段侯峰[1]2008年在《基于遗传算法优化BP神经网络的变压器故障诊断》文中研究说明大型电力变压器是电力系统的枢纽设备之一,其运行状况将直接影响电力系统的安全运行,一旦发生故障将对电力系统和终端用户造成重大的影响和危害。因此,研究变压器故障诊断技术,提高变压器的运行维护水平,对电力系统的安全运行具有重要的现实意义。变压器油中溶解气体分析法是诊断变压器内部故障的有效手段。由于神经网络具有并行分布处理、自适应、联想、记忆及聚类和容错性等诸多优点,适于变压器内部故障发生及发展多过程、多故障的多模式系统诊断。BP神经网络具有简单和可塑的优点,但是BP算法是基于梯度的方法,这种方法的收敛速度慢,且常受局部极小点的困扰,当学习样本数目多、输入输出关系较为复杂时,网络收敛速度缓慢,收敛精度不理想,甚至不收敛。遗传算法具有全局寻优的能力,可有效的改善BP神经网络收敛速度和收敛精度,提高故障诊断成功率。本文针对变压器故障气体及故障类型的特点,建立了结构为3-13-7型的变压器故障诊断BP神经网络模型。提出了遗传算法优化BP神经网络初始权重和阈值和在BP神经网络运行过程实现遗传算法对权重和阈值寻优两种优化方法。应用这两种方法和传统改进方法对网络模型进行训练和比较。并将经遗传算法优化的BP网络模型应用于变压器故障诊断,训练和诊断结果表明:系统采用的两种GA优化算法分别在106步和113步达到收敛,明显的高于L-M优化的BP法的211步,收敛速度分别提高了49.8%和46.4%。通过对30组样本的测试,检验了故障诊断系统的诊断准确率分别达到96.7%和93.3%,明显高于我国现行的DT/T722-2000标准所推行的改良叁比值法,极大的提高了诊断的可靠性和准确性。
张修阁[2]2006年在《基于单片机和DSP的变压器油色谱在线监测技术研究》文中认为变压器是电力系统的重要元件之一,其运行可靠性直接关系到电力系统的安全和稳定。变压器油中溶解气体能够反映变压器内部绝缘老化情况和内部故障情况。本文在针对变压器油中溶解气体的在线监测及诊断技术进行深入研究的基础上充分论述了油中溶解气体浓度与变压器电气故障的对应关系,提出了以油中溶解气体为特征的在线监测系统的原理和实施方案。 DSP技术涉及到许多学科并具有相当惊人的发展潜力,己经在通信与信息系统、信号与信息处理、自动控制、军事等领域得到广泛的应用。TMS320LF2407 DSP芯片提供了低成本、低功耗、高性能的处理能力,几种先进外设备集成到该芯片中,简化了系统设计。其指令周期缩短到(33ns),满足了系统的实时性要求。正是由于2407 DSP在数字控制中表现的优秀性能,在油色谱在线监测系统中选择TMS320LF2407 DSP芯片作为其核心器件。 针对电力部门和实际应用的需要,提出了以AT 89C52作为主控制器,数字信号处理芯片TMS320F2407作为从CPU的主从式硬件系统设计构想。论文完成了基本的硬件电路设计和软件算法设计。主从CPU之间采用双端口RAM进行数据交换,充分发挥了微控制器的控制功能和DSP芯片的数字信号处理优势。 本文分析了利用油中溶解气体进行变压器故障诊断的方法,对采用IEC叁比值法、神经网络方法以及模糊数学方法进行分析。在此基础上,采用专家系统对叁者进行综合分析来进行变压器故障诊断。利用C++ Builder和Access作为系统的开发工具,开发研制了基于油中溶解气体气相色谱分析方法的变压器故障诊断系统。该系统具有易维护、易修改和易扩充的优点,对提高电力变压器运行的可靠性具有重要的理论意义和工程应用价值。
赵立刚[3]2004年在《基于气相色谱分析的变压器故障诊断系统的开发与应用》文中研究指明油中溶解气体分析技术是早期发现和预防变压器故障的有效方法之一。本文分析了利用油中溶解气体进行变压器故障诊断的方法，对采用IEC叁比值法、神经网络方法以及模糊数学方法进行分析。在此基础上，采用专家系统对叁者进行综合分析来进行变压器故障诊断。利用C++Builder和Access作为系统的开发工具，开发研制了基于油中溶解气体气相色谱分析方法的石家庄电业局变压器故障诊断系统。该软件系统具有易维护、易修改和易扩充的优点。对提高电力变压器运行的可靠性具有重要的理论意义和工程应用价值。
刘晶[4]2015年在《基于案例推理的电力变压器故障诊断系统研究》文中研究指明作为电力系统最重要的电力设备之一，电力变压器的运行状态直接影响电网的经济运行和安全生产。为保障电力变压器安全可靠的运行，对其进行故障诊断研究极有必要。本文通过引入案例推理的人工智能方法，应用于变压器的故障诊断，建立了基于案例推理的变压器故障诊断模型。首先，分析了变压器故障原理、故障特征、故障影响和对应应采取的措施，整合大量故障案例信息，采用面向对象的案例表示方式，建立了故障案例库。其次，针对不同类型的故障数据，设计相应的相似度计算模型。对于特殊数据进行处理，以契合案例推理的运算规则。再次，对于案例推理的核心，案例的检索，本文提出基于熵和聚类的改进K-NN算法，使用信息增益来评价属性的分类能力和重要程度，并以此作为属性选择的依据。引入聚类的思想，提取与待诊断问题最相关的特征属性的权值。然后，本文分析了气相色谱分析与变压器内部故障的关系，针对变压器故障DGA数据的复杂分散的特性，设计以引入核函数的支持向量机（SVM）模型对变压器进行故障诊断。同时引入果蝇优化智能算法（FOA）对SVM模型的关键参数进行优化，建立了果蝇优化支持向量机的变压器故障诊断模型。与启发式算法优化SVM参数相比，FOA-SVM的故障分类性能更佳。最后，建立了基于CBR的电力变压器故障诊断系统模型。运用数据库技术，在Visual C++6.0、Matlab2010a等编程环境下，实现CBR的变压器诊断系统。通过变压器故障实例仿真，结果表明本文设计思想的合理性和有效性。
赵明清[5]2002年在《油中气相色谱在线分析装置应用于叁绕组变压器的研究》文中进行了进一步梳理变压器作为发电厂的主要设备，是电厂与电网联接的枢纽，其运行的可靠性直接关系到发电厂整个机组的安全稳定运行。随着大容量机组的不断投运，其安全运行的要求也越来越高。变压器油中溶解气体的色谱分析以其可检测变压器各种潜伏性故障而得到广泛应用。为更及时准确地发现变压器故障，缩短检测周期，逐步实现变压器的状态检修，变压器油色谱的在线监测应用而生，并逐步得到推广应用。 本文对BSZJ—Ⅲ型变压器油色谱在线监测装置在甘肃省八○叁厂的应用进行了研究。论文在探讨了气相色谱在线监测和故障诊断等技术在国内外发展的现状的基础上，对变压器应用在线监测装置的重要性进行了论证，论述了进行气相色谱分析的原理、特征气体与故障类型的关系、故障诊断方法的原理与各自的优缺点。并对在线监测系统所产生的误差、误差来源以及抗干扰措施等进行了分析论证。 故障诊断系统是比较新的课题，本文在分析阈值诊断、人工神经网络、专家系统优缺点的基础上，运用模糊数学的方法结合叁比值法对故障诊断系统进行了改进，全面分析论证了运用模糊数学综合评判的方法的原理、可行性，在此基础上，运用结构化编程的思路，设计出程序框图，编制成具体的诊断系统运用在变压器油色谱的在线监测装置中，通过具体事例说明该诊断系统能够比较准确的分析判断变压器故障。文中结合八○叁厂所处地理位置的特点，提出了在线监测系统在八○叁厂的安装、调试方案，并在实际运行中采取了相应的措施，提高监测的准确性。目前该系统已成功在八○叁厂1号主变压器运用。 通过对已获得的在线、离线数据进行了分析、比较，认为在线监测装置与离线监测相比，具有反映灵敏、检测精度高等特点，其运行是可靠的。同时，在线色谱分析还可以克服和避免常规油分析中的人为因素影响，比较客观地反映了变压器油中溶解气体的实际值，对通过阈值诊断报警意义较大。在设备正常投运后，可较好地减轻工人的劳动强度。 本文还针对在线监测装置存在的一些不足或需要改进之处，也进行了一定探讨，提出了相应的改进意见。
张玉[6]2009年在《大庆电网电力变压器故障诊断》文中提出我国于20世纪60年代中期对变压器油中溶解气体分析进行了研究,20世纪70年代初,开始了气相色谱法应用于变压器潜伏性故障检测,目前为止,已广泛推广应用。近年来,作为气相色谱法的补充和发展,变压器油中溶解气体的在线监测技术也取得了显着进展。由于变压器油中溶解气体分析技术的分析方法简单,速度快,无需将被试设备停运,并且通过多年的广泛应用,积累了大量的实践经验,因此,油中溶解气体分析技术对保证电力系统安全可靠运行,防止事故于未然,是极为重要的。20世纪40年代末,由W·R·Ashby和C·E·Sshanuon发起的关于用机器模拟智能的学术会议上,首次提出人工智能(AI)术语,人工智能是以模型化的计算机来代替人的思维方式和解决问题的一种方法,包括专家系统ES,人工神经网络ANN,模糊理论,模拟进化优化等智能方法的计算和技术,随着计算机技术迅速发展,人工智能技术已在各行各业迅速普及,1982年开始在电力系统应用,国内外应用人工智能方法诊断变压器故障的成果较为广泛,其中国内开发变压器故障诊断专家系统始于80年代末,主要是基于油气分析、局方脉冲和超声波等多种监测原理为主。MATLAB软件是由美国Math Work公司推出的用于数值计算和图形处理的科学计算系统,在大学里,MATLAB软件成为对数值、线性代数以及其他一些高等应用数学课程的辅助教学的工具;工程领域,MATLAB软件被用来构建与分析一些实际课题的数学模型,它还包括了工具箱(TOOLBOX)的各类应用问题的求解工具。本文收集的变压器气相色谱分析数据,一方面来源于龙凤热电厂一、二号主变压器的气相色谱数据,另一方面来源于供电公司中心试验所管辖变电所的故障变压器色谱分析数据。首先,介绍电力变压器故障诊断的意义,变压器油中溶解气体分析(DGA)的原理,以及故障诊断过程,利用传统叁比值诊断法对变压器早期故障进行诊断和分析;其次,应用MATLAB软件工具箱中模糊逻辑工具箱(Fuzzy Logial)和神经网络工具箱(Neural Network)对变压器油色谱数据进行分析和诊断,列举诊断实例,对比传统的叁比值诊断方法以及实际故障情况,提出自身的观点和看法。
孙向飞[7]2003年在《粗糙集理论在电力系统中应用研究初探》文中提出软计算工具主要包括人工神经网络、模糊集理论、进化算法和粗糙集理论等。粗糙集理论是一种较新的软计算方法，它能有效地分析和处理不精确、不一致、不完整等各种不完备信息，并从中发现隐含的知识，揭示潜在的规律，是一个强大的数据分析工具，具有良好的容错性能。粗糙集理论在某些方面可以弥补其它软计算方法的不足，其在电力系统中的研究和应用还非常少，尚处在起步、探索阶段。本文利用粗糙集理论在处理不完备信息方面的独特性能，以及强大的数据分析能力和容错性能，对其在电力系统中的应用，进行探索研究。主要内容有： 1．基于粗糙集理论的配电网故障诊断研究 配电网一旦发生事故，如何快速、准确地对故障发生区位进行诊断并有效地隔离，是提高供电可靠性的关键问题，也是实现配电自动化的重要研究课题之一。近年来，各级调度中心引入使用的SCADA系统，能够将配电网中的实时信息及时提供给调度员，为配电自动化水平的提高奠定了基础。然而，现有的SCADA系统在配电网发生故障时提供给调度员的警报信息有如下局限性：(1)面向现场的户外馈线终端FTU运行环境恶劣，承受强的电磁、雷电干扰，并且由于继电器节点故障、FTU元器件损坏等因素的存在，使得配电网信息受干扰、畸变的可能性较高；(2)在信号传输及变换过程中，通讯装置的故障等原因，也可能导致信号出错甚至丢失；(3)保护装置和断路器本身也有可能误动或拒动。以上原因使故障后的系统响应复杂化，产生不完备警报信息，给故障诊断工作造成很大困难。 针对配电网故障模式存在不完备信息的情况，本文运用粗糙集理论探索了一种配电网故障诊断的新方法。其思路是把保护和断路器的信号作为对故障分类的条件属性集，考虑各种可能发生的故障情况建立决策表，然后进行决策表化简，最后抽取出诊断规则。这种方法揭示了故障信息集合内在的冗余性，能够区分关键信号和非关键信号，可以在不精确、不完备的警报信息模式下达到正确诊断的目的。 2．基于气相色谱分析和粗糙集理论的电力变压器故障诊断专家系统方案设计 变压器内部故障的检测有多种手段，IEEE认为对变压器内部故障早期诊断最有效的方法是油中气体色谱分析法。由于目前对于变压器的故障机理尚未清楚，以及监测手段存在一定的局限性，要建立故障现象与故障原因之间的精确数学模型是十分困昆明理工大学硕士学位论文难的。专家系统可以有效地模拟专家的决策过程，被国内外电力系统工作者广泛探索用于变压器故障诊断，但难以获取完备知识的瓶颈问题一直制约着专家系统的发展。 本文提出了一种基于气相色谱分析和粗糙集理论的电力变压器故障诊断专家系统设计方案，并着重研究了变压器故障诊断专家系统知识库建立和维护的粗糙集方法。该方法从历史故障数据所形成决策表的约简出发，通过计算规则的粗糙隶属度，形成不同简化层次上符合置信度要求的节点网络规则集。随着故障样本的增多，重新计算每个节点的规则的粗糙隶属度，错误样本将被众多正确样本“淹没”，从而实现知识库的维护和自适应能力。用变压器故障信息与知识库中相应节点的规则集进行匹配，即使在气相色谱分析数据不完备的情况下，也能得到正确的诊断结果。
曹国慧[8]2004年在《基于油中气体分析的多种人工智能技术在变压器故障诊断中的应用》文中研究表明变压器作为电力系统的枢纽设备，其运行可靠性直接关系到电力系统的安全与稳定。变压器由计划检修转变为状态检修是提高其可靠性的重要手段之一。对于电力变压器这个电力系统重要的电气设备的状态维修，是国内外研究的重点，而变压器内部故障的在线诊断是实现其状态检修的前提条件之一。 本文针对应用油中溶解气体分析法(Dissolved Gases Analysis，简称DGA)进行变压器绝缘诊断时所遇到的主要技术难点，提出了提高变压器故障诊断的准确性、可靠性的几种方法。 国内外研究电力变压器内部故障诊断方法很多，如神经网络方法、模糊集理论方法、专家系统方法、综合人工智能技术以及变压器故障在线监测技术的应用等。然而要想准确、及时地诊断出变压器内部故障性质和故障部位，必须基于变压器油中溶解气体分析，综合多种人工智能技术、结合电气试验参数，利用在线监测才能诊断实施。 当变压器内部局部过热或放电时，产生氢气(H_2)、甲烷(CH_4)、乙烷(C_2H_6)、乙烯(G_2H_4)、乙炔(C_2H_2)、一氧化碳(CO)、二氧化碳(CO_2)等特征气体。 当内部潜伏性故障加重时，它们产生速度加快，其油中溶解的组分和含量可以被看作诊断变压器故障的特征参数，因此通过对油中溶解气体进行气相色谱分析，可发现变压器内部故障。 当固体绝缘局部过热时，会产生大量一氧化碳(CO)和二氧化碳(CO_2)；当油局部过热时，会产生大量乙烯和甲烷。电弧放电的特征气体主要是氢气和乙炔。一般乙炔(C_2H_2)占总烃20～70％，氢气(H_2)占氢烃的30～90％，乙炔(C_2H_2)大多高于甲烷(CH_4)。 火花放电的特征气体也是以氢气(H_2)、乙炔(C_2H_2)为主，一般总烃含量不高。局部放电时，特征气体主要成份是氢气(H_2)和甲烷(CH_4)。乙炔(C_2H_2)在总烃中所占比例一般小于2％，这是和上述两种放电现象区别的主要标志。 无论何种放电，只要有固体绝缘介入时，就都会产生一氧化碳(CO)和二氧化郑州大学工学硕士论文摘要碳(COZ)。 特征气体法是根据变压器各种故障所产生的特征气体来判断故障的性质。叁比值法是用油中溶解气体色谱法测得油中气体浓度后，用叁个比值大小(C热/C2比、CH扩HZ、CZH扩CZ氏)来判断变压器内部故障情况。四比值法是根据5种不同气体组分产生的四个比值(C比/HZ、CZH6/CH。、CZH。/C儿、CZHZ/CZH4)的大小范围来判定故障类型。 本文基于电力变压器油中气体的产生和溶解原理，深入分析了油中溶解气体与变压器故障类型之间的关系，进而把油中溶解气体的组分和含量作为变压器故障诊断的特征量。通过对判断变压器故障常用的特征气体法、叁比值法的深入分析，其诊断准确率较高，但对故障原因、故障现象和故障机理间同时存在不确定性和随机性的变压器等电气设备的故障诊断，经典法难于满足工程应用的需要; 应用专家系统、人工神经网络和智能型系统综合人工智能技术诊断变压器故障时，专家系统模拟人类的逻辑思维，即人类专家处理问题时的思考过程;而人工神经网络模拟人类的形象思维，注重的是人类专家的结论。 本文提出的人工智能型系统利用了人工神经网络自组织、自学习的特点，克服了传统专家系统知识获取的“瓶颈”及知识库维护等难点，再加上利用专家系统的逻辑推理功能，弥补了人工神经网络的不足之处。 在理论研究的基础上，本文运用上述方法和技术对河南省南阳电业局近10年来电力变压器异常及故障的离线数据进行分析、诊断，针对每种方法的不足，提出了相应的解决措施。 大量的诊断实例表明:离线气相色谱法对电力变压器绝缘故障诊断是有效的，它能够分析出变压器的绝缘状况，正确识别绝缘故障类型并能给出故障发生的大致部位，但是它必须经过油样采集一油样运输一油气分离一色谱分析的过程，会对判断故障类型及其严重程度造成很大误差，而且对于发展较快的故障不能连续在线监测。 为更及时、准确地发现变压器故障，缩短检测周期，逐步实现变压器的状态检修，变压器的在线监测应运而生，并逐步得到推广应用。 论文在探讨了气相色谱在线监测和故障诊断等技术在国内外发展的现状的基础上，对变压器应用在线监测装置的重要性进行了论证。郑州大学工学硕士论文摘要 在线油中溶解气体分析的含义首先要求连续地监测变压器全部油中溶解气体，其检测灵敏度和范围最好达到或超过离线气相色谱分析;其次，应将检测结果实时远传给监测中心的故障诊断专家系统，由专家系统给出变压器的实际运行状态，并建议应采取的措施。 电力变压器早期故障在线监测装置，是一种将变压器油中的溶解气体经选择性的渗透膜进入电化学气体传感器内，并在传感器内与氧气进行化学反应，产生与反应速率成比例的电信号，实时在线测量气体浓度变化数值的装置。 在线故障诊断系统是比较新的课题。本文展示了该课题的原理和可行性，结合河南省南阳、新乡电业局应用实例，介绍了HYDRAN 201R Modeh在线监测系统的配置、性能、安装调试方案，并在实际运行中采取了相应的措施，监测的准确性高于前面的方法。具体事例说明该?
杨廷方[9]2008年在《变压器在线监测与故障诊断新技术的研究》文中提出离线的变压器油中溶解气体分析(DGA),由于操作复杂、试验周期长、人为影响的误差大,所以无法做到实时了解变压器的内部绝缘状况,很难尽早地发现设备内部存在的潜伏性故障。因此无法采取防范措施以避免突发性事故的发生。而在线监测可以克服传统方法的不足,实现真正的在线检测、分析和诊断一体化,为管理者提供及时、准确、连续的决策依据。目前在我国已经有大量的变压器在线监测装置投入使用了。但是据统计,已安装的在线监测装置有很多发挥的作用不大。不少装置不仅自身的事故率很高,而且其故障诊断的准确率很低。这些都为变压器的在线监测带来了很多负面的影响。因而增强变压器在线监测设备的可靠性和提高变压器故障诊断的准确率,已成为目前变压器在线监测系统所面临的主要任务。本文在深入分析变压器故障征兆与故障机理的复杂关系的基础上,不仅对于变压器故障诊断的方法进行了研究和分析,还基于光谱吸收原理设计了一套光纤气体传感器用于变压器油中溶解气体的在线监测。论文主要包括以下几个方面的内容:第2章针对变压器单一故障诊断方法的局限性,提出了基于Borda模型的多种比值法组合诊断专家系统,将Rogers叁比值法、日本电协研法、无编码比值法、改良叁比值法、IEC-60599、大卫叁角形法这六种成熟的比值法组合起来对变压器故障进行综合诊断。该方法积极的探索了多种方法综合诊断变压器绝缘故障的合作结构和机制,实现了六种比值诊断方法的诊断有机组合,消除了单个方法的诊断偏好对最终诊断和评估结果所产生的影响,解决了多种诊断方法的诊断结果相融合的问题。该方法实现了多种方法协同合作的诊断模式,比单一的诊断方法更可靠。从变压器故障实例的诊断结果来看,该方法比六种单项方法诊断的故障诊断准确率更高。其诊断效果也远优于该六种单项比值诊断法。为了更完整、更充分地利用变压器原始诊断数据中蕴含的有利信息,并考虑到模糊因素对故障诊断的影响,第3章把模糊理论引入到变压器的故障诊断中。将改良叁比值法与模糊C-均值聚类算法结合起来对变压器进行故障诊断。并建立了新型的变压器故障聚类诊断模型。还利用Matlab进行了实例仿真和测试。仿真结果表明了该方法基本上解决了比值法中关于“编码缺失”以及边界绝对化的问题。第4章将支持向量机回归理论引入到变压器油中气体浓度预测中,建立了基于支持向量机回归理论的预测模型,以实现变压器故障报警和绝缘故障预报。实验结果表明了该方法能够满足工程实践的要求,有助于变压器运行状态的预测。第5章将BP神经网络、灰色理论、线性回归预测算法和基于支持向量机回归模型这四种单项预测算法综合起来,采用最优加权组合预测模型,对油中溶解气体浓度的发展趋势进行精确的组合预测,为变压器油中溶解气体浓度的预测提供了新的途径。该组合预测方法能很好的综合各种单项预测方法的优势,与四种单项预测方法相比具有更高的预测精度。其可以有效地降低单项预测算法的预测误差,增强预测的稳健性,克服单项预测方法信息缺失以及考虑角度片面性的劣势。实例分析也表明了该组合预测方法比单项预测方法具有更高的准确性、可靠性和有效性。由于变压器传统的在线监测系统一般采用色谱柱,需要消耗氧气和载气,而且色谱柱和传感器需定期标定,装置可靠性不高,检测气体成分过程繁琐,因此第6章根据比尔-朗伯特(Beer-Lambert)定律,按照光纤气体差分吸收的原理,设计了一套基于光纤气体传感器的变压器在线监测系统。该系统主要用于监测乙炔,甲烷,乙烯和一氧化碳四种变压器油中溶解气体的浓度,以判断变压器的故障状况。该系统不需要消耗载气和色谱柱等易耗品,且灵敏度高,方便,可靠,快速。并具有环保以及抗电磁干扰能力强的特性。该系统也不需复杂的气路和油路控制回路,能实现多组分气体在线实时分离和检测。第7章总结全文,并提出了有待进一步研究的主要问题。
范竞敏[10]2010年在《SOFC型气体检测器在DGA中的应用及相关技术研究》文中研究表明大型电力变压器是电力系统中非常重要的设备,变压器油中溶解气体分析DGA是电力部门保证变压器安全稳定运行的主要手段。论文分析了变压器故障在线监测与诊断技术的研究现状,并指出检测器精度低、定量算法准确性不足、专家算法的故障诊断正确率不高等问题是制约变压器DGA在线监测系统取代离线测试系统及大规模推广的瓶颈问题。详细介绍了气相色谱法的基本原理及其在变压器故障特征气体测量中的应用,分析比较了气相色谱常用检测器技术及其优缺点。结合电力变压器故障监测的实际应用,将传统的SOFC氧含量传感器引入到变压器故障特征气体的测量中,对传感器的基线稳定性、组分分离度、峰高重复性等特性进行了系统的测试。实验结果表明：用传统的峰高法和面积法直接对SOFC检测器进行定量时,表征系统测量重复性的性能指标一相对标准方差大于50%,误差较大,不满足实际应用的需要。为了解决SOFC检测器定量的准确性问题,从Nernst方程出发,在一定的假设条件下,建立了管式SOFC定量方法的数学模型,并依据该模型重新优化测试方案和计算方案。应用新方法进行了不同浓度下的测试,权威计量认证单位的测试结果表明,基于Nernst方程定量方法的RSD小于10%,准确性误差在16.5%以下,满足DGA在线监测的定量准确性要求。专家算法是DGA在线监测系统的重要组成部分,其诊断结果将直接影响变电站维护人员的决策。论文对通过测量变压器油中溶解气体浓度来监测变压器内部故障的原理进行了介绍,对变压器故障诊断的传统方法进行了分析比较,发现传统方法均存在诊断准确率不高或算法运算量太大等不足。针对上述存在的问题,提出了基于LC-BP的变压器故障诊断新方法,并详细介绍了算法的具体实现步骤。仿真结果表明,LC-BP算法在减小运算量的同时有效地提高了变压器故障诊断正确率,满足变压器故障在线监测的要求。本文中的基于SOFC技术的气相色谱系统和LC-BP故障诊断方法能对变压器的运行状态做出实时、准确的监测和评估,为电厂、变电站运行人员进行变压器的维护和管理提供了可靠的依据。
参考文献：
[1]. 基于遗传算法优化BP神经网络的变压器故障诊断[D]. 段侯峰. 北京交通大学. 2008
[2]. 基于单片机和DSP的变压器油色谱在线监测技术研究[D]. 张修阁. 兰州理工大学. 2006
[3]. 基于气相色谱分析的变压器故障诊断系统的开发与应用[D]. 赵立刚. 华北电力大学（河北）. 2004
[4]. 基于案例推理的电力变压器故障诊断系统研究[D]. 刘晶. 华东交通大学. 2015
[5]. 油中气相色谱在线分析装置应用于叁绕组变压器的研究[D]. 赵明清. 重庆大学. 2002
[6]. 大庆电网电力变压器故障诊断[D]. 张玉. 天津大学. 2009
[7]. 粗糙集理论在电力系统中应用研究初探[D]. 孙向飞. 昆明理工大学. 2003
[8]. 基于油中气体分析的多种人工智能技术在变压器故障诊断中的应用[D]. 曹国慧. 郑州大学. 2004
[9]. 变压器在线监测与故障诊断新技术的研究[D]. 杨廷方. 华中科技大学. 2008
[10]. SOFC型气体检测器在DGA中的应用及相关技术研究[D]. 范竞敏. 中南大学. 2010
标签：电力工业论文; 计算机软件及计算机应用论文; 自动化技术论文; 故障诊断论文; 变压器论文; 专家系统论文; 技术原理论文; 可靠性分析论文; 可靠性设计论文; 色谱论文;