基于多维度分析的换流变预警技术研究与应用

由于换流变设备运行环境和工况的差异性,相关运维规范设定的阈值在设备异常诊断方面具有一定的局限性.从工程实际应用出发,提出一种换流变多维度分析和预警方法,针对换流变重点监盘的关键参数建立温度、油位和冷却能力的多维度分析算法,对换流变当前状态进行评价.在多维度分析的基础上,提出基于长短期记忆网络的油温预测算法,实现换流变运...     

基于卷积网络的GIS局部放电缺陷诊断方法与应用

局部放电检测信号是判断GIS设备是否存在绝缘缺陷的重要判据,变电站复杂电磁信号干扰增加了现场局部放电模式的识别难度,易造成误报.因此提出了一种基于卷积网络的GIS局部放电缺陷诊断方法,将干扰下的检测图谱作为模型识别中的一种输出类型,研究基于VGG-16结构卷积神经网络的局部放电模式识别算法,利用迁移学习对模型参数进行初...     

基于带电检测的变电设备差异化运维策略研究

随着带电检测大规模的应用,海量检测及运维检修数据未得到充分利用,不能指导和优化运维周期.提出基于检测数据的设备状态评价和全站状态评价方法,形成基于历史数据和风险度指标的设备和全站风险排序,依据变电站的运行状况和缺陷危急程度制定不同的策略,辅助现场运维.通过对实际检测数据的统计分析,结果表明提升了设备运维效率和质量.     

基于LSTM算法的变电设备发热预测技术研究

单纯依靠温差阈值仅能判断设备的当前状态,无法对其发热趋势进行跟踪预测。环境温度和负载升高,有可能导致设备绝对温度的进一步升高,缺陷由一般发展为严重缺陷,因此需新的手段对变电设备热点温度进行预测。为解决上述问题,利用长短期记忆网络(Long Short Term Memory,LSTM)构建变电设备热点温度预测模型,对电网运行历史数据、环境气象历史数据、缺陷和故障历史数据及检测、试验、监测等状态历史数据进行大量样本的训练学习,基于深度神经网络算法拟合多源因素与设备热点温度的关联关系,实现设备热点温度状态发展趋势和缺陷严重程度的动态预测。最后通过变电站设备实际运维检测数据分析验证算法的可行性。     

变电站工频磁场干扰对泄漏电流传感器准确度影响研究

文中在某1 000kV特高压变电站测试了避雷器泄露电流传感器的实际运行问题:采集数据误差过大、变化剧烈.针对1 000kV特高压变电站避雷器泄漏电流数据采集不准确的问题,在变电站电抗器区域搭建试验环境,验证避雷器泄漏电流传感器采集精度受工频磁场影响,工频磁场强度越大,避雷器泄露电流传感器采集误差越大,两者近似线性关系....     

基于小样本及贝叶斯推理的避雷器缺陷分类技术

不同设备和缺陷发生概率的差异性导致避雷器缺陷样本具有小样本特点,难以训练准确的预测模型.仅依靠避雷器监测指标及阈值判断缺陷,很难识别出避雷器监测数据未超限值平稳增长时的异常状态.因此提出一种基于小样本数据及贝叶斯推理的避雷器缺陷分类方法,扩展数据维度,建立多阶段信息的缺陷诊断模型,利用贝叶斯推理算法,计算不同特征量下缺陷原因类别的概率.根据新的检测证据更新不同特征量下缺陷原因类别的概率,从而识别缺陷原因.算法基于新的检测数据和标注结论,自动调整模型中关于设备缺陷和原因的先验概率指标,保证缺陷原因分类准确率.利用某电力公司避雷器运维数据和在线监测系统,分析和验证了本文所提方法的有效性和正确性,为避雷器运维提供有效支撑.     

换流站阀厅设备表面污秽多维度分析和预警北大核心CSCD

分析影响阀厅运行环境参数温度、湿度、粉尘、污秽度的因素,通过搭建换流站阀厅设备表面污秽多维度模型,采用时间序列的趋势分析和横向对比算法对设备表面污秽进行预测,并制定了设备表面污秽度评价模型。在肇庆换流站搭建在线监测系统,结合预测评价模型,实时监控换流站阀厅环境,对换流站阀厅设备表面污秽度进行分析和预警。