郑娜[1]2007年在《电力变压器状态评估和故障诊断的研究》文中研究表明变压器是电力系统的枢纽设备,其运行的可靠性与电力系统的安全密切相关,变压器运行状态的有效评估以及变压器故障类型的准确诊断一直是电力工作者研究的重点和难点,本文基于改进的物元理论对上述两个问题进行了重点研究。在变压器状态评估方面,首先建立了变压器状态评估信息的分层多级框架,采用信息熵分析法和可拓层次分析法计算得到信息指标动态、静态相结合的综合权重。然后,基于可拓学中的物元理论和关联函数理论,建立了变压器状态评估的多级可拓评估模型,实现了变压器状态评估的定性与定量相结合的综合评估,并通过实例分析验证了方法的正确性。在变压器故障诊断方面,本文首次将云模型与物元理论相结,建立了变压器故障模式的云物元模型,提出了一种基于云物元分析原理的变压器故障诊断新方法,有效地解决了IEC叁比值法中比值范围的不确定问题,实例分析验证了该方法的正确性。
张翠玲[2]2015年在《电力变压器综合评判和状态维修策略决策方法的研究》文中认为电力变压器做为电力系统中重要的电力设备,研究电力变压器运行状态的模糊综合评判(FCA)方法、状态维修策略(CBMS)决策的方法对提高电力变压器运行安全性和可靠性有决定性的意义,对整个电力系统的安全与可靠运行意义重大。本文研究主要包括：电力变压器运行状态的模糊综合评价和状态维修策略决策两部分内容。针对电力变压器故障诊断和运行状态预测中的小样本数据、信息贫乏的特点,研究以模糊化数值处理数据的理论为主要方法的电力变压器运行状态综合评价和状态维修策略决策的研究。主要内容包括：(1)模糊综合评判方法的研究在研究电力变压器的状态特征量和故障特征量的基础上,提出了以模糊综合评价理论为主要技术手段的电力变压器运行状态综合评判的技术方案,确定了状态综合评判模型,提出了基于模糊AHP的电力变压器的状态评判矩阵的建立方法,并提出了改进意见,讨论了在该方案下评价指标模糊化的适用范围和结果分析。(2)电力变压器的运行状态FCA算法的研究确定电力变压器运行状态评估模型,通过比较分析,研究了基于对数函数的模糊综合评判方法和基于梯形模糊数的模糊综合评判的改进方法,通过先验知识和实验分析,研究了针对变压器状态评估分析的判断矩阵中数值分别以对数函数和梯形模糊数表示的状态方程的建立方法和评价体系的可行性,提出了一种新的数值模糊化的处理方法。(3)基于故障诊断的电力变压器综合评判方法的研究根据电力变压器油中溶解气体的特点,研究了基于支持向量机的电力变压器故障分类器,设计了利用向量投影法进行计算的的决策树下支持向量机的故障分类模型。通过比较可测度的大小进行分类,针对电力变压器的故障性质和故障部位能够做到有效分类,提高了准确率,为电力变压器的运行状态提出基于故障诊断的综合评判。(4)电力变压器CBMS决策算法的研究在电力变压器运行状态综合评判的基础上,针对电力变压器维修策略决策指标的非线性、多属性和混合型的特点,研究了模糊综合评价指标体系下变压器维修策略的决策方案,并提出了基于混合多属性指标理想解法的维修策略决策的研究。通过对精确数、区间数、和模糊数,以及成本型和效益型指标共存的指标体系建立了模糊TOPSIS的决策模型,具有较好的决策效果和实用性。本文对电力变压器运行状态的综合评价和状态维修策略决策方法进行了系统的研究,对电力变压器运行状态模糊综合评判和状态维修策略的决策技术的发展具有重要的理论意义和实用价值。
姜峰[3]2016年在《红沿河核电站500kV变压器故障监测与诊断》文中研究表明电力变压器在电力系统中发挥着重要作用,随着工业生产的大力发展,大量的电力变压器投入电力系统中运行,特别是近年来核电产业的蓬勃发展,使得电力变压器的容量需求越来越大。电力变压器长期运行,难免会出现各种问题,一旦电力变压器出现故障,轻则导致变压器暂停运行,重则导致电力变压器损毁,甚至出现大面积停电,致使工业生产停滞,造成严重的经济损失。电力变压器的故障通常是由小问题逐渐发展成为大问题,变压器在故障早期即表现出一些特征,如若能够及时发现故障特征,在变压器故障早期就解决相关问题,则能很好地保障电力变压器的正常工作,避免事故发生和经济损失。电力变压器的故障监测主要通过对变压器油的检测来完成。本文首先分析了电力变压器中变压器油的基本特性,变压器油中的气体组分是分析变压器故障状态的主要特征量,分析了变压器油中气体来源。接着介绍了电力变压器的内部典型故障,分析了电力变压器内部故障与变压器油中气体的关系,给出电力变压器不同的故障类型产生的主要气体和次要气体组分。接着介绍了电力变压器的单组分气体、多组分气体和气体与微水联合叁种在线监测技术,总结了气象色谱法、传感器阵列法、傅里叶变换红外光谱法和光声光谱法在电力变压器多组分气体在线监测技术中的应用。然后给出了基于叁比值法的变压器故障诊断方法,通过人工取样获得变压器油样,利用气象色谱仪分析油样,采用叁比值法判断变压器故障。在此基础上,分析了电力变压器在线监测系统的具体功能,完成了基于TMS320F28335控制器的变压器在线监测系统的软硬件设计。通过模拟实验,对比了在线监测装置的测量结果与Agilent 7890A气相色谱仪的测量结果,并比较了在线监测装置计算出的各组叁比值编码与由Agilent 7890A气相色谱仪测得的数据计算而来的叁比值编码,验证了在线监测装置测量结果的可靠性。
谭凌峰[4]2007年在《电力变压器绝缘故障模糊诊断方法的研究》文中研究说明电力变压器是电力系统中最重要的电气设备之一,也是导致电力系统事故最多的电气设备之一,其运行状态直接影响系统的安全性水平。及早发现变压器的潜伏性故障,保证变压器的安全运行,从而提高供电的可靠性,是电力部门关注的一个重要问题。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,具有重要的现实意义。变压器故障是变压器本身及其应用环境综合作用和长期积累的结果,因而变压器故障的征兆多种多样,故障征兆与故障机理间的联系也错综复杂,这就给建立通用的变压器故障诊断方法造成了很大的困难。由于变压器故障的复杂性,其诊断过程不可能只采用单一方法,而要采用多种方法。因此,必须从各种学科中广泛探求有利于故障诊断的原理、方法和手段,这就使得故障诊断技术呈现多学科交叉这一特点。因此,本文以油中溶解气体组分含量为特征量,运用多种人工智能技术,开展变压器绝缘故障诊断系统的研究。论文主要包括叁方面的内容:(1)建立了变压器故障综合诊断的的模糊神经网络模型。模糊神经网络模块能有效体现变压器故障诊断中存在的模糊性,又能通过自身的自学习功能来提高网络本身的诊断精确度,又能提高整个系统的诊断能力。选择和训练了适用于电力变压器运行状态及其故障在线监测、诊断和预报的BP神经网络、Elman神经网络和概率神经网络,对网络的结构、优化、算法以及隐层节点的个数进行了探讨,并应用MATLAB中的工具箱进行了大量的仿真试验。(2)本文通过随机抽取的一些实例比较了BP、Elman、概率神经网络几种诊断方法的可靠性。检验表明:Elman网络比BP网络能更好地检验出变压器的故障类型,具有更高的准确性,但是Elman网络训练的次数要比BP网络次数多。概率神经网络比BP网络的正确率高,并且训练速度快。(3)在软件开发方面,采用VB语言为开发工具,数据库采用Access。为了简化程序设计,使用了VB调用Matlab神经网络工具箱的方法。最后并用实例证明了基于模糊诊断模型的变压器故障诊断系统的有效性和准确性。
孙磊[5]2008年在《电力变压器的智能故障诊断系统研究》文中研究表明电力变压器作为电网中的核心设备之一,它的正常工作是电力系统安全、可靠、优质、经济运行的重要保证。但是目前随着变压器额定电压的提高、单台容量的增大以及运行年限的增长,变压器停电进行预防性试验的代价越来越高,因此,以在线检修为主要方式的电力变压器故障状态检测技术便应运而生。它是以变压器当前的实际工作状况为依据,识别故障早期的征兆,并对故障部位、故障严重程度及发展趋势做出判断。本文在建立变压器故障运行状态评估的层次指标体系和对定量、定性指标量化的基础上,对变压器状态评估中的几个关键问题进行了深入的研究。由于电力变压器故障的模糊性和多样性,目前利用IEC叁比值法在变压器故障诊断中存在准确率不高之难题。本文针对电力变压器的特点,综合考虑各因素的影响,将模糊逻辑和pi-sigma神经网络融合在一起,构建了基于混合pi-sigma神经网络及其算法的变压器故障诊断模型,其中在学习速率的选择、隶属度函数参数的更新等多处进行了改进,进一步减小了预测误差。用训练过的混合pi-sigma神经网络模型对变压器故障进行验证和诊断的仿真结果表明,该算法具有较快的收敛速度和较高的计算精度。证实了该算法应用于电力变压器故障诊断的有效性。从海量数据中学习分类知识,尤其是当获得大量的带有类别标注的样本代价较高时,增量学习是解决该问题的有效途径。本文探讨了一种基于增量式贝叶斯分类器的以溶解气体分析为主结合其它电气试验结果的变压器综合故障诊断方法,该模型可以通过不断积累完善训练样本,自动修正网络结构参数和概率分布参数,提高诊断效果。实验结果表明,该算法是可行和有效的。
关忠伟, 宋欣洋, 孟彪, 孙逊[6]2019年在《电力变压器故障的诊断与检修》文中指出介绍了电力变压器的几种常见故障类型,如短路故障、绝缘故障、自动跳闸故障和油质问题。分析了电力变压器的故障诊断方法,从做好电力变压器的定时检查与巡视工作、严格遵循相关规定步骤、做好在线检测、提升检修人员自身技术水平等方面入手,提出做好电力变压器检修工作的措施,以实现安全用电、推动电力行业稳定发展的目标。
叶卫忠[7]2009年在《电力变压器的故障诊断与分析》文中认为随着电力系统输变电电压等级的不断提高,系统容量的不断增大,作为电力系统主设备之一的变压器的健康状况也越来越为人们所重视。为了保证变压器的健康、安全、稳定地运行,加强电力变压器在运行过程中的监测和维护,进行电力变压器的故障诊断与分析就显得尤为重要。本文首先对电力变压器的故障种类、成因进行了分析和总结,对电力变压器运行中的状态判据进行了研究；其次,对实际运行过程中出现的几个故障问题,根据其故障时的特征量和故障性质中的信息量进行了深入的分析和研究,并采用综合诊断的方法提出了解决这些问题的方法以及途径；再次,分析了电力变压器故障检测的现状,提出了基于现有离线或在线监测、检测手段,结合变压器的出厂试验、交接验收、生产运行记录、大修后首次试验值、历次检修记录、在线监测记录等资料,对变压器运行过程中的油气量和电气量等参量进行综合分析的电力变压器状态监测和故障诊断的方法,同时,针对变压器状态监测方面存在的不足提出了自己的见解。
李刚, 于长海, 刘云鹏, 范辉, 文福拴[8]2017年在《电力变压器故障预测与健康管理:挑战与展望》文中研究表明电力变压器故障机理复杂且维修成本高昂,对电力系统的安全稳定运行具有明显的消极影响。在数据完备的情况下,获得变压器运行状态的健康指标,对其进行适当的状态维护或预防性维护,对电力系统安全稳定运行具有显着的积极作用。而当前的研究成果大多关注变压器健康管理的某一层面或某一阶段,致使研究成果较为孤立、集成性较差。首先,梳理了目前电力变压器研究存在的主要问题,并给出了基于故障预测与健康管理(PHM)的解决思路;然后,初步界定了电力变压器PHM的管理周期,并系统分析了国内外针对电力变压器健康监测、故障诊断与预测的研究成果;最后,讨论并展望了未来开展大型电力变压器PHM的若干问题。
张珂斐[9]2016年在《电力变压器全维度智能决策支持系统研究》文中认为近年来,随着国家经济和国民生活水平的提高,电网规模迅速扩大,对电网的供电质量和运行可靠性提出了更高的要求。而变压器作为输变电设备中的重要设备,其安全稳定运行对电网具有至关重要的作用,因此,开展变压器的决策分析研究对电网供电品质及可靠性的提高有着举足轻重的意义。本文在深入分析变压器决策分析研究现状的基础上,对变压器的状态评价、风险评估、检修决策、故障诊断及寿命分析五个研究方面开展了研究,并提出了融合数据全维度、设备全维度和决策分析全维度的变压器全维度智能决策分析体系。为了使本文体系能够更好的为电网服务,还对体系进行了信息化的尝试,构建了变压器全维度智能决策支持系统,系统上线运行后,带来了巨大的经济效益和社会效益,明显提高了运维管理工作效率,证明了全维度智能决策支持体系的有效性。论文的主要结论和成果有：(1)变压器的状态评价是决策分析的基础,但由于变压器结构复杂,运行状态受众多因素的影响,仅靠单一指标无法确定变压器的运行状态。因此,本文结合模糊综合评价和证据理论,提出了基于模糊综合评价和改进D-S证据理论的变压器状态评价模型,有效地消除了多源信息间的不确定因素,为变压器的安全稳定运行及检修试验工作的制定提供科学参考与支撑。(2)本文在分析现有风险评估模型和检修决策模型的基础上,通过对风险评估故障模式及其危害性的分析以及检修决策影响因素的深入研究,构建了基于FMECA的变压器风险评估模型和检修决策分析知识库。(3)变压器潜伏性故障的及时诊断对变压器的安全运行乃至电网的安全可靠运行都有极其重要的意义,同时考虑到油中溶解气体分析是目前诊断油浸式变压器潜伏性故障的有效手段。为了克服传统油中溶解气体分析过程中存在的缺陷,提高故障诊断模型的准确率,本文基于人工智能算法,通过化学反应优化算法、BP神经网络和模糊C-均值算法的引入,构建了基于改进BP神经网络的变压器故障诊断模型,有效提高了变压器故障诊断模型的准确率。(4)变压器的绝缘寿命是变压器运行可靠性的重要指标之一,它与绝缘材料的老化及部件的损耗密切相关。因此,本文从绝缘寿命可靠性指标和层次分析指标两方面综合考虑,提出了一种基于熵权融合体系的变压器寿命评估模型,提高了变压器绝缘寿命评估的准确性及合理性；并结合改进灰色预测算法构建了变压器寿命预测模型,并最终形成了基于健康指数的绝缘寿命分析体系。通过实际案例验证表明,本文提出的寿命分析体系模型能够对变压器的绝缘寿命状态及趋势进行更准确的预测。(5)本文在对变压器状态评价、风险评估、检修决策、故障诊断和寿命分析深入研究的基础上,提出了融合数据全维度、设备全维度和决策分析全维度的变压器全维度智能决策支持体系,综合包括变压器的台账数据、在线监测数据、巡检数据和试验数据在内的全维度数据,通过决策分析全维度模型并结合相似设备的横纵向对比,对变压器的检修决策提供理论分析,提高了变压器决策分析的准确度及合理性,提升了变压器运维工作的水平；并对变压器全维度智能决策支持体系进行了信息化尝试,构建了变压器全维度智能决策支持系统。
郑含博[10]2012年在《电力变压器状态评估及故障诊断方法研究》文中提出电力变压器是电网中能量转换、传输的核心，是电网安全第一道防御系统中的关键枢纽设备。目前，我国已有较多变压器运行年限超过20年，这些运行中的变压器面临着日益严重的如设备故障和绝缘老化问题，发生事故的概率不断增加。变压器一旦发生事故可能会造成设备资产和大停电等巨大损失，甚至会产生严重的社会影响。因此，对电力变压器进行有效的状态评估和深入的故障诊断研究，指导变压器的运行维护和状态检修，预防和降低故障的发生几率，具有重要的理论和实际意义。论文在搜集整理大量技术标准、规程导则、专家经验以及变压器实际运行状态数据的基础上，深入研究了电力变压器状态评估的指标体系、评估方法和决策准则以及基于支持向量机和智能优化算法的变压器故障诊断技术，对变压器状态评估的集对分析方法和模糊与证据推理融合的绝缘状态评估模型进行了研究，在以油中溶解气体为特征量的变压器故障诊断方法研究上取得了一定进展，论文取得的创新性成果主要有：在对变压器状态等级划分和指标参数提取的基础上，针对状态信息具有模糊和信息不完全所致的不确定性问题，提出了基于集对分析理论的电力变压器状态评估策略，构建了集对分析算法及实现步骤，用联系度及其数学表达式统一描述系统状态的不确定性问题，并结合信度准则实现了对变压器状态的评估，为电力变压器状态评估提供了一种新的思路。针对变压器绝缘状态评估中存在影响评估结果因素多、评估因素不相容且影响程度又不尽相同的难题，提出了基于模糊和证据推理融合的变压器绝缘状态合决策模型，构建了模糊隶属度函数来描述评估模型的因素层指标，根据模糊评估结果确定证据推理决策模型的原始基本概率分配，利用证据融合得到了辨识框架中基本概率分配函数，最后基于最大基本概率分配函数决策规则进行评估目标判定。将多分类最小二乘支持向量机（LS-SVM）应用于电力变压器故障诊断中，通过组合编码构造多个二分类LS-SVM分类器实现多类分类。利用粒子群优化（PSO）算法获得LS-SVM分类模型的最优参数，应用交叉验证（CV）的思想来提高分类算法的整体泛化性能，并采用加州大学欧文分校机器学习数据库的基准数据集进行验证。变压器故障诊断实例分析表明，提出的基于PSO和LS-SVM分类方法对电力变压器进行故障诊断是准确和有效的；与传统的IEC叁比值法、反向传播神经网络（BPNN）、径向基神经网络（RBFNN）及标准支持向量机（SVM）的变压器故障诊断方法相比，提出的方法在训练和测试阶段都获得了较高的准确率。针对经典PSO算法在实际应用中容易陷入局部最优的缺点，提出了带时变加速系数的PSO算法（PSO-TVAC）优化SVM模型。引入动态惯性权重和加速系数，控制了PSO算法的开发（exploitation）和探索（exploration）能力，平衡了PSO的全局搜索和局部搜索性能，实验证明，基于改进PSO算法的故障诊断收敛速度快，计算精度高，诊断效果更好。研究了基于支持向量机回归（SVR）理论的预测方法，建立了基于PSO-TVAC优化最小二乘支持向量机回归（LS-SVR）和小波最小二乘支持向量机回归（W-LSSVR）的变压器油中溶解气体预测模型，避免了传统SVR方法中回归问题未知变量数目的膨胀，同时简化了支持向量机回归的参数优化。实例研究表明，提出的油中溶解气体预测模型较BPNN、RBFNN、广义回归神经网络（GRNN）及ε-SVR预测方法相比，无论在预测精度和稳定性方面均具有很大的优势。在研究变压器油中溶解气体预测实质的基础上，为了能够进一步掌握油中溶解气体的发展变化趋势，首次提出了基于模糊信息粒化支持向量机回归的油中气体区间预测方法。建立了模糊信息粒化的时序模型，不丧失时间序列所蕴含的主要信息的基础上简化了时序的表现形式，利用PSO-TVAC优化的支持向量机回归模型来训练粒化集样本，根据获得的信息粒预测区间，得到了油中溶解气体变化趋势的最大值、最小值和平均值水平，与实际信息相吻合。
参考文献：
[1]. 电力变压器状态评估和故障诊断的研究[D]. 郑娜. 华北电力大学（河北）. 2007
[2]. 电力变压器综合评判和状态维修策略决策方法的研究[D]. 张翠玲. 东北大学. 2015
[3]. 红沿河核电站500kV变压器故障监测与诊断[D]. 姜峰. 大连理工大学. 2016
[4]. 电力变压器绝缘故障模糊诊断方法的研究[D]. 谭凌峰. 湖南大学. 2007
[5]. 电力变压器的智能故障诊断系统研究[D]. 孙磊. 湖南大学. 2008
[6]. 电力变压器故障的诊断与检修[J]. 关忠伟, 宋欣洋, 孟彪, 孙逊. 黑龙江科学. 2019
[7]. 电力变压器的故障诊断与分析[D]. 叶卫忠. 浙江大学. 2009
[8]. 电力变压器故障预测与健康管理:挑战与展望[J]. 李刚, 于长海, 刘云鹏, 范辉, 文福拴. 电力系统自动化. 2017
[9]. 电力变压器全维度智能决策支持系统研究[D]. 张珂斐. 武汉大学. 2016
[10]. 电力变压器状态评估及故障诊断方法研究[D]. 郑含博. 重庆大学. 2012