氢氧化钠/尿素/硫脲溶剂体系对纤维素溶解性能研究

通过设计正交实验,研究不同组成的氢氧化钠/尿素/硫脲溶剂体系对纤维素的溶解性能,确定了该溶剂体系中各组分的最佳含量,并通过X-射线衍射分析、红外光谱分析、热重分析等手段,表征了该溶剂体系获得的再生纤维素膜的结构和性能。结果表明:该溶剂体系对纤维素有良好的溶解性能,且溶解的纤维素再生后为纤维素Ⅱ,但其热稳定性低于原纤维素。     

基于光声光谱的变压器油中溶解气体监测系统

油中溶解气体分析技术可有效发现变压器的潜在故障,设计的基于气体光声光谱检测原理的变压器油中溶解气体检测系统,可对溶解于变压器绝缘油中的CO和CO2的体积分数进行检测.系统采用红外光源,窄带滤光片,小体积非共振式光声池与驻极体麦克风进行测量,其中斩波器的调制频率为15Hz,其对CO体积分数测量的极限灵敏度为3 ×10-6,对CO2的体积分数测量的极限灵敏度为10×10-6.该系统在满足变压器油中溶解气体分析与判断导则的同时,拓展了变压器油中溶解气体的测量手段,对维护变压器安全运行具有积极意义.     

采用光声光谱技术检测乙炔气体的研究

气体光声光谱检测技术灵敏度高,不消耗被测气体,能够很好地检测变压器油中溶解的微弱气体.乙炔是变压器产生的微弱气体之一,为了检测乙炔气体,构建了用以检测该气体的实验装置.利用该装置,对外腔可调谐半导体激光器的辐射特性进行了分析;深入分析光声池的品质因数和频率响应;在低气体体积分数、低激光功率条件下,得到了光声信号与气体体积分数、激光功率间的关系.     

基于深度自编码网络的电力变压器故障诊断

基于深度自编码网络(DAEN),构建了分类深度自编码网络(CDAEN)模型。结合电力变压器在线监测油中溶解气体分析(DGA)数据,提出了基于CDAEN的变压器故障诊断方法。所提方法利用大量无标签样本进行预训练,优化模型参数,并利用少量有标签样本进行微调。实例分析表明,与基于反向传播神经网络(BPNN)、支持向量机(SVM)的故障诊断方法相比,所提方法的诊断正确率更高。     

基于行为的变压器油色谱分析模糊诊断专家系统研究

提出的基于行为模糊故障诊断专家系统能够在运行中针对被诊断变压器个体情况对自身智能结构进行调整 ,形成“个性化”的模糊知识库 ,在投入运行一段时间后 ,系统智能可得到明显提高。用这种知识结构处理变压器油中溶解气体分析中的模糊现象取得了良好效果。     

高温共聚焦显微镜原位观察非金属夹杂物溶解行为研究进展

总结了高温共聚焦显微镜观察夹杂物在渣中溶解工作原理和非金属夹杂物溶解行为的研究现状和研究方法,探讨了未反应核模型和扩散方程2种常用于研究非金属夹杂物溶解的动力学模型,各类非金属夹杂物的溶解机制,温度、渣成分、夹杂物性质等影响非金属夹杂物溶解行为的因素,在前人研究的基础上得到不同夹杂物的溶解速率公式.指出该领域对于由钙铝...     

基于支持向量机的油浸式电力变压器故障诊断方法研究

在电力网络中变压器是非常重要的电气设备,对电力网络的正常运行具有非常重要的作用,利用变压器油中溶解气体组成的分析,对电力变压器运行中的故障进行诊断具有重要意义。采用支持向量机(SVM)算法分析变压器油中溶解气体组成并进行故障诊断,选取了SVM核函数及最优参数并构造了OVR-SVM多类分类器。最后,基于DGA数据的实验结果显示,这种故障诊断方法具有很好的效果。     

模糊神经网络在变压器油中溶解气体故障诊断中的应用

基于模糊隶属度和BP神经元网络,提出了将模糊神经网络应用于变压器油中溶解气体故障诊断的方法。该方法采用了由输入层、输出层、隐含层和模糊化层组成的一种四层前向模糊神经网络,并利用模糊理论预处理数据,建立了基于模糊神经网络的变压器故障诊断模型。结果表明,该方法对变压器进行故障检剥诊断是有效的。     

突发短路故障造成变压器损坏的原因分析及预防措施

为了防止和减少变压器故障和事故的发生,笔者应用油中溶解气体分析与绕组变形试验相结合的方法,全面分析典型的突发短路故障造成变压器损坏的原因、故障性质和故障部位,结合实例从生产工艺、结构改进、质量控制分析如何提高变压器抗短路能力。