变压器油中水分在线监测的神经网络计算模型

为了对变压器油中的微水含量进行在线监测和建模计算,介绍了变压器油纸绝缘中水分的分布和利用聚酰亚胺薄膜电容式湿度传感器在线监测变压器油中微水含量的原理并在变压器油中微水含量监测的相关理论基础上,提出了一种基于神经网络的在线监测计算模型以评估变压器油中的微水含量。比较油中微水含量的计算值与测量值证明,采用该模型能够发现变压器中导致油中水分异常变化的故障。实际测试结果表明该模型能很好地反映变压器油中水分的实际情况。     

MGA2000-6系列变压器色谱在线监测系统在500kV玉林变电站的运用

本文介绍了一种高可靠性在线监测设备—MGA2000-6系列变压器色谱在线监测系统的性能、原理及在500kV玉林变电站的运用情况和存在问题。MGA2000-6变压器色谱在线监测系统对及时发现变压器内部故障，避免事故的发生具有十分重要的意义。     

一种配电变压器绕组变形故障的在线监测新方法

针对电网对变压器绕组健康状态在线监测的需求,提出了一种新的变压器绕组变形故障在线监测方法。通过在线测量两种不同负荷下一次侧和二次侧的电压电流,计算出变压器的短路电抗值,进而反映变压器绕组变形情况。此方法的突出优势在于无需空载调零,不受激磁电流变化影响,不受运行中配电变压器一次侧电压随电网电压波动的影响且精度很高。将所提方法应用于不同容量的配电变压器,仿真结果显示该方法能够精确有效地在线测量正常变压器和有不同程度变形故障的变压器的短路电抗值,从而实现配电变压器绕组变形故障的在线监测。依据本方法的特点,设计了实现短路电抗在线监测所必需的数据采集模块和分析模块。     

变压器早期故障在线监测装置的应用

变压器早期故障在线监测装置是实现变压器状态维修技术的一个关键设备，其中变压器油色谱分析是检验变压器设备故障较成熟和有效的方法，但它也存在一些不确定的因素，要依靠实践不断取得经验。苏州供电局在所辖的21个220kV变电所中安装了智能型变压器早期故障在线监测装置，几年的运行取得了一定的经验，对此，进行了分析。     

主变在线监测装置缺陷导致轻瓦斯报警事件的分析

油色谱在线监测装置是大型充油设备早期异常预警的有效手段，目前在110 kV及以上变压器上得到了广泛应用。通过对一起500 kV变压器轻瓦斯告警事件中变压器本体及油色谱装置进行原理分析、试验排查和模拟复现等，锁定缺陷原因为油色谱在线监测装置因程序错误，在油循环过程中产生气泡，长期运行过程中不断向变压器本体注入空气，当油中气体饱和后溢出至气体继电器，最终导致轻瓦斯告警。对该类缺陷原因进行深入分析，给出了相应运维建议：油色谱在线监测厂家要增加逻辑闭锁，确保不发生异常产气；运维单位应加强入网检测、装置校验并定期开展主变压器油中含气量测试，防止由于油中含气量一直上升，最终引发变压器轻瓦斯告警。     

绝缘油在线监测在变压器故障诊断中的应用

变压器油中各种气体含量与变压器故障及其严重程度紧密相关,利用绝缘油在线监测技术能实时观察、监测运行中的变压器油中各种气体含量,从而有助于分析、判断变压器内是否存在故障以及故障的发展趋势,更好地保障变压器安全稳定运行。结合两起变压器故障,探讨绝缘油在线监测在变压器故障诊断中的应用。     

变压器油中溶解气体色谱在线分析

利用气相色谱分析方法进行变压器在线监测是利用变压器油中溶解气体组分和浓度的变化,判断变压器内部的缺陷和故障的存在。     

在线监测发现变压器故障的实例分析

对某电厂1号变压器油中溶解气体在线监测仪的可燃性气体总量及增长速率超报警设定值取油样进行色谱分析,判断变压器存在过热性故障。停电检查,发现高压引线烧断,说明变压器油中溶解气体在线监测仪的有效性、准确性、重要性。     

变压器绕组变形在线监测的研究

阐述了用测量变压器短路电抗就可判断变压器绕组是否变形的观点，基于变压器绕组变形在线监测的理论研究，探讨了在线测量变压器短路电抗的方法，研制了变压器短路电抗在线测量系统，某变电站投入运行，研究结果表明在线测量方法具有较高的准确度和良好的稳定性，变压器运行条件及外外部因素的变化对于其短路电抗的测量影响很小，所研制的系统能为运行中变压器绕组的变形情况提供实时而准确的指标。     

变压器油中溶解气体在线监测预警策略研究

针对目前变压器在线监测预警策略中存在无等级区分和分析指标单一的缺点,提出一种综合考虑变压器油中溶解气体体积分数和绝对产气速率的在线监测预警策略。该策略将预警分为正常、注意、异常和故障4个等级,并依据体积分数和绝对产气速率进行二维编码以区分变压器的故障程度。将该策略应用于某变电站3号变压器的在线监测分析,结果表明该预警策略可及早发现变压器故障并有效跟踪其发展状况,为设备检修提供参考依据。     

基于模糊C均值支持向量机的直流电机故障模式识别

提出了一种基于模糊C-均值的永磁直流电机故障模式识别方法。首先通过模糊C-均值聚类算法对无类别标识的故障样本数据进行模糊划分,并根据模糊聚类的隶属度矩阵,判断定位每一样本数据的所属类,并定位样本数据中的野点,消除野点后,再利用基于支持向量机的模式识别方法对模糊划分后的数据进行训练。研究结果表明:该方法解决了永磁直流电机故障在线监测与诊断中缺少已知类别标签的训练样本问题,抑制了复杂环境中噪声,提高了含有大量噪声数据的永磁直流电机在线故障识别精度。     

基于集合论估计的电网状态辨识 (四)离群点识别

首先从相容性的角度,对离群点的性质进行分析,提出不相容离群点和相容离群点的概念,并指出可能的离群点集合应包含不相容离群点和相容离群点两类离群点。进一步,提出状态辨识中离群点识别的两步法,即先识别出所有可能的不相容离群点集合,而后对可能的相容离群点进行筛分。对于不相容离群点,结合电力系统多层多级的网架结构,提出分层分级的不相容离群点搜索算法,使得搜索过程局部化,从而减小搜索空间,提高搜索效率。对于相容离群点,提出基于灵敏度的识别方法,可有效识别对解集影响最大的相容离群点,避免搜索起作用测点带来的组合爆炸问题。     

Electromechanical Mode Online Estimation Using Regularized Robust RLS Methods

This paper proposes a regularized robust recursive least squares (R3LS) method for online estimation of power-system electromechanical modes based on synchronized phasor measurement unit (PMU) data. The proposed method utilizes an autoregressive moving average exogenous (ARMAX) model to account for typical measurement data, which includes low-level pseudo-random probing, ambient, and ringdown data. A robust objective function is utilized to reduce the negative influence from nontypical data, which include outliers and missing data. A dynamic regularization method is introduced to help include a priori knowledge about the system and reduce the influence of under-determined problems. Based on a 17-machine simulation model, it is shown through the Monte Carlo method that the proposed R3LS method can estimate and track electromechanical modes by effectively using combined typical and nontypical measurement data.      

基于高斯混合模型的光伏发电出力中高比例异常数据检测方法研究

光伏发电出力中的高比例异常数据具有相互重叠、多高斯分布的特点,如何精确地剔除光伏发电出力中的高比例异常数据是实现光伏功率精确预测的关键问题.文章分析了光伏发电出力中高比例异常数据的特点,并研究了一种基于高斯混合模型的光伏发电出力高比例异常数据检测方法.建立了高斯混合模型的算法模型,使用期望极大算法(Expectatio...     

基于类加权支持向量机的永磁直流电机故障模式识别方法

该文针对永磁直流电机故障在线诊断中存在类样本数目不平衡、误判损失不等、在线样本数据缺少类别标识等问题,通过对支持向量机数学模型中的误差惩罚因子进行加权,构建了一种基于加权支持向量机的永磁直流电机故障模式识别算法。理论分析和实验结果表明:该算法可以提高小样本类(故障样本类)诊断精度,降低误判损失。     

基于人工神经网络的电力负荷坏数据辨识与调整

电力负荷坏数据辨识应充分考虑负荷曲线本身的特征。先用Kohonen网对日负荷曲线进行聚类,产生各类的特征曲线;然后用特征曲线及由此产生的含有坏数据的曲线形成的样本集对BP网进行训练,利用BP网的泛化能力,使之具备对本类曲线进行坏数据精确定位的能力;最后利用特征曲线进行坏数据的调整。该方法能够做到离线训练,在线辨识,实例分析取得了良好的效果。     

一种自适应线性预报的数据检择方法

为剔除动态测量过程中实时观测数据中出现的野值,以提高后续处理精度,在充分分析实时观测数据特性和野值特征的基础上,提出了一种自适应门限的五点线性预报数据检择方法。经仿真数据和实测数据检测,并与α-β预报和固定门限方法进行比较,所提出的方法不但大大降低了检择虚警率,而且使成片野值检择正确率提高30%以上。证明提出的方法无论在可靠性上还是有效性上都优于原有方法,具有较强的工程稳定性,能有效剔除孤立野值和连续成片野值。     

自适应抗野值Kalman滤波

针对Kalman滤波中存在量测野值的特点,依据滤波基本理论,提出了残差变化率概念.将残差变化率引入到野值判定标准中,根据量测值变化率的大小自动调整判断阀值,给出了判别野值的检验方法.由于采用了测量与估计的动态信息,使得野值的判定更为准确,并采用替代的方法对单个或连续野值加以修正,保证了Kalman滤波精确度与数据的连续性.仿真结果表明,当量测值出现较大变化时,这种方法能有效提高系统对野值的检测准确度和滤波精确度.     

基于密度分簇的长周期监测数据异常识别方法

针对水工结构长周期监测数据野值识别中存在分布假设难以满足、野值点数量受限和野值难以有效量化的问题,提出了以改进局部异常系数算法为基础的密度分簇局部异常识别方法.该方法将长周期监测数据集分为极端簇、野值簇和正常簇,在每个簇中以不同方式赋予异常可能性,得到了综合考虑自变量和效应量的异常可能性时序图,实现了水工结构长周期监测...     

支持向量机在电能质量间谐波分析中的应用

针对间谐波不易检测的特点,提出了一种基于支持向量机的电能质量检测方法,并结合算例予以分析。仿真结果表明,该方法能够有效地消除异常值影响,使算法对异常值具有稳健性,有比较高的分析精度。