、结果以编码形式存入专家系统规则库。该模型将油中溶解气体、电气参数等特征量结合作为故障判据,评估变压器状态,并利用评估结果丰富专家系统的规则库。在讨论了多传感器信息融合技术用于变压器在线故障诊断时的具体实现方法后通过实例进行分析说明:利用来自传感器的各种故障信息进行融合,作为变压器故障诊断的判据,提高了诊断的可靠性和准确性,这将对提高电网安全性能及电气设备的诊断自动化与智能化水平起到推动作用。     

基于多维度信息融合的实用型变压器故障诊断专家系统

针对由于变压器结构复杂而导致其故障诊断的快速准确判断越来越依赖于大量信息的融合处理的情况,建立了基于多维度信息融合的实用型电力变压器故障诊断专家系统。首先分析多维度信息融合模型结构,给出基于因子分析计算各维度信息融合权重的方法,再构建基于多维度信息融合的专家系统,分析该专家系统的诊断流程,对多维度信息的识别、选择和判断进行了研究,最后结合110 kV变压器案例进行验证。结果表明,该专家系统逻辑简单、诊断精度高、诊断快速,可嵌入智能终端装置,为现场工作人员提供智能专家诊断。     

变压器故障诊断与多传感器信息融合

运用多传感器信息融合理论和技术 ,针对电力变压器故障诊断的特点与要求 ,提出了基于融合技术的变压器故障诊断信息处理系统的一般结构和变压器故障诊断决策模型。并对信息融合技术应用于变压器状态的实时监测的应用前景进行了初步探讨     

信息融合技术在电力变压器故障诊断中的应用

根据变压器运行原理和结构特点,将信息融合思想引入到变压器的故障诊断中,建立基于信息融合技术的故障诊断模式,即通过曲面拟合算法和证据推理技术从不同侧面,充分利用各种特征信息对变压器的故障进行诊断,来有效地提高确诊率。     

基于信息融合的变压器故障多级诊断方法

建立了基于信息融合的变压器故障多级诊断模型,该模型融合了在线监测、油中溶解气体、电气试验等多源数据信息。采用自适应遗传算法优化的小波神经网络对变压器故障进行初级诊断,通过改进D-S证据理论对初级诊断结果进行决策级融合,实现对变压器故障的深度诊断与定位。通过应用实例证明,该方法可以有效提高变压器故障诊断的精度和可信度,减小诊断的不确定性。     

基于深度信息融合的小电流接地故障选线

基于信息融合技术的小电流接地故障选线方法当信息融合效率低时,将直接影响接地选线的准确性。分别利用傅里叶变换(FFT)和经验模态分解(EMD)对稳态和暂态的零序分量特征进行分析,通过建立故障测度函数,计算出线路故障测度;利用信息增益度,建立各种选线方法的故障测度;利用线路和方法故障测度得到最终的样本故障测度。把样本故障测度作为特征输入量,利用单纯形法(SM)优化参数的最小二乘支持向量机(LSSVM)算法进行深度信息融合选线。仿真结果表明上述方法应用于选线中具有很高的准确率和灵敏度。     

基于模糊积分融合技术的变压器故障识别

提出了一种基于模糊积分融合技术的变压器故障诊断新方法。首先建立三比值的隶属函数并对三比值数据进行模糊预处理,再用4个不同的径向基函数神经网络进行故障识别,最后利用模糊积分融合方法将4组诊断结果进行融合处理,得出诊断结果。仿真实例表明这种方法比单个人工神经网络具有更高的故障诊断性能。     

信息融合技术在故障选线中的应用

接地故障选线是小电流接地系统中长期存在的难题 ,通常采用的单一故障选线方法只对部分故障信息进行处理 ,选线的可靠性不高。文中把信息融合技术应用于故障选线 ,融合各种故障信息 ,综合各种故障选线方法 ,提出了基于馈线保护的故障线路模糊识别技术及基于配电自动化的故障线段聚类识别技术。EMTP仿真结果表明这些基于信息融合的故障选线方法具有很高的精度和鲁棒性     

信息融合技术在故障选线中的应用

接地故障选线是小电流接地系统中长期存在的难题,通常采用的单一故障选线方法只对部分故障信息进行处理,选线的可靠性不高.文中把信息融合技术应用于故障选线,融合各种故障信息,综合各种故障选线方法,提出了基于馈线保护的故障线路模糊识别技术及基于配电自动化的故障线段聚类识别技术.EMTP仿真结果表明这些基于信息融合的故障选线方法具有很高的精度和鲁棒性.     

一种结合DS证据信息融合的变压器故障诊断方法

基于变压器油中溶解气体分析,对运行变压器故障类型及故障部位进行了诊断.     

基于辨识模型的变压器故障诊断方法研究

提出了一种基于辨识模型的电力变压器绕组变形和铁心松动的故障检测方法。根据变压器的运行特点,结合其正常状态和故障状态下不同的振动特性,利用安装在变压器表面的振动传感器监测振动信号,对振动信号进行频谱分析,并根据振动特征频谱判定变压器中是否存在绕组变形和铁心松动故障,实例验证了该方法的正确性。