基于加权K近邻算法的变压器故障诊断

该文将K近邻分类方法引入基于溶解气体法（DGA）的变压器故障诊断中。并针对经典K近邻方法（K-NN）存在的缺陷,提出根据待分类样本和近邻样本的距离来加权的改进方法。最后通过仿真验证了该方法的有效性。仿真表明,当K的取值在一定范围内时,经典的K-NN算法和加权的K-NN方法都具有比较高的准确性,且加权的K近邻方法比经典的K近邻法体现出了更好的性能。     

基于贝叶斯优化随机森林的变压器故障诊断

针对集成学习参数众多,缺乏高效准确的参数寻优方法的问题,文章提出了基于贝叶斯优化随机森林(RF)的变压器故障诊断方法.该方法采用了多个决策树构成RF故障诊断模型,然后将高斯过程(GP)作为概率代理模型、提升策略(PI)作为采集函数,构建贝叶斯优化(B0)算法,进行RF模型参数寻优.此外,还对支持向量机(SVM)和K最近...     

云广±800kV直流输电工程换流变压器油中产气现象分析

云广直流工程极Ⅱ单极投运后,穗东站3台HY型800 kV换流变压器的主油箱油中先后出现微量C2H2等特征气体。针对这一现象进行分析,认为上述油中产气的可能原因为:OLTC切换经过中间档位时,极性转换开关动作过程中其触头间发生悬浮电位放电导致C2H2等特征气体产生。从OLTC机理上看这种情况不可避免,只要产气现象不趋严重,换流变压器可安全运行。但这种产气现象可能会对于发现换流变压器油溶解气体的真实故障造成障碍,因此,有必要对换流变压器油的进行长期色谱跟踪分析。     

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.     

基于支持向量机和DGA的变压器状态评估方法

电力变压器老化、故障机理复杂,具有不确定性,难以进行准确的状态评估,故提出了一种基于支持向量机的二叉树多级分类器变压器状态评估方法,该模型以变压器油中溶解气体的含气量和产气速率为评价指标,结合<电力设备预防性试验规程>和<变压器油中溶解气体分析和判断导则>制定了半梯形百分制评分模型对选定的评价指标进行评分;将变压器状态分为良好、一般、注意、较差4种状态,利用从变压器历史试验数据库中归纳整理的样本分别对三级支持向量机分类器进行训练,经过训练的分类器能够正确判断出变压器所处的状态.实例分析结果表明该方法的有效性和实用性.     

基于改进模糊ISODATA算法的变压器故障诊断

模糊ISODATA算法在基于变压器DGA的故障诊断中存在一些问题。如:模式空间的划分缺乏依据,聚类分析时没有考虑各种气体成分对故障反映的灵敏度等。笔者对此进行了改进,引入了一个描述不同气体成分对故障反映灵敏度的指标权向量,并在每次迭代运算之后对聚类中心进行分解和合并处理。利用改进的ISODATA算法对3起变压器故障进行了分析,得到了比较高的判断准确度。     

信息融合在变压器油纸绝缘局部放电识别中的应用

局部放电会引起变压器绝缘的老化和破坏,而变压器局部放电特性的研究能够很好反应变压器潜伏性缺陷,对其安全可靠运行具有重要意义,因而设计制作了模拟变压器沿面放电、气隙放电和电晕放电的3种缺陷模型,采用升压法进行相应的放电试验,通过分析油中溶解气体在局部放电发展过程中的变化规律,寻找出油中产生气体与不同局部放电的对应关系。引入局部放电的最大放电量相位特征谱图Hqmax(φ)和放电次数相位特征谱图Hn(φ),并提取基于谱图的统计特征参量,构建反向传播(back propagation,BP)神经网络和径向基函数(radical ba-sis function,RBF)神经网络对局部放电的放电类型进行初级识别,在此基础上,应用信息融合方法将初级识别结果融合油中产气特征以综合识别局部放电类型。实验结果表明,同一种溶解气体在不同放电模型中发展变化趋势是不一样的,根据统计特征参量和油中溶解气体变化规律,应用信息融合方法对变压器局部放电模式具有足够的识别能力。     

基因多点交叉遗传算法在变压器故障诊断中的应用

文中提出了一种基因多点交叉遗传算法,设计了基于该遗传算法、自动调整网络参数、连接权重和偏差的最优神经网络,建立了一套集溶解气体分析(DGA)技术、遗传算法和神经网络为一体的变压器故障诊断系统.由于基因多点交叉遗传算法的全局搜索能力和神经网络的高度非线性映射属性,文中的故障诊断系统能够较好地自动识辨变压器油中溶解气体与故障的对应关系,离线试验和现场运行结果表明,该诊断系统对变压器的过热、放电和受潮等故障诊断有一定的准确性.     

基于油色谱监测数据的变压器动态可靠性分析

动态可靠性是电力变压器进行短期风险评估、检修决策等的依据.文中首先分析能反映变压器可靠性的因素,选择油中溶解气体分析(DGA)数据中特征气体含量、气体总量产气速率、设备役龄为关键影响因素.然后采用最小二乘支持向量机作为动态可靠性模型,进行变压器动态故障率预测.最后用算例分析了影响因素和模型的合理性,并与采用马尔可夫状态空间模型计算的故障率结果进行了比较.结果表明,设备役龄是影响变压器内部潜伏性故障率的重要因素,最小二乘支持向量机方法作为变压器动态可靠性模型具有计算速度快、监测信息的识别度高的优点.     

数据挖掘技术在油中气体分析和故障诊断中的应用研究

对数据挖掘技术在故障诊断中的应用做了尝试研究。通过对变压器故障和检修记录中的油色谱数据进行挖掘处理,建立了变压器运行状态与各种气体含量之间的直观联系。所建立的模型具有较高的预测准确度,可以作为变压器运行状态诊断的判断依据。研究表明,数据挖掘技术在电力系统中具有很好的应用前景。