变压器绝缘油中产气趋势突变的检测方法研究

提出一种检验绝缘油中产气监测数据突变趋势的方法,发现变压器的潜伏性故障。该方法主要以非参数统计检验法计算监测数据时间序列的正态分布统计变量,比较正序与负序变量曲线的关系,检验统计变量的发展趋势及时域范围,并给出置信度。实际案例分析表明:该方法可描述监测数据的起始变化、趋势显著、趋势最大及趋势稳定4种渐进变化过程信息,适用于分析低浓度气体及微小变化值,有利于发现变压器劣化迹象。     

基于概率测度变换的风速时间序列建模方法

结合中国东北某实际风电场多年测风数据,分析风电场风速的统计特性,得出多年月内同一时刻风速同样服从Weibull分布.通过概率测度变换衔接实际风速序列与回归分析模型时间序列,基于自回归滑动平均(ARMA)模型,建立单一风电场风速时间序列模型;基于向量自回归(VAR)模型,给出了不同风电场间风速相关性考虑方法,分别给出了模拟风速时间序列的模型及参数.通过对比得知,实际风电场风速数据与模拟得到的风速时间序列具有较好的一致性,基于概率测度变换构建模拟风速时间序列是可行、有效的.     

表征内部潜伏性故障的变压器时变停运模型研究

变压器在运行过程中,绝缘油中会有溶解气体产生。由经验可知,油中气体的含量可反映变压器健康状态,而产气速率则反映了该状态下器身内部潜伏性故障的发展程度。据此原理,建立适用于电力系统风险评估的变压器时变停运模型。模型首先根据气体含量进行变压器状态划分,并考虑实时修复的影响建立多状态马尔科夫模型,得出故障率基值。同时,基于产气速率建立时变停运指数模型,既体现变压器实时运行特性,又准确反映了变压器内部潜伏性故障的发展情况。通过算例分析对模型进行了验证,该模型为系统风险评估提供了基础。     

基于时间序列分析的输变电设备状态大数据清洗方法

数据清洗是输变电设备状态评估数据预处理的一个关键步骤,有助于提高数据质量和数据利用率。文中将设备状态信息等效成各状态量的时间序列,提出了一种基于时间序列分析的双循环迭代检验法。首先,将时间序列中的异常数据进行了分类,并将缺失值归纳为其中一类异常值。然后,分析了不同类别异常值对时间序列模型的影响,并阐述了迭代检验法的实现步骤。最后,利用所述方法对南网某变压器和线路的监测数据进行了数据清洗,结果表明该方法能识别并修正数据中的噪声点,填补缺失值,满足数据清洗要求。     

基于滑动窗口和聚类算法的变压器状态异常检测

在线监测数据在变压器运行状态中发挥出重要角色,而传统的异常状态检测一般基于阈值判定法,难以及时发现变电设备的异常情况,甄别噪声数据。针对上述问题,根据变压器在线监测数据中异常值特点,提出了一种基于滑动窗口和聚类算法的变压器状态异常检测方法。首先,利用时间序列和滑动窗口对多维的在线监测数据流进行筛选,记录异常点的发生时间和类型,建立候选异常数据集合的判断模型;其次,基于无监督的k-means聚类方法建立多元特征量数据点的异常检测模型,并用于在线监测实时数据的异常检测,判断异常时刻与异常类型。通过某变电站的油中气体数据对本文算法进行了验证,结果表明,该方法可以实时检测在线监测数据流中因运行状态变化而产生的趋势异常,并祛除少量传感器噪声或突变值的影响,具有较高的实用价值。     

不同放电能量下酯类绝缘油的产气差异性分析EI北大核心CSCD

酯类绝缘油作为一种环境友好型绝缘液,在电力变压器中的应用越来越广泛。但不同酯类绝缘油的理化、电气特性具有显著的差异,在相同故障下其产气规律也有一定的区别。该文以天然酯、改性酯以及合成酯为研究对象,研究其在不同放电能量下的产气规律与产气差异,并将特征气体含量与放电能量进行关联性分析。结果表明,不同酯类绝缘油的产气规律具有一定差异,天然酯绝缘油易产生更多的H_(2)和C_(2)H_(6),改性酯和合成酯绝缘油易产生较多的C_(2)H_(4)和C_(2)H_(2),绝缘油的分子结构和特征气体的溶解特性差异是影响油中溶解气体的主要原因;随着放电能量的增加,H_(2)、CH_(4)和C_(2)H_(6)占比呈现下降趋势,C_(2)H_(2)、C_(2)H_(4)以及CO占比呈现上升趋势;通过特征气体的单位焦耳产气量、C_(2)H_(2)/H_(2)比值以及CO含量可以定性判断放电故障的严重程度。结果可为酯类绝缘油变压器的状态诊断提供参考。     

三元混合绝缘油热裂解过程与产气特性

从绝缘油物质成分原子水平研究揭示绝缘油的热裂解产气机制，是科学指导基于油中溶解气体实现变压器故障诊断的关键。基于反应分子动力学对三元混合绝缘油中不同物质成分的单分子、多分子和混合油体系的热裂解动力学过程进行仿真模拟，研究分析了矿物油、天然酯和改性天然酯中不同类型油品分子的热裂解路径及产气行为，以及三元混合绝缘油的热裂解产气特性，并通过油品过热产气试验验证了仿真结果。结果表明：矿物油、天然酯和改性天然酯分子在热应力下会通过解环、脱羧与脱羰等反应转化为链状烃，再逐步裂解为烃类气体小分子；当油品分子体系增大时，分子热裂解方式与油品单分子相同，但其热裂解反应进程会加快。三元混合绝缘油热裂解仿真结果表明，其在低温过热时油中CO₂含量最高，中温过热时油中H₂和烃类气体含量增加，高温过热时油中C₂H₂含量增加，C₂H₄、C₂H₆含量增加显著，该油品过热产气试验结果与仿真结果一致。该成果可为基于油中特征气体分析实现三元混合绝缘油...     

基于分子动力学模拟的植物绝缘油过热分解产气特性

为更好地了解植物绝缘油的产气过程,指导植物绝缘油变压器故障诊断,从宏观和微观两个层面研究了山茶籽绝缘油的热分解过程。通过实验研究了山茶籽绝缘油在363～403 K温度下经过5、10、15、20天热分解的产气特性和酸值变化规律。采用Reax FF反应力场构建山茶籽绝缘油模拟体系,通过分子动力学(MD)仿真,模拟植物绝缘油中分子在1400～2200K温度下的分解过程,得到其产物信息;并通过跟踪观测模拟体系中的分子变化,得到其产气路径和机理。实验和仿真结果表明:C2H6是山茶籽绝缘油在热解时产生的主要烃类气体产物;含非共轭双键越多的甘油三酸酯分子热稳定性越差,越容易分解;温度升高和受热时间增长能够促进植物绝缘油的分解,产生各种特征气体含量与温度和受热时间呈正相关;就产气路径而言,植物绝缘油热解是从与甘油三酸酯分子中心碳相连的C—O键的断裂开始,然后通过脱羧反应生成CO2和烃类自由基,烃类自由基继续分解,并与分解过程中产生的H·结合,得到植物绝缘油分解的各种特征气体。     

天然酯绝缘油加速热老化时油中溶解气体研究

对3种不同微水含量的FR3?型天然酯绝缘油试样进行加速热老化试验,并与同等条件下的矿物绝缘油进行老化对比试验,分析两种油中溶解气体随老化时间的变化情况。结果表明:在同等条件下,天然酯绝缘油老化过程产生气体的速率和含量均远高于矿物油的;微水含量为50~2μL/L时,微水含量的差异对老化产气的影响可忽略;绝缘油表面氧气氛围的存在对天然酯老化产气的影响比较大,有氧气存在时,相同老化时间内油中溶解的氢气、二氧化碳、甲烷、乙烷、乙烯的含量均升高,而一氧化碳含量则降低。     

三种酯类绝缘油低能放电故障下产气特性研究

为研究酯类绝缘油在变压器故障条件下的产气特性,通过选取3种酯类绝缘油包括单酯、天然酯、合成酯绝缘油,分析其在模拟低能放电条件下的产气特性。结果表明：酯类绝缘油在低能放电条件下,氢气的产出比例较高,乙炔的产出量远低于矿物绝缘油的乙炔产出量,尤其是合成酯的乙炔产出量最低。单酯及天然酯绝缘油的低能放电可通过三比值法、大卫三角...     

植物绝缘油-纸复合绝缘热老化特性研究

为研究植物油-纸绝缘的热老化产物生成规律和绝缘特性,以植物绝缘油和矿物绝缘油分别与绝缘纸组成油-纸复合绝缘,在110℃和130℃下进行加速热老化试验。结果表明:随着老化时间的延长,两种绝缘油的酸值、糠醛含量、油中溶解气体含量均增加,闪点和界面张力均下降;相同老化条件下,植物绝缘油的酸值、产气量比矿物绝缘油的大,植物绝缘油中糠醛含量少于矿物绝缘油。     

基于层次聚类分析的变压器油中溶解气体在线监测数据异常检测

油中溶解气体分析是电力变压器常用的状态检测手段,在变压器运行与维护中发挥了显著作用,但因现有油中溶解气体在线监测系统可靠性问题及现场干扰,监测数据中充斥着大量的伪数据及错数据,易引起误判。针对此问题,监测系统常采用基于数据分布统计的阈值法判定数据真伪,因数据分布规律预先难以掌握,造成异常数据检出率普遍低下问题。文中依据油中溶解气体在线监测数据时间序列特点,提出了一种基于凝聚层次聚类的异常数据检测方法。首先,利用滑动时间窗对多种油中气体监测数据进行预处理,获得监测数据时间序列集,接着通过综合应用均值、阈值、标准差、小波变换周期性分量等指标对其进行分类建立异常类型的典型时序图谱;在此基础上,利用凝聚层次聚类模型,对不同特征的数据点与典型异常图谱的距离进行相似性聚类,以确定监测数据的异常类型。通过实际监测数据应用验证表明,该方法可实时检测在线监测数据流中数据异常并确定其类型,简单且易操作,具有较好的理论及应用价值。     

天然酯绝缘油在油纸界面放电故障条件下的分解产气特性研究

选取菜籽基天然酯绝缘油与矿物绝缘油及两种绝缘油的油浸纸板为研究对象,开展纯油击穿与油纸沿面闪络两种类型的放电故障试验,通过油中溶解气体分析方法研究故障后两种绝缘油产生的油中溶解气体类型与含量,并对比分析两种绝缘油产气特性差异及油纸界面对产气特性的影响。结果表明:在击穿类型放电故障条件下,两种绝缘油产生的溶解故障特征气体类型相同,均为CH_4、C_2H4_、C_2H_6、C_2H_2、H_2、CO、CO_2;相同故障条件下,天然酯绝缘油相较于矿物绝缘油会产生更多的CO;当放电故障发生在油纸界面处时,两种绝缘油中的故障产气量增多,且CO的含量占比上升。     

热故障下天然酯绝缘油中溶解气体分析

开展了天然酯绝缘油与矿物绝缘油在200~700℃的热故障模拟试验研究,并对产生的溶解气体进行对比分析。结果表明:由于自身的成分组成特性,天然酯绝缘油和矿物绝缘油Ostwald系数存在着一定的差异。在相同的热故障条件下,天然酯绝缘油产气速率与产气量远高于矿物绝缘油,且产生的C_2H_6、CO和CO_2等3种气体含量占气体总含量的90%以上,且主要特征气体和次要特征气体存在着一定差异,现有的适用于矿物绝缘油的故障类型诊断方法并不适用于天然酯绝缘油。     

变压器油中气体监测数据随机误差的自适应检验方法

提出并应用了基于格拉布斯准则检验变压器油气监测数据随机误差的自适应处理方法,扭转了缺少自动甄别正态分布下监测数据随机误差手段的被动局面,降低了误告警的概率。首先,对监测数据序列进行分类、排序等预处理,并计算其样本均值、样本标准差;其次,计算序列中最小、最大数据的样本偏离值;再次,基于格拉布斯准则迭代检验各类监测组分的气体,直至排除所有随机误差异常值。实际应用效果表明,该方法改进了监测系统的纠错能力,提升了监测预警的效果。     

基于时间序列模式匹配的电能质量区域化治理

针对以往基于机理建模进行稳态电能质量污染治理的局限性,该文采用数据驱动的方式,提出一种基于时间序列模式匹配的电能质量污染区域化治理策略。依据配电网各节点指标监测数据建立较长时间尺度的电能质量时间序列,采用考虑关键趋势转折点的分段线性表示提取时间序列主要局部趋势特征及其时间特征,构建时间序列模式特征矩阵。提出一种基于动态时间弯曲的趋势–时间距离方法对各节点时间序列实施模式匹配,测量节点间电能质量的长期耦合度。定义耦合度分区判则,划分电能质量治理区域,确定各区域主导控制节点。以IEEE 14节点配电系统进行算例仿真分析,表明了所提策略的合理性和有效性,验证了所提方法的准确性和适用性。     

考虑时间序列关联的变压器在线监测数据清洗EI北大核心CSCD

针对变压器设备大数据状态评估过程中存在数据缺失以及异常数据等问题,提出了一种基于关联规则分析和神经网络的数据清洗策略。首先通过关联规则挖掘,建立了衡量状态监测量间关联程度的数学模型,找出具有强关联性的时间序列。然后利用基于密度的聚类算法检测出序列中的缺失值以及异常点,提出了考虑序列关联性的清洗流程和规则,有效区分可清洗的传感器数据异常和设备状态异常。针对可清洗的数据点,利用小波神经网络模型进行缺失数据预测和错误数据修正,并动态修正小波神经网络参数和组合预测,提高了网络的清洗效率和准确率。以实际变压器设备在线监测数据为例进行测试,测试结果表明序列数据的关联性分析和小波神经网络相结合,能够有效提高变压器在线监测数据清洗的准确度。     

考虑时间序列关联的变压器在线监测数据清洗

针对变压器设备大数据状态评估过程中存在数据缺失以及异常数据等问题,提出了一种基于关联规则分析和神经网络的数据清洗策略。首先通过关联规则挖掘,建立了衡量状态监测量间关联程度的数学模型,找出具有强关联性的时间序列。然后利用基于密度的聚类算法检测出序列中的缺失值以及异常点,提出了考虑序列关联性的清洗流程和规则,有效区分可清洗的传感器数据异常和设备状态异常。针对可清洗的数据点,利用小波神经网络模型进行缺失数据预测和错误数据修正,并动态修正小波神经网络参数和组合预测,提高了网络的清洗效率和准确率。以实际变压器设备在线监测数据为例进行测试,测试结果表明序列数据的关联性分析和小波神经网络相结合,能够有效提高变压器在线监测数据清洗的准确度。     

基于自注意力生成对抗网络的电力设备在线监测缺失数据填补

电力设备的在线监测系统常出现不同程度的数据缺失,而传统的缺失数据填补模型精度较低。因此提出一种基于自注意力生成对抗网络(self-attention generative adversarial networks,SA-GAN)的电力设备在线监测缺失数据填补模型。首先搭建基于自注意力机制的时间序列填补模型,并对权重融合模块进行改进,然后将时间序列填补模型作为生成器,构造对应的判别器与损失函数,提出了具有自注意力机制的生成对抗网络SA-GAN,对电力设备在线监测数据进行缺失填补。最后通过实际工程中的电力变压器、高压电缆在线监测数据对模型进行训练与测试,验证了模型的有效性。结果表明,通过局部遮掩对110 kV变压器在线监测数据进行自然缺失模拟并通过各类缺失填补模型进行补全时,SA-GAN模型的平均绝对误差(mean absolute error,MAE)最高为0.11,均方根误差(root mean square error,RMSE)最高为0.17,较其他模型分别至少降低19.10%、14.07%,验证了SA-GAN模型的有效性;对9.51%自然缺失率下的220 kV高压电缆在线监测数据...     

面向海量历史监测数据的谐波污染用户统计建模方法

针对大部分用户历史监测数据只保留接入点电压、电流谐波幅值的情形,提出了一种基于幅值监测数据的谐波用户建模方法,同时利用拉丁超立方采样处理海量监测数据,辨识模型参数。利用所提方法对一组实际监测数据进行统计建模以分析实际的谐波污染用户,结果证明了所提方法的快速性和有效性。