基于色谱分析实现电力机车变压器故障诊断

通过对电力机车变压器油中溶解的各种气体成分的色谱分析,可以尽早发现设备内部存在的潜伏性故障,并随时掌握故障的发展情况.本设计在分析电力机车变压器油中各种气体成分对系统故障影响的基础上,建立了故障诊断系统,并在windows操作系统平台上根据诊断流程实现智能化的故障诊断.系统具有针对性强,使用方便,检测可靠性高等优点.     

变压器故障油色谱分析方法探讨

电力变压器故障检测主要有电气量检测和化学检测方法.化学检测主要是通过变压器油中特征气体的含量、产气速率和三比值法进行分析判断,它对变压器的潜伏性故障及故障发展程度的早期发现具有有效性.实际应用过程中,为了更准确地诊断变压器的内部故障,色谱分析应根据设备历史运行状况、特征气体的含量等采用不同的分析模型确定设备运行是否正常.     

利用油中溶解气体分析判断设备故障部位

按照"变压器油中溶解气体分析和判断导则"来判断设备运行状况,可以准确的判断设备是否存在故障。本文对运行中油中溶解气体含量异常时如何进行分析,如何判断设备故障类型、故障大致部位提出综合的处理建议并举例说明。     

基于油色谱分析的变压器故障在线预测方法

电力变压器是电力系统中的关键设备之一,变压器故障可能会造成长时间的供电中断.因此,尽早发现变压器故障具有重要的意义.介绍了能够在线监测变压器油中H2, CO, CH4, C2H4, C2H2, C2H6等6种气体在线监测装置的基本结构.根据油中各溶解气体的在线监测数据,采用灰色预测技术建立了灰色预测模型,并利用BPNN进行变压器的故障预测.该方法能够有效地预测未来时刻变压器油中溶解气体的浓度、诊断变压器在未来时刻的绝缘状况.现场运行结果表明,该方法能够满足工程实际的需要.     

变压器油色谱在线监测系统的应用和现状

变压器油色谱在线监测系统的应用,能有效地检测出溶解于变压器油中的气体,根据特征气体的组分含量,可以尽早发现变压器的潜伏性故障并可随时监视故障的发展情况。     

浅谈变压器油色谱在线监测系统

对于油浸式电力设备,尤其是变压器,油中溶解气体进行在线或者离线的气体含量分析技术是一种可靠有效的诊断设备潜伏性故障的检测技术,可以判断设备内部的隐藏缺陷,目前它在变压器的预防性监测中其重要性列于首位。变压器油中溶解气体在线监测装置的出现弥补了常规油色谱分析的不足,实现了在线智能化监测与故障诊断,可以及时掌握变压器的运行状况,发现和跟踪潜伏性故障。本文就变压器油色谱在线监测的应用必要性、意义、理论及实际依据、设计进行简单分析。     

基于油中溶解气体谱图的变压器故障识别方法

根据油中溶解气体含量对电力变压器进行故障诊断,一个关键环节是如何从故障气体数据中提取有效反映故障特性的特征量。论文提出了基于特征气体谱图形状参数识别变压器故障的方法,以5种油中溶解气体:乙炔、氢气、乙烷、甲烷和乙烯的相对含量构建了故障的特征气体谱图,并将图形偏斜性、突出性等形状参数作为特征量应用于变压器的故障诊断。应用的结果表明,这种方法有效区分变压器的放电性故障、过热性故障以及"氢主导型"故障,且识别效果达到90%以上,明显优于实践中常用的三比值方法。     

基于油中溶解气体在线监测的变压器故障动态预警方法分析

目前,我国110kV及以上等级的大型电力变压器主要采用油纸绝缘结构,变压器油同时承担着绝缘介质和冷却媒质的作用,是油浸式变压器的重要组成部分.变压器油中包含70％的变压器故障信息,对油中溶解气体进行色谱分析是常用有效的一种变压器故障诊断方法.通过总结利用变压器油中溶解气体进行故障诊断的两大类经典方法,在此基础上分析并提...     

通过气相色谱分析变压器的潜伏性故障

利用气相色谱法预测变压器的潜伏性故障是通过定性、定量分析溶于变压器油中的气体来实现的。由于故障气体的组成和含量与故障的类型和故障的严重性有密切关系,所以定期分析溶解于变压器油中的气体就能及早发现变压器内部存在的潜伏性故障,并随时掌握故障的发展程度。通过一些成熟的分析方法,就能够充分掌握变压器的运行状态,提早发现变压器内部故障并给与准确的故障诊断,防止重大事故的发生。     

加权模糊聚类及其在电力变压器故障诊断中的应用

理论分析和实践表明,电力变压器绝缘故障与油中特征气体组分含量及特征气体组分比值密切相关.融合上述两类信息,对充油电力变压器DGA数据进行分析,提出针对特征气体组分含量和组分比值的规格化及提升与压缩数据处理方法,使用权值表示各类数据对于故障划分的相对重要程度,完成故障聚类,并设计出一种加权模糊聚类算法,该算法可实现故障聚类,计算故障聚类原型,完成权值的计算和优化.     

变压器故障诊断的ANN技术研究

目的解决溶解气体分析法在变压器故障诊断中准确率不高之难题。方法采用人工神经网络方法和基于动量因子技术的改进BP网络训练算法。结果建立了一BP神经网络模型,使网络具有较强的学习能力、泛化能力和适应能力。结论神经网络能较准确的对变压器故障进行诊断,具有一定的应用及推广价值。     

基于BP神经网络的变压器故障诊断

针对变压器故障类型的特征,结合油中气体分析法及三比值法,应用BP神经网络对变压器进行故障诊断。根据BP神经网络的概念、结构和算法原理,探讨了不同隐含层的神经元个数对神经网络训练性能的影响。通过对仿真结果的分析与测试,结果表明BP神经网络对变压器故障诊断具有较好的应用效果。     

基于小波神经网络的电站锅炉受热面污染部位诊断

提出了一种基于小波神经网络的快速、有效的电站锅炉受热面污染部位诊断的方法.采用额定工况下不同受热面出口烟温为特征参数,建立了小波神经网络污染部位诊断模型.测试结果表明,此模型可以快速、有效地诊断锅炉受热面的污染情况.     

基于RBF神经网络的变压器故障诊断及MATLAB仿真研究

研究应用RBF神经网络进行变压器故障诊断,以提高变压器故障诊断率。分析了径向基函数神经网络的结构和工作原理,设计一个诊断变压器故障的三层径向基网络。通过采用MATLAB进行仿真实验,结果表明RBF神经网络是一很强的分类器,能够有效的对变压器故障进行诊断。     

遗传支持向量机在电力变压器故障诊断中的应用

针对支持向量机中的参数通常靠交叉试验来确定的状况,提出了遗传支持向量机,即使用遗传算法来优化支持向量机中的参数,并将之进一步应用在基于溶解气体分析的变压器故障诊断中.以变压器油中5种主要特征气体作为支持向量机的输入,以7种变压器状态作为相应的输出,选用径向基核,使用遗传算法得到优化参数,充分发挥了支持向量机具有较高泛化能力的优势.实验表明,本文方法能够在较大范围内准确地找到相应的优化参数,并能有效地进行变压器的故障诊断.     

基于BP神经网络的变压器气相色谱分析法

介绍了利用BP神经网络对变压器进行气相色谱分析的原理,给出了训练样本,在对典型样本进行训练的同时,进一步对误差曲线的仿真结果进行了分析。最后以测试样本为例,说明了该分析方法的准确性与有效性。     

基于遗传编程判别函数法在电力变压器绝缘故障诊断中的应用

基于遗传编程(GP),提出了一种用于电力变压器绝缘故障诊断的判别函数法.该方法结合变压器油中溶解气体含量,利用GP算法的树状结构特点和模拟自然进化理论的全局寻优机制,自动从训练样本中学习到代表输入特征向量与对应故障类型之间关系的判别函数,以函数值的正负表示不同的故障类别.为了验证该方法的有效性,建立了变压器分层故障诊断模型,采用多个判别函数的方式逐步判别变压器绝缘故障的类型.与常规的三比值法、BP神经网络方法相比较表明,该方法提高了变压器绝缘故障诊断的正确率,具有良好的诊断效果.     

基于遗传小波神经网络的变压器故障诊断

电力变压器油中溶解气体的色谱分析是变压器故障诊断的重要方法,通过该方法可以间接了解变压器的运行状态和内部潜在故障.人工神经网络已经成功地应用于电力变压器故障诊断,但学习样本数多和输入输出关系复杂性减慢了网络的收敛速度.为解决此问题,将用遗传算法改进的小波神经网络应用于电力变压器故障诊断,克服小波算法易于陷入局部极小、收敛速度慢等缺点.     

证据理论在变压器故障诊断中的应用

为了提高变压器故障诊断的准确性,引入了一种基于证据理论的诊断方法。根据变压器故障的特征数据,采用2个并行的BP神经网络对变压器进行局部故障诊断,以获得彼此独立的证据,再采用证据理论对各证据进行融合。实验结果表明,该方法可有效地提高诊断的准确率,减少诊断的不确定性。     

思维进化算法优化模糊神经网络的变压器故障诊断

提出一种基于思维进化算法的模糊神经网络变压器故障诊断方法。该方法利用思维进化算法中的趋同和异化操作,对模糊神经网络中输入变量的隶属度函数位置参数和宽度参数以及神经网络的连接权值进行全局优化,可有效地克服常规模糊神经网络BP算法收敛速度慢、精度不高和遗传算法训练模糊神经网络速度缓慢、易陷入局部极小等缺点,有利于更快地收敛于全局最优解。并将其应用到基于溶解气体分析的变压器故障诊断中,实例表明,采用该方法具有较快的收敛速度和较高的诊断准确度,说明了该方法的正确性和有效性。