基于故障特征气体与C_2H_2/C_2H_4比值分类的反馈型神经网络电力变压器故障诊断

分析了五种特征气体及C2H2/C2H4的比值与变压器故障类型之间的关系,将变压器故障进行分类。依据C2H2/C2H4的比值将故障分为两类,第一类包含低温过热、中温过热、高温过热和局部放电,第二类包含低能放电、高能放电两类,并将C2H2/C2H4的比值过高的诊断为高能放电。再依据氢气对五种特征气体的百分比,从第一类中区分出局部放电。最后用反馈型神经网络中的Elman网络确定具体故障类型。     

基于改进神经网络算法的变压器油色谱故障检测方法

针对变压器油色谱故障分析方法预测能力不足,诊断评价准确率低的缺陷,提出一种基于神经网络算法和灰色关联度方法的变压器故障识别组合方法,通过对变压器绝缘油色谱中H2、CH4、C2H6、C2H4、C2H2等特征气体的检测,并将其作为神经网络算法的输入变量,同时采用灰色关联方法对变压器绝缘故障的放电、高温、接地等12类故障进行...     

基于线性分类器的充油变压器潜伏性故障诊断方法

油中溶解气体分析(DGA)是判别变压器内部绝缘状况及发现内部潜伏性故障的重要手段。文中介绍了一种基于线性分类器、以DGA数据为特征参数的充油变压器潜伏性故障的识别方法。运用该方法进行了大量的应用实例分析，并将识别结果与BP神经网络法以及IEC三比值法进行了对比。结果表明选用H2、CH4、C2H2、CEH4、C2H6、CO、CO4七种特征气体作为特征参数时，该方法显示出较高的准确度。     

变压器油色谱混沌特性的过热故障分析及预测

在利用油色谱数据对电力变压器进行故障诊断时,为了改善因油色谱数据的波动及其非线性所带来的干扰,文中在利用油色谱分析过热故障时,引入了混沌理论对非线性系统进行分析。文中通过相空间重构建立油色谱数据混沌时间序列,并进行系统混沌特性判定,再将油色谱数据的波动以混沌特征量进行表征,比较分析过热故障特征气体在不同监测数据段中的混沌特征参量变化,从而提取油色谱非线性数据中所包含的状态信息。然后,基于混沌序列具有的短期预测性,利用最大Lyapunov指数预测法对油中气体体积分数的趋势进行预测。实例分析结果表明:过热故障特征气体的混沌特性参量能准确地进行过热故障的识别;在分析相应混沌时间序列后,可以准确预测油中溶解气体体积分数及其短期变化趋势。实例验证了该方法在变压器过热故障识别时的有效性。     

应用特征气体图形法诊断变压器故障

依据变压器内部故障导致绝缘油裂解产生特征气体的机理，可以在气相色谱分析工作中，运用特征气体图形方法，以H2、CH4、C2H6、C2H4、C2H2 5种故障气体的含量描给出曲线图形，来解释和诊断实际发生的变压器内部不同类型的故障，为此，结合部分变压器故障事例，用其特征气体曲线图形，说明运用该方法在分析变压器常见的热性和电性故障方面的应用。     

数据融合新技术在识别变压器油中四种特征气体的研究

通过将气敏元件阵列技术的遗传神经网络相结合,来检测电力变压器油中的4种微量故障特征气体（H2、C2H4、C2H2和CO）。实验结果表明,该技术的泛化能力较哟,但识别精度在某些值处达不到实用的要求。例如,针对变压器油中故障特征气体的临界值在电力变压器早期故障诊断中的重要性,遗传神经网络数据融合技术需对混合气体临界值的识别精度作进一步提高。并在已有的融合技术基础上提出了一种新技术一分步分档识别法,可在大范围内保证识别的准确性,提高数据融合技术的实用性。该方法既可用于正常环境气氛,也可适用于特殊故障气氛环境的气体模式识别。     

利用特征气体排列图判断变压器潜伏性故障类型

在油浸式电力变压器不同的故障类型中,油中溶解的特征气体的组分是不同的.以往利用油中特征气体相对含量判断变压器故障靠定性的语言描述,在诊断上有模糊性.针对此情况,提出利用油中的5种溶解气体（C2H2,H2,C2H6,CH4,C2H4）的体积相对于气体总体积的比例,构建故障的特征气体排列图,并根据图形的偏移性、突出性等表述形状的参数作为诊断变压器故障的类型的量化判据.最后,用实例验证了此方法的有效性.     

基于油中溶解气体分析的变压器故障预测

预测变压器潜伏性故障对评估其健康状态至关重要.提出一种新型变压器故障预测方法,首先以LSTM网络为载体搭建时间注意力机制预测框架,并采用IALO算法优化其参数;其次利用优化的模型预测变压器油中溶解气体;然后采用MPA算法优化的SVM模型对气体预测结果进行故障诊断;最后统计诊断结果并与实际运行状态对比验证模型.实验结果显示在第42～58天内运行状态异常次数最多为29次,未来两个月内运行异常几率为86.89％,其中中温过热故障占比最高为88.67％,与实际情况误差仅为2.46％和1.29％,预测结果与实际运行情况符合较高,证明了所提方法在准确预测变压器运行状态异常时间点和故障类型中的可行性.     

基于混合免疫算法的变压器故障诊断

为了提高变压器故障诊断正确率,提出一种免疫支持向量机混合智能诊断方法,首先将变压器故障分为放电性和过热性,然后用免疫聚类算法对所荻取的数据进行预选取,加快模型参数的确定速度,利用支持向量机识别类内变压器故障,利用基于交叉验证的网格搜索法来确定支持向量基的参数.经过大量实例分析,并将其结果与神经网络方法进行对比,表明该算法具有较高的诊断精度.     

色谱分析监测变压器故障一例

对一台大型变压器进行溶解气体分析 ,发现C2 H2含量上升 ,根据变压器油色谱分析数据和局放试验结果判断 ,该主变为单纯低能量放电故障。色谱分析可较早发现并有效监测变压器内故障 ,判断故障性质及严重程度     

基于非等间距灰色多变量模型预测变压器故障

电力变压器是电力系统中最重要的设备之一,变压器一般在发生故障前其内部的油中会析出多种气体,即氢气、甲烷、乙烷、乙烯和乙炔,并且析出的5种气体之间存在着某种耦合关系。通过建立5种气体的非等间距多变量灰色模型对故障特征气体分析,预测出变压器故障,克服了只考虑一种气体的发展变化或仅在等间距的基础上进行预测的不足。     

几起变压器油色谱异常的分析

变压器油色谱检测时如出现乙炔,一般被认为与变压器内部的放电性故障有关,但如其他气体含量变化不大时,则需进行多方面的分析。本文通过对三台35kV主变压器油色谱中出现C2H2含量的综合分析判断,认为是变压器有载分接开关油室渗漏引起,经处理后恢复正常,避免了变压器盲目进行吊芯检查的繁重工作。     

基于模糊免疫识别方法的电力变压器故障诊断

在人工免疫识别系统的基础上,结合模糊推理,提出了基于模糊免疫识别的充油变压器故障诊断方法。代表相同B细胞的人工识别球经克隆选择和资源竞争后产生具有分类性能的记忆抗体,但其资源分配数目和人工识别球的刺激水平成线性,易使少数优秀人工识别球占据过多资源,引起人工识别球种群早熟收敛。将模糊推理应用于资源分配机制中,可使分配兼顾刺激水平和抑制水平,改善收敛性能。实例分析表明,以H2、CH4、C2H4、C2H6、C2H2等5种气体含量为特征参数,将模糊推理与人工免疫识别系统相结合的方法,能有效诊断变压器内部潜伏性故障。     

主设备变压器保护谐波制动改进

传统的变压器保护采用励磁涌流中二次谐波的含量区分是励磁涌流还是故障电流，从而对差动继电器进行闭锁，但在空投或故障切除后恢复供电时，变压器发生某些故障，如轻微匝间故障，励磁涌流与故障电流叠加，由于变压器容量，电压等级，变压器的铁芯结构等因素影响，励磁涌流可能长达5s才能衰减，此时可能造成变压器保护的实际拒动，针对上述原理的缺陷，提出二次谐波的涌流加速原理，充分利用CPU的快速处理能力，使变压器在发生上述故障时快速动作，提高保护的动作时间。     

光声光谱技术应用于变压器油中溶解气体分析

变压器油中溶解气体在线监测装置中的色谱柱和气敏传感器存在消耗被测气体和长期稳定性差等不足.光声光谱气体分析技术灵敏度高,不消耗被测气体,克服了传统油中溶解气体在线监测技术的缺点.文中对其在变压器油中溶解气体在线监测中的应用进行了研究.构建了用于变压器油中溶解气体分析的光声光谱平台,给出具有红外特征吸收峰的CH4,C2H6,C2H4,C2H2,CO和CO2这6种主要故障特征气体的特征频谱,采用加权最小二乘法对2种混合气体中的CH4,C2H6,C2H4,C2H2,CO和CO2进行了定性和定量分析.分析结果与气体各组分体积分数真实值或气相色谱仪测量值的比较表明,光声光谱技术能有效地对变压器油中溶解气体进行分析.     

一起500kV主变中压侧套管的缺陷分析

介绍了一起500 kV变电站主变中压套管的缺陷。通过返厂解体检查和事后分析,得出由于在生产卷制过程中连接带发生打褶,引起该处电场畸变,在长时间运行中该连接带在打褶处折断,折断处在导电杆和第一屏之间电压的作用下产生放电,引起乙炔含量超标和介损值变化过大。笔者针对上述情况提出了严格执行交接试验要求、加强绝缘检查和色谱跟踪等措施,以杜绝类似的缺陷发生。     

固体氧化物燃料电池传感器检测变压器油中溶解气体定量特性

在线油色谱法是目前公认的发现变压器潜伏性故障的重要检测方法,对变压器运行状态的评估具有重要意义。气体传感器是在线色谱的关键技术。目前,国内外研制了许多油色谱在线监测传感器,但都存在灵敏度不高、线性范围难以满足要求等缺点,上述缺陷限制了在线色谱技术取代传统的离线检测技术。针对上述问题,提出一种固体氧化物燃料电池传感器检测变压器油中溶解气体的方法,介绍了传感器的制备方法、实验方法及步骤,并对油中气体的气敏响应机制进行探讨。在此基础上,基于Nernst方程构建传感器的定量数学模型。实验结果表明,固体氧化物燃料电池(SOFC)检测器技术及该文构建的模型能实现H_2、CH_4、C_2H_4、C_2H_6和C_2H_2的准确定量及高精度测量,对C_2H_2的灵敏度达到1×10~(-7),能较好地解决常规传感器及其定量方法稳定性差、准确性和灵敏度低等问题,具有重要的推广及应用价值。     

基于组合决策树的油浸式电力变压器故障诊断

提出了一种利用属于模式识别范畴的决策树C4.5法进行变压器故障诊断的方法。由于C4．5方法可方便地处理连续特征模式且有从样本学习判定规则的功能，因此应用中显示了该方法对于变压器故障诊断的适用性。在讨论变压器故障空间的基础上，针对已积累的故障变压器的大量油中溶解气体等数据，考察了各类故障的特征偏置，并在此基础上构造出组合决策树诊断模型，实现了变压器故障由粗到细的逐级划分，有利于提高诊断的准确性。实例表明该模型的有效性。     

基于模型的变压器保护判据分析与改进

对基于模型的变压器保护原理作了分析并提出了新判据。电流暂态波形波动较大时,用差分代替微分会造成很大误差,可能造成保护误动。利用积分法构成了新型的保护判据,给出了新判据的计算公式并讨论了定值的选取。变压器在正常运行、外部故障、空载合闸、内部故障、带内部故障空载合闸等工况下的数字仿真结果表明,新判据不易受电压、电流波形波动的影响,计算简单,可以可靠、快速识别变压器内部故障。