基于可拓理论的变压器故障诊断

针对油中溶解气体新导则在变压器故障诊断中存在的问题,分析了变压器故障诊断的可托理论分析方法。电力变压器故障诊断具有复杂性,各种因素的识别和故障类型的划分之间具有不相容性,应用物元分析理论,构建物元矩阵,根据计算出的关联度大小对故障类型进行可拓识别。实际算例分析,验证了本模型的有效性和可行性。     

基于云物元分析原理的电力变压器故障诊断方法研究

变压器油中溶解气体分析(DGA)是电力变压器故障诊断的重要方法。针对物元理论变压器故障诊断方法中,在建立故障模式物元模型时没有考虑边界值的不确定性的不足,首次在变压器故障诊断研究方面引入云模型,结合云模型的不确定推理特性以及物元理论能同时进行定性定量分析问题的优点,提出了一种基于云物元分析原理和DGA相结合的电力变压器故障诊断新方法。通过建立变压器故障诊断的云物元模型和计算特征云物元与标准云物元之间的关联函数,实现对变压器故障模式的有效识别。实例分析验证了方法的正确性和有效性。     

融合集对分析和关联规则的变压器故障诊断方法

结合集对分析和关联规则各自的特点,提出了一种电力变压器故障诊断的新方法。该方法通过分析变压器运行中各故障征兆参数之间的关联性,建立了故障类型集合;通过对比计算关联规则的支持度与置信度,同时引入变权公式,得到故障类型和故障征兆的权重系数,有效避免专家意见或经验的主观性的问题;根据集对分析的可扩展性,采用5元联系度提高变压器故障诊断中处理不确定性因素的精度。实例对比分析表明,与关联规则、集对分析方法相比,该方法具有较好的诊断效果,在多故障问题处理中也表现优异。     

变压器油中溶解气体分析和故障诊断

变压器油中溶解气体分析技术具有操作简单快速、无需设备停电等优点,能够及时发现变压器内部的潜伏性故障,对保证电力系统安全运行具有重要意义。在分析变压器内部主要故障类型的基础上,对变压器油中溶解气体分析与故障诊断方法进行了研究,并结合实际故障案例,对该故障诊断方法的准确性加以验证。结果表明,油中溶解气体分析能够检测出多种高压试验无法发现的缺陷与潜伏性故障,并对故障类型进行初步定性,其分析结果可作为变压器状态综合评估的重要依据。     

PCA和KICA特征提取的变压器故障诊断模型

为了充分利用主元分析(PCA)和核独立主元分析(KICA)特征提取的互补性,提高变压器故障分类正确率,提出了基于PCA和KICA特征提取的变压器故障诊断模型。该模型中,首先,将油中溶解气体分析(DGA)测试样本投影到PCA空间中进行特征提取,采用多核支持向量机(MKSVM)作为分类器进行预分类,采用核密度估计方法估计阈值将测试样本预分类为易识别或难识别样本;对难分类样本则再次投影到KICA空间,采用另一MKSVM作为分类器进行分类识别,实现PCA和KICA双空间特征提取算法;最后,根据故障特征,建立变压器故障诊断模型。实验结果表明,所提出的双空间算法对变压器故障的识别率达到88.61%,比单空间算法和IEC3比值法的识别率分别高10%和24%。     

应用物元模型进行电力变压器故障诊断

基于可拓工程方法中的物元思想和对变压器故障诊断本质的理解，提出了应用物元模型诊断电力变压器故障的新思路。并以铁芯、分接开关和绕组为例，建立了实用的变压器故障诊断模型，该模型以大量的统计数据和深入的故障机理研究为依据，具有较高的可靠性和实用性     

可拓关联函数与属性约简相结合的变压器故障诊断方法

鉴于常用的三比值法诊断变压器故障时会出现"无编码"情况,提出了利用可拓学与粗糙集理论对变压器故障进行诊断的方法。以粗糙集属性约简方法对各种故障类型所需要的属性条件进行初步约简分类,然后建立变压器故障诊断的物元模型,以DGA测试数据作为变压器故障诊断属性集,以变压器标准故障模式作为变压器故障诊断决策集,利用可拓关联函数计算各种故障程度,定义故障取舍规则以确定变压器故障。以某台故障变压器为实例进行分析,其诊断结果与实际情况相符;收集76条变压器DGA信息,利用该方法进行故障诊断,诊断正确率较IEC法乐观。     

基于 HHO参数优化的SVM 变压器故障诊断方法研究∗

为了提高变电信息系统中变压器故障诊断的准确率,针对变压器故障样本较少,采用类内类间距离的可分性测度和相关性分析法确定关键特征向量,将特征向量作为支持向量机的输入样本,建立 SVM 故障分类模型.分析了哈里斯鹰优化算法 (HHO)和粒子群算法 (PSO)的优缺点,提出了基于哈里斯鹰优化算法 HHO 优化支持向量机 SVM 模型的参数.最后,通过真实变压器故障数据进行实验仿真,结果表明所提出的变电站故障诊断方法能够有效识别故障类型,具有较高的准确率和收敛速度.     

基于DGA的反馈云熵模型电力变压器故障诊断方法研究

为了解决变压器故障诊断中存在的随机性和模糊性问题,提出了基于反馈云熵模型的电力变压器故障诊断新方法。通过对大量电力变压器故障征兆及故障类型的统计分析,并将其视作云滴输入贝叶斯反馈逆向云发生器中,得到故障特征气体的云模型参数值,构建变压器故障诊断标准正态云模型。将云关联系数和信息熵理论有机结合起来,降低了对单个标准正态云模型的依赖性,充分挖掘变压器油中溶解气体所包含的故障信息,提高了变压器故障诊断的准确率。通过不断丰富输入样本、修正云模型参数值的方法,可以进一步提高模型诊断效果。实例分析结果表明该模型的故障诊断准确率较高,并具有较好的理论价值和应用前景。     

基于FCM和改进PCA的变压器故障诊断

为了进一步提高基于油中溶解气分析的变压器故障诊断准确率,提出了一种基于模糊聚类和主成分分析的故障诊断方法。该方法首先利用模糊C均值聚类方法对搜集的DGA样本集进行聚类分析,将聚类中心矩阵作为标准故障谱。然后采用改进型主成分分析方法精简样本矩阵信息,通过计算样本主成分间欧拉距离确定故障类型。通过实例验证证明本文方法能有效识别故障类型,且较IEC比值法、改良三比值法等具有更高的准确率。该方法为变压器故障诊断提供了新思路,具有一定的实际应用价值。     

大型电力变压器故障树的构建及分析

故障树是表现一个系统各种故障间逻辑关系的有力工具，然而电力变压器的结构及故障复杂，给故障分析工作带来困难。本文提出以故障模式及影响分析(FMEA)为基础的故障树分析方法，并应用于大型电力变压器。通过FMEA的支持，不仅有助于构建复杂系统的故障树，还可为树的定量分析提供必要的底事件概率数据，为复杂系统的可靠性分析提供一种有效的方法。     

基于粗糙集与支持向量机的变压器故障诊断法

为了及时监测变压器潜伏性故障和准确诊断故障,提出了一种基于粗糙集与支持向量机相结合的电力变压器故障诊断的新方法。该法应用粗糙集理论将专家知识简化,获得简约诊断规则并对变压器进行粗诊断,然后以支持向量机准确的二类分类功能进行准确故障诊断。该方法实现了两种智能算法的有效互补,拥有粗糙集理论的处理不完备信息能力、简单快速以及支持向量机准确的二类分类功能,有效弥补了单一算法的不足,提高了故障诊断的快捷性和准确性,且降低了样本训练时间和诊断的复杂度。实验结果与改进的IEC三比值法比较,表明该方法有效、可行,具有较高的诊断准确率。     

电力变压器灰色关联故障诊断模型的组合权重法

油中溶解气体分析(dissolved gas-in-oil analysis,DGA)是识别变压器故障的重要手段。笔者基于油中溶解气体数据介绍灰色关联理论,给出了基于组合权重变压器故障诊断的灰色关联分析法。在判定变压器故障类型时,各溶解气体其权重不同,利用层次分析法求出各特征气体在诊断变压器故障类型时的主观权重,但各专家通过层次分析法确定指标权重会存在许多主观因素,文中应用灰色关联分析法对其进行调整,消除各专家造成的各指标权重分配不统一,用熵值法确定指标的客观权重,结合熵值法和层次分析法对指标权重值进行综合确定得到组合权重,再将组合权重应用到灰色关联诊断模型中。最后结合实例对诊断方法进行分析讨论,诊断结果表明了该方法的有效性。     

极坐标图像法用于检测变压器绕组的微小辐向变形故障

频率响应分析法一直以来被认为是诊断电力变压器绕组变形故障最具潜力的方式,然而,现有频率响应分析法大多仅利用频率响应的幅值信息,而忽略了其相位变化的特性,针对某些故障类型,例如绕组的微小辐向变形故障,仅利用幅值信息的方法,故障诊断的灵敏度并不高。因此,文中提出一种新的极坐标图像法,利用频率响应构造极坐标图像,进而辅助诊断绕组变形故障。通过开展绕组等效电路模型的算例分析,结论证实在传统频率响应分析法不能反映绕组微小辐向变形故障时,此提出的方法可能更有效地检测出绕组故障,极坐标图像法具有更高的诊断灵敏度。     

基于加权灰靶理论的电力变压器绝缘状态分级评估方法

针对电力变压器绝缘状态评估问题,提出了一种在没有标准故障模型的情况下进行变压器状态分级识别的新方法.本文将加权灰靶理论引入变压器绝缘状态评估中,结合油中溶解气体分析技术,构建了变压器状态评估的算法及实现步骤.运用灰贡献度分析理论解决了变压器绝缘状态评估中各指标的权重问题.同时结合电力变压器实际情况,根据变压器故障按严酷程度的分布提出了变压器绝缘状态分级的方法.实验表明,该方法能够有效地解决在没有标准故障模型的情况下变压器绝缘状态识别的问题,为变压器状态评估提供了一种新的方法.     

基于多线圈耦合的变压器数学模型及其应用

在常用的电力系统稳态故障分析软件中,变压器模型通常按绕组接线组别、中性点接地方式分正序、负序和零序分别给出,造成系统零序网络阻抗参数和正负序不同,因而对多重故障和特殊故障的分析变得困难。而对变压器内部故障,人们通常避免分析,以免除极其繁杂的运算。该文构建了一种用节点导纳阵描述的多线圈耦合的变压器数学模型。它无需区别三序网络,能方便地与用序分量描述的其它系统元件接口,有利于实现电力系统稳态故障分析软件的模块化。该模型在提高计算精度的前提下大大减少了变压器外部故障的计算量,对变压器内部故障,文中也提出了基于该模型的近似算法。在需要对电力网络中任意位置的故障进行仿真计算的软件中,该算法由于编程简单、精度较高而有广阔的应用前景。     

电力变压器状态在线监测和故障诊断的新方法

介绍一种电力变压器绝缘在线监测和故障诊断的新思路，一方面通过在线油色谱分析仪检测6种故障特征气体含量和产气率，运用模糊理论及专家系统等人工智能技术对电力变压器的绝缘状态进行跟踪监测，另一方面尝试用参数辨识的方法进行变压器三相电气量的在线监测，依据变压器绕组结构及参数在故障前后会改变的原理，用参数辨识的方法，进行变压器绕组故障及其故障部位的识别，实现故障局部定位，提高变压器状态监测和故障诊断的准确性。     

加权模糊核聚类法在电力变压器故障诊断中的应用

变压器油中溶解气体分析(DGA)是电力变压器故障诊断的重要方法。针对模糊C均值聚类算法用于溶解气体成分分析时存在的问题,将加权模糊核聚类方法(WFKC)引入到电力变压器故障诊断中,建立了一个新的变压器故障诊断模型。该法首先考虑到样本中不同特征对聚类结果的不同影响,利用基于样本相似度的加权方法对样本特征进行加权,然后将样本从输入空间映射到高维特征空间,在特征空间实现加权模糊核聚类。形成的模型充分考虑了不同特征对聚类结果的不同影响,能有效改善复杂数据集的聚类性能,提高了故障诊断的正确率。案例分析表明,该法能快速有效地对样本进行聚类,从而验证了该法在变压器故障诊断中的有效性和可行性。     

基于可拓分析法的电力变压器本体绝缘状态评估

实现电力变压器状态的准确评估不仅是施行状态检修的核心与基础,同时也是发展智能电网的需要。针对电力变压器故障机理错综复杂和本体绝缘状态具有不确定性,因而难以客观有效评估的问题,以220kV油浸式电力变压器为研究对象,提出了基于物元可拓分析的电力变压器本体绝缘状态评估策略。在对其本体状态评估物元分析的基础上,构造了各评估指标的关联函数,指标关联函数值在正常运行的量变范围内为正,当量变突变到质变时关联函数值取负;通过研究关联函数值与变压器状态的对应关系,探讨了变压器的状态评估策略。实例分析并与其他评估方法比较证明:该方法行之有效,基于物元可拓分析的电力变压器状态评估策略可以为实施状态检修提供参考。