应用灰色理论预测变压器等充油设备内的油中气体浓度

用变压器等充油设备的油中气体浓度可以判断设备的统缘状况。按照国家标准,充油变压器的油中气体浓度至少是3个月测量一次,另外,测量过程十分复杂。在在线气相色谱没有完全实现的情况下,不可能随时获知油中气体浓度。为了弥补这一缺陷,本文基于灰色理论提出了一个预测油中气体浓度的新方法。这一方法可以预测将来任一时刻的油中气体浓度,从而诊断变压器的绝缘状况。经实例验证,这一方法用于变压器等充油设备的油中气体浓度简单、精确、实用。     

油色谱分析在电站充油设备故障分析中的应用

通过对变压器等充油设备中的变压器油进行油中溶解气体色谱分析的实例，介绍了充油电气设备的故障识别方法，指出了油的气相色谱分析在电站充油设备运行中的必要性。     

利用油色谱分析判断变压器故障及处理

1引言测量变压器油中溶解气体的含量可预测其内部故障,防止设备损坏和由于设备损坏而导致的电网大面积停电事故的发生。利用变压器油中溶解气体的色谱分析方法,可以在不停电情况下随时监测设备的运行状态,这对保障设备及电网的安全运行起到积极作用。在实际工作中,无论是变压器热故障还是电故障,最终都将导致绝缘介质裂解产生各种特征气体。通过对变压器油色谱跟踪分析,并结合运行工况状态,可判断故障产生原因,从而使电气试验和检修工作有的放矢。     

关于变压器油中溶解气体在线监测的综述

分析油中溶解气体能提前预报变压器等充油电气设备的内部故障。因此,近年来发展了油中溶解气体的在线监测,用以随时监视这些设备的运行状况,对保障充油电气设备的安全运行起到积极作用。文章综述了国内外的发展状况,并指出了存在问题和改进意见。     

基于随机森林的变压器油中溶解气体浓度预测

对油中溶解气体浓度进行分析及发展趋势预测,可以为变压器的状态评估提供重要的依据。传统的离线DGA方法因易导致延迟判断变压器的运行状态,造成一定的经济损失,现已不适用于油中溶解气体浓度分析及预测。因此,提出一种基于随机森林的变压器油中溶解气体浓度预测模型,以更准确地分析与预测油中溶解气体浓度。该模型以7种气体浓度构成特征向量空间,作为可视输入,并以目标气体浓度作为输出。试验结果表明,相较于传统的机器学习方法(BPNN、RBF和SVM),随机森林模型能更准确地预测油中溶解气体浓度,且需要调整参数少、训练效率高。通过算例分析,验证了该方法的有效性。     

浅论油色谱分析判断变压器缺陷及故障

1 概况 测量变压器油中溶解气体的含量可提前预测其内部故障,防止设备损坏和由于设备损坏而导致的电网大面积停电事故的发生.利用变压器油中溶解气体的色谱分析方法,可以在不停电情况下随时监视设备的运行状态,这对保障设备乃至电网的安全运行起到积极作用.在实际工作中,无论是变压器热故障还是电故障,最终都将导致绝缘介质裂解产生各种特征气体.通过对变压器油色谱跟踪分析并结合运行工况状态,判断故障产生原因,从而使检修工作有的放矢.     

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。     

提高色谱法分析绝缘油中CO和CH4分离度的方法探讨

利用气相色谱仪分析绝缘油中的溶解气体，检测充油电气设备特别是电力变压器内部早期故障，已成为变压器等充油电气设备绝缘监督的一个重要手段。由于这一检测技术可以在设备不停电时进行，因此可以定期地在设备运行中对其内部状况进行诊断，确保设备的安全可靠运行，并且有利于实现将设备的定期维护方式改变成内部状态预知维修的方式，在实践中充分显示了这项检测技术的重大经济效益。     

基于LSTM网络的变压器油中溶解气体浓度预测

电力变压器作为电力系统中传输和变换电能的主要设备,其安全稳定性运行在电网中起着重要的作用。对变压器油中溶解气体浓度变化的趋势进行预测,可为其运行状态评估提供重要依据,鉴于此提出了一种基于长短期记忆网络(LSTM)的变压器油中溶解气体浓度预测模型。该模型克服了传统神经网络在序列预测方面存在的"梯度消散"问题,利用油中溶解气体的序列数据对长短期记忆网络进行训练,得到最优的预测模型参数。以变压器油中溶解的7种特征气体浓度为输入,以待预测气体的浓度为输出。通过算例分析表明,相比于传统的机器学习预测方法支持向量机(support vector machine, SVM)与反向传播神经网络(back propagation neural network,BPNN),本文所提的LSTM预测模型更能准确地预测油中溶解气体的浓度。     

用灰色多变量模型预测变压器油中气体的方法

变压器的油中溶解气体分析(DGA)是变压器绝缘寿命估计和绝缘故障诊断的重要依据,变压器油中气体体积分数的预测是周期性测试的重要补充。为此,在研究现有气体预测方法的基础上,提出使用灰色多变量模型来预测变压器的油中气体体积分数,以克服常用预测方法在预测时一般只考虑某一个特征参数或单独考虑几个特征参数发展变化的不足。灰色多变量模型可使用从同一信号中提取的多个诊断指标同时进行预测,从系统的角度统一描述各特征参数,因而能获得较准确的预测结果。另外还用绝对关联度进行了气体的相关性分析,这是使用灰色多变量模型进行预测的前提。预测实例表明了该方法的有效性和优越性。     

利用变压器油中溶解气体分析技术进行故障诊断的研究

基于油中溶解气体分析技术是变压器故障诊断重要的分析手段,提出了多种以油中气体含量为依据的判断变压器故障类型的方法.主要对基于油中溶解气体分析技术的变压器绝缘故障诊断方法进行探讨.总结了传统变压器绝缘故障诊断方法,讨论了基于人工智能技术的变压器绝缘故障诊断方法,这些方法有效地提高了,叟压器绝缘故障诊断的正确率.人工智能技...     

1.2 MV全封闭Marx发生器的绝缘结构设计

为保证封闭在体积有限容器内的1 2 MV Marx发生器可靠运行,用ANSOFT有限元计算软件计算了容器内3维电场分布,结果表明最大场强出现在末级电容器金属外壳的尖角处,其值超过绝缘介质(SF6 气体或变压器油)的耐受场强。电容器外壳安装金属屏蔽罩后,最大场强大大下降并小于绝缘介质的击穿电场。     

油浸式变压器固体绝缘诊断及剩余寿命预测

对油浸式变压器油中溶解的糠醛含量进行分析可以预测变压器的绝缘寿命。笔者通过采集变压器油中的糠醛及CO、CO2,利用油中糠醛含量与运行年限的对应关系,并按理论分布计算出变压器的糠醛浓度注意值,给出了变压器固体绝缘的诊断流程并基于平均剩余寿命的方法给出了油浸式变压器剩余寿命的预测公式。实例分析证明,该预测公式能够提供较好地剩余寿命预测。     

特高压变压器现场安装关键技术及应用

在特高压晋东南变电站1号主变的现场安装过程中,施工单位进行了大量的安装技术研究工作：结合变压器的结构特点优化了现场安装流程;改进了高压出线装置和高压套管的安装方法;给出了合理选择性能满足特高压绝缘油指标要求的油务处理设备的方法;深入研究了大体积油箱的抽真空处理、热油循环等器身干燥技术以及低温环境下根据施工阶段低温气候特点现场处理油务的内容。文中的研究可为实现特高压变压器现场安装的技术攻关和质量创优提供参考。     

变压器绝缘油过多导致压力释放阀动作的分析处理

变压器绝缘油过多,可能导致压力释放阀在运行中动作。通过计算后单相最大排油量800L,排油后的油位实际值与理论计算值基本一致。本文详细介绍通过理论计算确定多余油量的计算方法和过程。     

基于云理论的电力变压器绝缘状态评估方法

针对电力变压器故障机理复杂,模糊评价隶属函数的确定具有主观性且未考虑随机性,仅凭油中溶解气体单一因素难以有效评估其潜在隐患的问题,提出了一种新的基于模糊云理论的变压器绝缘状态评估方法。建立了绝缘状态评估体系并进行了等级的划分,在用变权动态确定指标权重的基础上,采用隶属云模型描述其模糊性与随机性,并结合红外热像仪与油中溶解气体分析方法对其绝缘状态进行综合评价。通过实例研究,验证该方法有效易行,为变压器状态检修工作提供了一种新方法。     

电压类型对柱板电极放电故障下油纸绝缘产气特性的影响

由于换流变压器内存在交直流复合电场,交流变压器所采用的色谱诊断方法是否适用于换流变压器尚未可知,因此本文建立了一套交流及交直流复合电压作用时油纸绝缘柱板放电试验平台,对比了两种电压作用下的产气特性,并分析了原因。研究结果表明:柱板电极在不同类型电压作用下油纸绝缘产气特性不同,交流产气量大,产气速率大,能够较早地发现故障;而交直流复合场产气前期变化不明显,最后阶段产气量骤增后绝缘迅速失效;另外,交流和交直流复合电压作用下油纸绝缘柱板缺陷模型DGA诊断结果相同,都为火花放电,说明已有DGA诊断标准在换流变压器中有一定的适用性。     

变压器绝缘故障类型的改进型RBF神经网络识别算法

为精确诊断电力变压器内部潜在绝缘故障类型,通过对变压器内部油过热和油纸绝缘中局部放电等8种潜在绝缘故障发生时所产生的气体成分分析,提出了一种以人工免疫网络与粒子群算法改进径向基函数RBF(radial basis function)神经网络的变压器故障诊断算法。重点介绍了基于RBF神经网络的变压器故障诊断模型的构成原理、基于人工免疫网络算法的故障模型隐层中心确定方法以及基于粒子群算法的网络模型权重寻优方法,并进行了仿真实验。实验结果表明:该算法能有效地识别其绝缘故障类型,且识别精度可达90%以上。     

BP神经网络在油浸式变压器过热性故障诊断中的应用

针对充油变压器绝缘故障诊断的三比值法的局限性,建立以变压器油中溶解气体含量为样本数据,对不同的隐含层数目进行仿真分析,通过比较确定了适用于变压器绝缘故障诊断的BP神经网络模型。研究表明,这种方法提高了神经网络的收敛速度,符合电力变压器故障诊断系统的实际情况,准确率高。