气体在变压器油中溶解特性的试验研究及应用

变压器油在投运后会产生H_2、CO、CO_2和低分子烃类等气体,气体溶解和逸散受到环境温度、压力和油自身组成、溶解饱和程度、系统密封性等因素影响。为解决油样脱气量少、密封性较差等影响变压器故障判断准确性的问题,从平衡气在油样检测过程中的作用、饱和程度和体系密封性对溶解的影响等角度进行了模拟试验和研究,并与气体溶解平衡原理相结合,提出"定量进气法"和"母液稀释法"两种标准样品配制方法及装置。     

变压器油色谱分析二次脱气法研究及应用

变压器油中气体含量可用来评估变压器的运行状况。进行油中气体组分含量气相色谱分析试验,需要使用脱气装置分离油中溶解的气体。如果试验中出现问题,且脱气量不足以再次进行色谱分析,可对已脱气的油样进行二次脱气,参照标准中的气体组分分配系数,计算出试油中各气体组分的浓度,从而避免了去变电站重复取样的过程,提高了工作效率。研究结果验证该方法的实用性。     

电力变压器故障自动诊断系统的设计

对电力变压器油中的溶解气体进行分析可以及时发现变压器的潜在故障,从而实现对电力变压器故障的诊断.针对常见的电力变压器故障,设计了基于变压器油中溶解气体分析方法和粗糙集方法的故障自动诊断系统,该系统具有直观、方便、可扩展性好的特点,测试结果验证了该系统的有效性.     

用油中溶解气体色谱分析法诊断变压器故障

文章通过对变压器油中溶解气体进行色谱分析,对变压器故障进行诊断,并给出实例.     

基于GEP滑动窗口模型的变压器油中溶解气体含量预测

为了对变压器的运行状态和潜伏性故障进行有效预测,提出了基于基因表达式程序设计(Gene Expression Programming,GEP)滑动窗口预测模型的变压器油中溶解气体浓度的预测方法。根据变压器油中溶解气体量的变化特点,选择合适的嵌入维度、终结点集、函数集等GEP运行参数后由适应度函数驱动进行遗传操作,演化出各气体的预测模型。结合变压器运行实例,给出了7种主要气体的预测结果以及H2含量的预测公式,并与MGM(1,7)模型进行比较。对比结果表明,该方法能有效地提高预测精度。     

基于因子分析和灰色关联度分析法的变压器故障诊断

变压器油中溶解气体分析是目前有效的变压器状态诊断方法,应用灰色关联度算法处理变压器油色谱数据时,变压器故障标准模式的选取直接影响诊断结果.采用因子分析方法对大量确诊故障的油色谱数据进行分析计算,将变压器故障分为高温过热、高能放电等11类故障,并通过计算其标准差、方差以及M估计值,确定表征变压器各类故障的标准模式,该标准模式充分考虑了检测数据的分散性,减小了各类故障数据间的相关信息,使诊断具有更高的分辨率.结合灰色关联度分析法进行变压器故障诊断实例分析,结果表明该方法的诊断准确率高于传统的灰色关联度诊断法.     

基于改进模糊时间序列的变压器油中气体预测方法

对变压器油中溶解气体含量进行预测有助于及早发现变压器内部的潜伏性故障,且对于更好地实现状态检修有着重要的指导意义.针对变压器油中气体组分数据丰富、正常运行状态下各组分含量变化趋势不明显的特点,提出基于模糊时间序列模型的变压器油中气体组分预测方法.考虑到油中气体组分的变化是相互作用和影响的,从论域划分角度对经典模糊时间序列模型进行改进,提出基于空间模糊C均值(fuzzy C-means,FCM)论域划分的多因素模糊时间序列模型.通过实例分析证明该方法能很好地拟合油中气体组分的变化趋势,且与经典模糊时间序列模型及一维FCM划分模糊时间序列模型的对比分析,验证了改进模型在预测效果上的优越性.     

基于针板模型变压器油中的电晕放电特性及产气规律

变压器局部放电在线监测系统能够及时发现绝缘内部缺陷和放电程度,变压器油中溶解气体含量分析可以了解绝缘状况。以油中溶解气体分析为基础,结合局部放电检测可以有效地监测及诊断运行电力变压器绝缘故障。论文针对模拟变压器针板电极局部放电模型,采用恒压法实验方法,分析了变压器油中不同局部放电情况下,不同程度的局部放电与油中溶解气体的对应关系。     

基于灰靶理论的电力变压器状态评估新方法

针对电力变压器状态评估问题,提出了一种在没有标准故障模型的情况下变压器状态识别的新方法。该方法将灰靶理论引入变压器状态评估中,结合油中溶解气体分析技术,给出了变压器状态评估的算法步骤。同时对现有算法加以改进,用灰贡献度分析方法确定的油中溶解气体的加权系数代替均权。实验表明:该方法解决了在没有标准故障模型的情况下变压器状态识别的问题,为变压器状态评估提供了一种有效的新途径。     

结合N-W方法的L-M算法在变压器故障诊断中的应用

在分析Levenberg-Marquardt(L-M)算法和Nguyen-Widrow(N-W)方法原理的基础上,提出了一种多层前馈神经网络训练算法,该算法在使用N—W方法初始化神经网络可变参数的基础上使用L-M算法训练多层前馈神经网络。构造了适合于变压器油中溶解气体分析故障诊断的神经网络,使用了标准BP算法、加动量项BP算法和结合N-W方法的L-M算法训练该网络,结果表明算法收敛速度快、不容易陷入局部极小点。将训练所得网络用于变压器油中溶解气体分析故障诊断,诊断结果验证了该方法的有效性。     

云模型在电力变压器故障诊断中的应用

鉴于物元理论在构建诊断模型时,忽略了分界值的不确定性,使诊断结果偏离了实际情况。利用云模型能合理地解决边界不确定问题,将物元理论与云模型相结合,建立了新的故障诊断模型。同时,结合油中溶解气体分析技术,通过对油中溶解气体的浓度、产气率、总烃含量以及气体间比值的分析,客观、准确地对变压器进行故障诊断。通过与其他诊断技术相比较,并结合案例分析,得出基于物元理论和云模型的变压器故障诊断技术具有更高的正确率。     

燃料电池型变压器在线监测系统的开发

介绍了正在开发和应用的、一种能够分别检测CO和H2两种气体浓度的燃料电池型变压器在线监测系统和智能化故障诊断专家系统．     

用于变压器故障预测的决策树—蒙特卡洛方法

提出了将决策树方法中的ID3(InteractiveDicremiserversion3)算法和蒙特卡洛(MonteCarlo)模拟法结合用于变压器故障预测的方法。基于变压器的大量观测数据,首先利用ID3算法简化引起变压器故障的属性特征,再应用蒙特卡洛方法的分布函数和ID3算法得出的故障发生规则,通过随机变量对变压器故障进行模拟,从而得到设备故障的概率,以此来指导变压器的故障诊断或状态预测,为状态检修提供依据。并对变压器油色谱监测中得到的各气体含量数据进行分析和处理,介绍了方法的运用并对其可行性进行了验证。     

变压器铁芯多点接地故障的诊断及处理

变压器油中溶解气体的色谱分析是诊断变压器故障的重要方法。文章介绍变压器铁芯多点接地故障的诊断和处理方法。     

基于支持向量机的变压器油中溶解气体浓度预测

提出利用支持向量机进行电力变压器油中溶解气体浓度预测的方法,该方法能很好地解决小样本的学习问题,适合贫数据的DGA建模且具有较高的精度和良好的泛化能力。     

非典型变压器故障时溶解气体异常的案例分析

通过分析几起非典型变压器故障的案例,得出了变压器运行时油中溶解气体的某些变化与变压器内部过热和放电故障并不存在必然联系的结论,同时指出了气体发生变化的原因,并提出了处理的方法.