高少云[1]2017年在《电力变压器油色谱在线监测与预警系统研究》文中提出电力变压器的正常运行,对电力系统的安全稳定具有重要的作用。为了保证电力变压器的正常运行,需要对变压器状态进行监测,根据变压器运行过程中的历史数据来预测其变化趋势,通过变化趋势,实现对变压器在线监测数据的纵向利用,根据变压器油中溶解气体变化趋势确定最佳维修时机。变压器油色谱在线监测由于维修复杂,设备昂贵,且变压器处于平稳运行工况时,油中溶解气体的含量变化并不大,气体溶于变压器油的过程具有时间累积效应,短时间的监测数据并没有达到预期的故障预测与趋势判断效果的特点,在变压器处于正常运行工况时,采用相空间重构算法,优化调整在线监测周期,适当减少在线监测系统的采集次数,有利于延长在线采集系统的生命周期,减少设备的投资费用。改进型互信息模糊支持向量机对平稳数据有很好的拟合能力,通过改进型互信息模糊支持向量机可对变压器正常工况下的油色谱平稳数据进行预测,利用该预测系统的预测结果结合预警系统,当变压器进入非平稳状态时,可实现变压器非正常工况的提前预警。变压器在隐患累积阶段,油中溶解气体呈S型曲线增长,利用logistic和gompertz原理组合预测系统能精确描述S型生长特性的特点,实现对变压器非正常工况下油色谱数据的预测,并计算出油色谱数据到达注意时的时刻,实现最佳检修时间的估计。论文主要工作如下:(1)鉴于变压器油色谱在线监测由于维修复杂,设备昂贵,且变压器处于平稳运行工况时,油中溶解气体的含量变化并不大,气体溶于变压器油的过程具有时间累积效应,短时间的监测数据并没有达到预期的故障预测与趋势判断效果的特点,在变压器处于正常运行工况时,采用相空间重构算法,优化调整在线监测周期,适当减少在线监测系统的采集次数,有利于延长在线采集系统的生命周期,减少设备的投资费用。(2)在分析了改进型互信息模糊支持向量机对平稳数据有很好的拟合能力,通过改进型互信息模糊支持向量机可对变压器正常工况下的油色谱平稳数据进行预测,利用该预测系统的预测结果结合预警系统,当变压器进入非平稳状态时,可实现变压器非正常工况的提前预警。(3)考虑到变压器预警系统预警之后,预示着变压器进入了非正常工况,油色谱的数据将呈现S型曲线增长模式,改进型互信息模糊支持向量机预测系统将不能满足预测要求,建立logistic和gompertz原理组合预测系统,利用该系统能精确描述S型生长特性的特点,实现对非正常工况下油色谱数据的预测,并计算出油色谱数据到达注意时的时刻,实现最佳检修时间的估计。(4)在以上原理的基础上,设计出整个变压器的在线监测数据采集系统、在线监测周期优化调整系统、平稳运行工况下改进型互信息模糊支持向量机预测系统、预警系统、非平稳运行工况下logistic和gompertz原理组合预测系统。实现对变压器油色谱数据的在线监测、监测周期的优化调整、故障提前预警、故障趋势预测以及最佳检修时间的确定。
张珂斐[2]2016年在《电力变压器全维度智能决策支持系统研究》文中提出近年来,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。
张翠玲[3]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》文中研究表明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。
万季青[4]2018年在《变压器在线监测与故障诊断系统设计》文中研究说明电网作为全国供电系统,其最主要的特点就是安全稳定,而这必须依赖于变压器的正常工作。如果设备发生故障,将导致部分或全部系统设备停止运行,造成严重停电和巨大的经济损失。因此,对变压器的运行状态进行实时监测,尽早发现、诊断出变压器的潜在问题,防止发生变压器故障事故而导致重大人员伤亡和经济损失是十分有必要性的。本文对目前常用的变压器进行了分析,对其故障类型进行了分类并研究了当前用的多的监测方法,在此基础上本文提出了一种变压器故障在线监测诊断系统,该系统通过硬件监测电路与软件控制程序结合,能够较好的完成对变压器的故障在线监测诊断任务。(1)本文首先对现有的变压器的分类方法和常见变压器类型进行了分析,着重探讨了油浸式变压器的结构特点,针对油浸式变压器的各种故障类型的成因来分析其监测方法,并结合不同方法的优劣势,分析其适用范围。(2)其次,本文对神经网络算法进行了一定深度的研究,结合变压器故障在线监测诊断系统的工作特点,提出了多种改进的神经网络结构,通过分析不同改进后的神经网络算法,最后提出了一种基于增加动量项的神经网络算法的变压器故障监测诊断系统。(3)再次,本文深入研究了油浸式变压器的各种故障类型,从而确定了针对不同故障的硬件传感电路和软件控制程序,其主要的监测模块包括油色谱测量模块、油微水和油温测量模块、局部放电测量模块等,同时,本文还分析了软件程序中的数据存储和管理模块,故障诊断模块和网页界面显示模块的功能特点。(4)最后,基于前面的研究,本文设计了变压器故障在线监测诊断管理系统。该系统能够使使用者通过网页监测不同位置变压器的各项待测数据,同时还能调出变压器的历史故障数据等,以便运维人员能够及时进行维护处理。
段侯峰[5]2008年在《基于遗传算法优化BP神经网络的变压器故障诊断》文中研究表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。
万怡骎[6]2007年在《基于概率神经网络的变压器故障诊断》文中指出变压器是电力系统中的重要且昂贵的设备,电力变压器故障将导致电力系统事故。过去,变压器的预防性维护主要建立在定期预防性试验的基础上,变压器的维护在过去主要是依靠定期做预防性试验为基础的预防性维护。随着电力行业的发展,电力变压器向着高容量、高电压等级的方向发展,传统的预防性维护在安全上、经济上都已不能满足当前的需要。研究以在线监测为基础的变压器故障诊断技术,以便实时或定时在线监测与诊断潜伏性故障,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是变压器内部故障诊断的重要手段。我国当前大量应用的是改良叁比值法,但利用叁比值法作为变压器故障诊断的判据存在两方面的不足,即所谓编码缺损和临界值判据缺损。人工神经网络以其分布式并行处理、自适应、自学习、联想记忆以及非线性映射等优点,为解决这一问题开辟了新途径。当前变压器故障诊断系统大多数都是采用BP网络模型,但由于BP网络自身结构的特点,在训练样本较大且要求精度较高时,网络常常不收敛且容易陷入局部最优。针对BP网络的不足,本文提出了建立基于概率神经网络的变压器故障诊断系统。概率神经网络在解决分类问题的应用中,用线性学习算法来完成以往非线性学习算法所做的工作,同时又能保持非线性算法的高精度等特性,而且网络对应的权值就是模式样本的分布,网络不需要训练,因而能够满足训练上实时处理的要求。本文对基于不同网络模型的两个系统进行了大量仿真,仿真结果表明基于概率神经网络的变压器故障诊断系统在速度、正确率以及追加样本能力等各方面的能力都要优于BP网络系统。最后,本文采用JAVA开发出界面友好、性能优良的基于概率神经网络的变压器故障诊断系统。
朱金海[7]2016年在《220kV变压器油色谱在线监测数据的准确性分析》文中研究表明变压器在线监测与故障诊断是实现其状态检修的前提和基础。油中特征气体的浓度检测是变压器的主要试验项目和诊断依据之一,但由于模块内外不可避免的会存在噪声干扰,以及目前电力局使用的油色谱故障判断方法过于老旧等原因,油色谱在线监测结果在实际工程应用中的准确度和可信度不高。为了建立一种不改变油色谱在线监测装置硬件,而通过数据处理手段提升其准确度的方法,本文首先利用小波变换对油色谱进行了滤噪和重迭峰辨析的处理,经过对比结果得出了一组有效的小波滤噪参数并利用提升小波提出了一种“对称分割法”实现了对了重迭峰的辨析;随后利用BP神经网络对变压器的故障进行预测,并以遗传算法优化其模型参数加快其计算速度,最后通过测试样本验证了方法的有效性,具有一定理论意义和实用价值。本文完成的主要工作和取得的主要研究成果如下:1、根据在线监测模块中的油色谱浓度图的特点,利用泛化性较强的Tsaill数学模型模拟了变压器油的色谱图并运用小波变换对其进行滤噪处理。通过比较选择不同小波基、分解层数、阈值规则、阈值函数时的峰面积偏差、峰位偏差以及峰高偏差,得到了比较适合色谱滤噪的小波参数,达到了不错的滤噪效果。2、由于系统运行过久器件性能下降以及外部环境的干扰的影响,色谱峰会出现重迭。通过研究重迭色谱峰的特点,利用Tsaill数学模型对其建模,根据提升小波的特性提出了“对称分割法”对重迭峰进行处理。结果表明,重迭峰经过分离后峰位误差在规定的范围内。并利用220kV安边变的某一次在线监测的问题色谱进行验证,计算出浓度后发现与离线测试的特征气体浓度误差很小。3、提出了以BP神经网络算法为核心的变压器油色谱在线监测数据处理方法。以叁比值法为依据用氢气、甲烷、乙烷,乙炔、乙烯的叁组比值为输入量,以变压器的故障类型为输出量,通过历史数据进行训练并形成模型,从而用以预测样本范围内变压器的故障类型以及性质,再与经过试验确认过后的实际故障类型进行对比,从而判断该变压器是否已存在自身绝缘缺陷。4、为提升BP神经网络的准确性和精度,提出基于遗传优化算法的BP神经网络模型参数寻优方法,并通过测试样本验证其有效性。
杨廷方[8]2008年在《变压器在线监测与故障诊断新技术的研究》文中研究说明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。
陈晓星[9]2015年在《油浸式变压器综合监测系统研究》文中进行了进一步梳理在电力系统中,变压器作为一个主要的构成部分,其运行具有稳定的性能和可靠的性能,这样就保证这个电力系统达到安全、可靠的作用。变压器发生故障容易引发安全事故和停电故障,危及人身安全和财产安全。传统的变压器维护方式是基于发生故障再维修的方式,具有维护成本高,且无法实现变压器故障的早期预警和潜伏性故障的及时排除。因此,研究油浸式变压器综合监测系统,有助于及时获取油浸式变压器实时运行状态数据,实现油浸式变压器故障的早期预警,提高电力系统运行的稳定性。首先,依据油浸式变压器综合监测系统的设计要求、技术要求以及通讯要求,实现油浸式变压器系统的结构设计,包括油浸式变压器综合监测系统的信息采集端和监控终端的设计。其次,根据油浸式变压器故障类型和分类,实现油浸式变压器在线监测系统的设计,油浸式变压器综合监测系统监测模块包括局部放电监测、接地电流监测、油中溶解气体监测、油中微水含量监测和油温监测。对于变压器,在线监测设备中具有可靠的性能,以及在变压器的故障诊断中提高准确性,根据变压器具有复杂的故障机理,以及具有多样性的故障征兆等特点,单一的诊断方法很难做出完善的判断,针对油色谱在线监测方法,结合Borda法则,采用一种基于BP神经网络综合分析的变压器故障诊断方法。最后,通过油浸式变压器故障数据的实证分析发现,Borda组合模型比Borda、SVM和BP具有更高的准确率,可以较好地实现油浸式变压器故障的诊断。通过油浸式变压器综合监测系统的研究和设计,可以实时获取油浸式变压器的运行状态数据,实现油浸式变压器故障的实时预警和潜在性故障的及时排除,对延长油浸式变压器的使用寿命和降低变压器的维护成本具有重要的实际意义和理论价值。
曹国慧[10]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》文中指出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?
参考文献：
[1]. 电力变压器油色谱在线监测与预警系统研究[D]. 高少云. 华东交通大学. 2017
[2]. 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
[3]. 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
[4]. 变压器在线监测与故障诊断系统设计[D]. 万季青. 湖北工业大学. 2018
[5]. 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
[6]. 基于概率神经网络的变压器故障诊断[D]. 万怡骎. 南昌大学. 2007
[7]. 220kV变压器油色谱在线监测数据的准确性分析[D]. 朱金海. 厦门理工学院. 2016
[8]. 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
[9]. 油浸式变压器综合监测系统研究[D]. 陈晓星. 华北电力大学. 2015
[10]. 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
标签：电力工业论文; 自动化技术论文; 故障诊断论文; 油浸式变压器论文; 变压器论文; 神经网络算法论文; 模糊理论论文; 模糊算法论文; 色谱论文;