基于分布式光纤传感系统的有载变压器故障检测技术研究

提出基于分布式光纤传感技术的人工神经网络有载变压器故障检测预报模型，通过人工模拟变压器的故障状态及正常运行状态，并通过k-means SMOTE数据扩充方法，可以有限扩充少量故障数据集，使故障数据量可以和正常数据量达到一致，将扩充后的故障数据与正常运行的数据一起送入长短期记忆卷积神经网络(convolutional neural networks long short term memory, CNN-LSTM)识别模型，最终可以将故障的识别率提升到100%,这对采用分布式光纤传感技术在有载变压器故障识别系统上的发展具有重要意义。     

基于色谱分析的变压器故障诊断

文章主要介绍了,变压器故障诊断基于色谱方法的故障类型、故障发生原因、及简述故障时采集数据的处理计算方法。为电力变压器故障诊断提供参考。     

基于WGAN和CNN的轴承故障诊断研究

轴承作为机械系统的关键部件,可以解析出整个机械系统的故障信息和健康状态,提出一种基于改进生成对抗网络和卷积神经网络的轴承故障诊断方法.首先通过小波变换将一维轴承振动数据转换为二维时频图像数据;然后经设计的改进生成对抗网络训练轴承的二维图像数据,将达到纳什平衡后生成的数据补充到原始数据中增加轴承样本数据;最后将扩充完成的数据集输入卷积神经网络进行训练.测试结果显示轴承故障诊断平均准确率达94%,验证了故障数据不充足时该方法用于轴承故障诊断的可行性.     

改进模糊聚类与主成分分析下的变压器故障识别

针对经典模糊C均值聚类(FCM)对数据进行等权划分而造成聚类结果不理想的情况,首先,采用点密度加权方式,对变压器油中溶解气体分析(DGA)数据进行处理,提高样本可分性,削弱聚类时出现的等趋势划分对聚类中心以及分类结果造成的影响。然后,以DGA故障数据聚类中心作为变压器标准故障谱。最后,利用施加惯性系数的主成分分析方法对待测样本进行故障识别。研究结果表明:通过点密度加权的FCM对DGA数据进行故障类型分类时,平均准确率比传统FCM算法提升了9.6%。利用上述方法对多组油浸式变压器进行识别,识别结果与实测信息均一致。     

变压器风机常见故障及处理

变压器风扇在长期运行中由于摩擦、振动、以及不同环境条件的影响，难免发生故障。这些故障不及时检查、发现和排除，将影响到变压器的散热效率、负何率及使用寿命。由此可见对变压器风冷系统出现的故障要认真对待并及时处理。这里就我们检修维护中遇到的变压器风冷系统故障进行分析及消除这些故障常用处理方法，供大家参考和批评指正。     

基于遗传优化规则库的电力变压器故障诊断

提出基于遗传算法优化模糊规则库的故障诊断方法,采用模糊故障诊断系统对电力变压器的初期故障进行检测或诊断.采用遗传算法产生优化的模糊规则库,针对缺少数据样本的情况,采用自举法对数据样本进行处理及扩充,使得不同的故障类型有相等的样本数.仿真结果表明:该故障诊断方法提高了故障诊断精度和正确率,对于电力变压器故障诊断有效、可行.     

基于改进生成对抗网络的抽油机故障诊断方法

针对抽油机故障数据不足、样本分布不均衡的问题,提出一种基于自注意力机制的条件深度卷积生成对抗网络(CDCGAN:Conditional Deep Convolutional Generative Adversarial Networks)模型。该模型在CDCGAN的基础上引入自注意力机制,并在损失函数中加入约束生成图像分布的正则项,提高了生成图像的质量和多样性,有效地防止了模式崩溃的发生。采用Alexnet、VGG16等网络对生成的抽油机故障样本进行分类测试,实验结果表明,改进网络的生成数据质量更高,能够有效平衡抽油机故障数据,进一步提升了抽油机故障诊断的准确率。     

电厂油浸变压器事故处理

电力变压器是电厂中最关键的设备之一，它的正常运行是对电厂安全、可靠、优质、经济运行的重要保证，必须最大限度地防止和减少变压器故障和事故的发生。但由于变压器长期运行，故障和事故总不可能完全避免．变压器跳闸后能够迅速根据实际情况进行处理，对设备正常运行和机组安全停运非常重要。     

阻抗匹配平衡变压器短路计算的相分量法

本文根据阻抗匹配平衡变压器ＡＢＣ三相结构不对称的特点，采用相分量法推导了当牵引负荷母线侧出现各种短种故障时，三相侧与二相侧的短路电流计算公式，实测结果证明了计算公式的正确性，这对阻抗匹配平衡变压器的设计，运行过程中的故障分析以及继电保护动作参数的整定具有一定的理论意义与实用价值。     

基于边界条件GAN的不平衡大数据模糊分类

针对大数据分类中的不平衡问题,本文提出一种基于边界条件生成式对抗网络(Boundary Conditional Generative Adversarial Networks,BCGAN)的不平衡大数据模糊分类算法,通过在多数类数据和少数类数据的决策边界附近引入一个边界少数类到过样本,生成更合适的少数类数据来提高分类性能.将处理过的平衡数据转换成概率索引表,数据和属性分别以行和列的形式呈现,计算每个数据属性中存在的唯一符号的隶属度,然后设计相关模糊朴素贝叶斯(Correlative Fuzzy Naive Bayes,CFNB)分类器进行数据分类.本文给出MapReduce框架下大数据模糊分类的并行实现.实验结果表明:所提基于BCGAN的不平衡大数据模糊分类准确度优于其他现有方法,说明该方法具有可行性和有效性.     

基于k-modes聚类的不平衡数据混合采样方法

针对现有的不平衡数据处理方法存在不能有效处理分类型数据、盲目采样及抗噪声能力差等问题,提出一种基于k-modes聚类的不平衡数据混合采样算法HS_WODKM;首先提出一种基于加权重叠距离的k-modes聚类算法WODKM,然后采用改进的合成少数过采样技术(SMOTE)算法与WODKM分别对不平衡数据进行过采样与降采样处理,从而获得一种新的不平衡数据混合采样算法HS_WODKM;HS_WODKM采用增加正类样本并减少负类样本的混合采样策略解决样本类别不平衡问题,用来处理分类型数据,并且能够克服现有方法存在的抗噪能力差、删除重要样本等缺陷;为了验证HS_WODKM的性能,在多个分类型UCI数据集上进行实验。结果表明,采用HS_WODKM算法处理分类型不平衡数据是可行且有效的。     

变压器直流电阻不平衡的原因及控制方法

变压器直流电阻是变压器出厂交接和预防性试验的基本项目之一,也是变压器发生故障后的重要检查项目。它的大小影响到变压器三相线圈的电压、电流的平衡。但在电力变压器设计和制造过程中经常会遇到直流电阻不平衡的情况,本文将对这一问题产生的的原因进行分析总结,并提出相应的解决方法。     

CWGAN-DNN：一种条件Wasserstein生成对抗网络入侵检测方法

针对现有的基于机器学习的入侵检测系统对类不平衡数据检测准确率低的问题,提出一种基于条件Wasserstein生成对抗网络(CWGAN)和深度神经网络(DNN)的入侵检测(CWGAN-DNN).CWGAN-DN N通过生成样本来改善数据集的类不平衡问题,提升对少数类和未知类的检测效率.首先,通过变分高斯混合模型(VGM)对原始数据中的连续特征进行处理,将连续特征的高斯混合分布进行分解;然后利用CWGAN学习预处理后数据的分布并生成新的少数类数据样本、平衡训练数据集;最后,利用平衡训练集对DNN进行训练,将训练得到的DNN用于入侵检测.在NSL-KDD数据集上进行的实验结果表明:利用CWGAN生成的数据进行训练,DNN的分类准确率和F1分数提升了5％,AUC下降了2％;与其他类均衡方法相比,CWGAN-DNN的准确率至少提升了3％、F1分数和AUC提升了1％.     

基于数据不确定性的变压器故障诊断研究

针对采集的变压器油中溶解气体数据的波动性和不确定性,通过引入蒙特卡洛算法进行数据处理.根据油中溶解气体试验,将处理后的变压器油中溶解气体数据进行两两比值.分别根据变压器运行规程、DGA知识以及模糊c均值聚类法对气体含量和比值进行离散化处理,再进行属性约简,并将约简结果作为神经网络的前置输入,对神经网络训练及故障进行诊断.实验结果表明,该方法可以对变压器故障进行准确判定,具有更好的工程实用性.     

变压器绕组直流电阻不平衡率超标缺陷浅析

提出变压器绕组直流电阻不平衡率超标的主要原因及一般处理原则。通过几起实例阐述了变压器绕组直流电阻不平衡率超标的缺陷判断及处理过程,印证了对造成变压器绕组直流电阻不平衡率超标的主要原因分析及处理原则是确实可行的,为处理变压器该类缺陷提供了具体实效的依据和方法。     

影响变压器三相电阻不平衡的因素及处理方法

变压器引线三相电阻不平衡率作为检验变压器质量的一个重要指标。直接影响变压器运行的安全性，可靠性。因此掌握影响三相电阻不平衡因素及处理方法则显得非常重要。     

支持向量数据描述法在变压器故障预警中的应用

变压器故障诊断既是共性问题,也是个性问题．文章提出对变压器故障进行预警的新方法——支持向量数据描述法（SVDD）．该方法仅需要变压器正常运行的数据,不需要故障数据,就可以建立单值分类器,从而监测变压器的运行状态,及时将故障状态检测出来．实例表明,SVDD具有分类精度较高和较快的运算速度．     

支持向量数据描述法在变压器故障预警中的应用

变压器故障诊断既是共性问题,也是个性问题,文章提出对变压器故障进行预警的新方法——支持向量数据描法（SVDD）,该方法仅需要变压器正常运行的数据,不需要故障数据,就可以建立单值分类器,从而监测变压器的运行状态,及时将故障状态检测出来、实例表明,SVI）D具有分类精度较高和较快的运算速度．     

动不平衡质量不停机自动切除技术再探

在原来采用差动变压器检测动不平衡质量的基础上，提出用光栅式传感器和差动变压器共同检测动不平衡质量信号的设想，即当动不平衡质量较大时，采用差动变压器将其转换为电信号，控制激光去除较大的动不平衡质量，当剩下的动不平衡质量较小时，差动变压器不灵敏，则采用灵敏度较高的光栅式传感器将其转换为电信号，可大大提高测量灵敏度和去除精度，对光栅式传感器的结构，工作原理及各部分的作用与选择进行详细阐述。     

变压器内部故障分析

本文针对一起实际发生的变压器内部故障分析处理过程,探讨如何有效利用变压器试验数据,综合分析、定位故障点,为故障处理提供依据以及如何利用变压器日常试验数据的微小变化,捕捉设备故障前期信息,杜绝故障发生。