GIL机械故障诊断与预警技术研究

为了有效诊断气体绝缘金属封闭输电线路(GIL)的机械故障,搭建了110 kV GIL试验平台并设计了3种典型机械故障,通过互补集合经验模态分解(CEEMD)模糊熵值与鲸鱼优化极限学习机(WOA-ELM)模型联合方法对GIL机械故障模式进行识别与诊断。首先,利用CEEMD方法对振动信号进行分解,引入正负白噪声组对信号进行处理,得到含有故障信息的模态分量(IMF)。其次,利用模糊熵计算模态分量特征值,得到能表征故障特征的模糊熵值。最后,结合WOA-ELM模型对特征向量集进行模式识别,根据聚类结果与自适应阈值对GIL设备机械故障进行诊断和预警。结果表明,利用CEEMD与模糊熵对GIL振动信号特征进行分析,可以有效避免模态混叠和冗余噪声分量的干扰,得到能够表征故障特征的特征值;利用WOA-ELM模型可以有效实现GIL设备机械故障诊断与预警。     

站用电切换中调相机循泵电机的瞬态分析

特高压（UHV）变电站在站用电切换过程中,调相机循泵电机会出现冲击电流过大导致多级跳闸的情况。为研究切换策略,首先定量分析失电残压的频率和幅值随时间的变化,并进行相关仿真研究。其次对重合闸时的瞬态进行研究,通过仿真模型得到冲击电流随时间的变化规律,发现冲击电流的最大值略滞后于相位相反的点,最小值略滞后于相位相同的点,且该滞后的量取决于失电残压的衰减速率,提出一种基于失电残压和电源电压幅值差的切换方法。针对仿真结果进行分析,为维护人员提供一定的参考依据,尽可能降低投切过程中的冲击电流,避免切换失败。     

粘滞阻力下交流GIL中线形颗粒运动行为研究

针对目前研究线形颗粒在交流气体绝缘封闭输电线路(GIL)中运动行为时忽略气体粘滞阻力,或仅采用传统Stokes方程计算气体粘滞阻力的问题,从现阶段较成熟的球形颗粒气体粘滞阻力计算方程入手,引入形状因子系数,推导线形颗粒气体粘滞阻力计算方程.基于线形颗粒与导体及外壳的非弹性碰撞过程,考虑法向和切向的恢复系数,建立GIL中线形颗粒运动仿真计算模型.搭建符合实际工况的等比例缩放GIL实验平台,观察和记录线形颗粒在腔体内的运动轨迹和碰撞信号.研究结果表明:修正后运动仿真模型的计算结果更接近于实验结果,验证了模型的有效性;颗粒的碰撞频率与运行电压幅值正相关,与腔体气压负相关,在颗粒长度相同的情况下,气压的变化对小半径颗粒影响更大;线形颗粒的起举电压由颗粒的半径决定,与颗粒的长度基本无关,当颗粒起跳后,库仑力、梯度力和重力的大小对比决定颗粒的运动状态.     

基于混沌理论和GOA-K-means算法的有载分接开关状态特征分析计算方法

为更加准确有效地监测变压器有载分接开关(OLTC)机械状态,针对传统基于K-means的监测方法聚类效果易受其初始聚类中心选择的影响,该文提出一种基于蝗虫算法(GOA)和K-means相结合的OLTC机械状态监测方法.首先针对OLTC振动信号的非线性和混沌特性,利用P-G法和互信息值法计算嵌入维数和延迟时间,对实测的OLTC振动信号进行相空间重构;其次应用Kolmogorov熵对重构后的振动信号混沌特性进行判断;最后为提高聚类精度,针对K-means对初始聚类中心的敏感性,将蝗虫算法引入该算法对其聚类中心进行优化,对重构后的高维振动信号采用优化的K-means聚类方法进行分析.研究结果表明:在OLTC的振动信号识别应用中,优化的K-means聚类算法得到的特征量计算结果具备一定的规律性.研究结果为OLTC的机械运行状态监测提供了一种新的途径.     

基于合闸暂态振动信号分析的变压器绕组松动缺陷早期诊断

本文中作者为了分析变压器合闸振动信号特征,提出一种基于经验小波变换的振动信号处理方法,并通过试验验证了该方法的可行性.     

水轮发电机转子系统磁悬浮装置 结构优化设计

针对水轮发电机混合磁悬浮承重系统中电磁悬浮装置局部磁饱和问题,进行了结构优化设计,提出了适当增加推力盘及电磁铁顶部厚度的方法,有效地减轻了电磁悬浮装置局部磁饱和现象,同时也使总的磁浮力有所增加。从承载力与漏磁角度考虑,得出了推力盘及电磁铁顶部厚度的最佳设计值。     

变压器绕组松动故障的混沌特征分析方法

为了更加有效地对变压器绕组松动故障进行监测与识别,提出了一种变压器绕组松动故障的混沌特征分析方法。首先,针对振动信号的混沌动力学特性,采用互信息量法和G-P算法分别确定延迟时间和嵌入维数,对变压器振动信号进行相空间重构;其次,通过判断最大Lyapunov指数是否为正,进而证明变压器振动信号的混沌特性,在此基础上分析不同程度的绕组松动故障对相空间轨迹变化的影响;最后,将关联维数、Kolmogorov熵和最大Lyapunov指数作为一组混沌特征用以量化变压器绕组发生松动故障前后振动信号的混沌特性。结果表明：变压器振动信号的最大Lyapunov指数均大于0,证实了其具有混沌特性,所得到的混沌特征能够有效反映变压器绕组松动故障。研究结果为变压器绕组松动状态监测提供了一种理论依据。     

参数不对称配电线路的等效模型与接地故障检测方法

为了提升配电网高阻接地故障检测的灵敏度,提出基于配电线路参数不对称度跟踪监测的单相接地故障检测方法。针对配电网各线路分布参数具有随机差异性的特征,定义了表征线路参数不对称的参量,论证了配电线路形成零序电流的临界条件和流通路径,建立了计及线路参数不对称随机差异性的配电网零序网络等值运算模型,提出了配电线路对地阻抗和不对称度等参量测量方法,实现了单相接地故障选线、选相和过渡电阻测量。根据故障类型优选故障检测方案,高阻接地时人为调控零序电压提高故障检测灵敏性,低阻故障时仅依赖零序电气信息变化量快速检测故障。仿真实验结果验证了所提检测方法的有效性。     

基于CEEMDAN-小波阈值和3D-CNN的变压器铁心松动故障诊断模型

为了解决变压器铁心松动故障的识别与诊断,提出基于完全自适应噪声集合经验模态分解(CEEMDAN)-小波阈值的环境噪声去除方法,并提出使用三维卷积神经网络（3D-CNN）去识别基于声纹的变压器铁心松动故障诊断方法。搭建变压器铁心松动故障试验平台,采集铁心在不同松动程度下的噪声信号;将采集的用于故障识别的声纹信号经过CEEMDAN-小波阈值算法,利用变压器本体噪声和环境噪声在峭度上的差异滤波,得到信噪比较高的变压器声纹信号;再将滤波后的声纹信号经过短时傅里叶变化生成时频矩阵,并用Mel滤波器降维得到Mel-语谱图,制作成适合3D-CNN输入格式的数据集;搭建好网络的各层,利用3D-CNN对变压器铁心松动故障进行分类和识别。试验结果表明：所提方法在考虑环境噪声的条件下,变压器铁心松动故障的识别率达到90%以上,可用于变压器铁心松动故障的识别和诊断。     

基于主成分分析的串联电池组故障诊断实用方法

为了保证电动汽车和储能系统的安全运行,电池组的故障诊断研究备受关注。针对目前面向电池组故障诊断方法相对匮乏且实用性不佳的问题,提出了一种基于主成分分析(PCA)的故障诊断实用方法,以准确地区分组内的电池单体故障和连接故障。首先,提出了非硬件冗余的交叉测量拓扑,分别用不同数量的传感器测量电池和连接板;然后,分析组内测量电压的变化特点,引入PCA对故障特征进行提取,为了保证PCA模型适配,提出了PCA实时建模与故障诊断一体化的思路,并基于此设计了完整的故障诊断方案;最后,利用实验对所提方法进行验证,结果表明所提方法能够可靠区分电池单体故障和连接故障,准确检测阈值法无法检测的电池单体故障,且强鲁棒于荷电状态、健康状态和温度差异的影响。现场运行数据也证实了所提方法能够有效避免发生虚警。