基于LSSVM概率输出与证据理论融合的变压器故障诊断

为了利用相对较少的故障数据样本对变压器主要故障类型进行较准确的判断,基于智能互补和数据融合的思想,提出基于最小二乘支持向量机LSSVM( least square support vector machine)概率输出与证据理论融合的故障诊断方法。该诊断方法具有以下特点：可融合蕴含变压器运行状态的多种特征信息,输出变压器各种故障的概率,为变压器检修提供更多的可用信息;充分发挥了LSSVM在小样本情况下具有较强泛化能力的优势。算例结果表明,该诊断方法的故障诊断准确率达到91.1%,优于传统的IEC三比值法(故障诊断准确率75.6%)及LSSVM分类法(故障诊断准确率82.2%),有效降低了诊断误判的风险。     

变压器健康状态评估的灰色聚类决策方法

电力变压器健康状态的评估是实现变压器状态维修的重要一步,研究变压器的状态评估具有重要的现实意义.电力变压器可以看作是典型的灰色系统,提出了采用灰色聚类决策方法对变压器健康状态进行评估,给出了变压器健康状态的灰色分类,建立了灰类的白化权函数,分析了评估变压器健康状态所涉及的状态信息,给出了变压器健康状态评估的灰色聚类决策步骤.实例分析表明,该方法针对变压器健康状态的评估提供了一种新的途径.     

面向云边协同的配电变压器运行状态评估及态势预测

随着电力物联网建设的高速推进，在配电物联网“云管边端”建设体系指导下，文章提出一种配电变压器运行状态评估与趋势预测通用技术架构。该架构将分别部署在云中心与边缘节点处，在云边协同机制支持下分析处理海量电力数据，完成对大规模配电变压器集群的运行管理。具体流程包括提取配电变压器基础状态、即时状态、累积状态等多维特征，构建评估指标体系，通过动态评估模型实现对配电变压器运行状态的实时画像描述；根据特征数据流的时序性和变化趋势，借助长短期记忆循环神经网络提取数据规律，结合支持向量回归模型进行预测，获得未来时段的特征数据流，并以此输入动态评估模型，实现配电变压器未来运行态势预测。最后，通过实例论证了该技术架构的适用性和先进性。     

应用模糊多属性理论的电力变压器故障融合诊断

大型油浸电力变压器的故障诊断一般通过预防性试验数据进行,预防性试验数据必须经停电检修才能获取,且实际现场数据的采集精度及数量也都很有限。变压器的征兆现象是大量经验的总结,在一定程度上可以反映变压器的故障。提出了在变压器故障诊断中将征兆现象和试验数据融合的思想,实现各种信息的优势互补。通过模糊多属性决策理论,实现对征兆现象的诊断;通过变压器绝缘故障诊断的模糊概率模型,实现对预防性试验的诊断;最后用D-S证据理论对预防性试验数据和征兆现象的诊断结果融合。建立了一种新的故障诊断模型,实例证明了此方法的有效性。     

电气设备状态监测与故障诊断系统的研究

电气设备状态监测与故障诊断系统是整个电力系统状态检修的重要组成。本文阐述了一个电气设备状态监测与故障诊断系统的结构组成及功能,并着重介绍了变压器状态监测及故障诊断实现的方式。本系统利用在线及离线测量技术获得电气设备试验数据,并通过对试验的数据分析,获取设备的绝缘状态及可能存在的故障。     

电力变压器状态监测和故障诊断系统的设计

本文主要研究了电力变压器状态监测与故障诊断的现状以及存在的问题,设计了一个变压器状态监测和故障诊断模型,提出了相应的诊断方法,在此基础上,设计了电力变压器故障在线监测和故障诊断系统。     

电力变压器状态评估的加权灰靶心度分析法

针对电力变压器状态评估采用极大值极性不能正确评估正常运行状态的问题,提出一种采用加权灰靶心度算法根据电力变压器油中溶解气体含量数据以正常运行状态为标准模式的电力变压器状态评估方法。在对电力变压器状态按程度分级统计资料的基础上,提出了5级分级策略;根据电力变压器故障标准谱采用灰贡献度分析法研究确定了电力变压器油中溶解气体的权重;依据电力变压器油中溶解气体之间此消彼长的关系,提出了以正常状态为标准模式的电力变压器状态评估的加权灰靶心度分析方法,克服了采用极大值极性不能评估正常状态的问题。实验表明,该方法更符合电力变压器状态评估的实际情况,是一种科学有效的评估方法。     

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．     

一种输油泵机组故障诊断与健康评估方法

输油泵机组是长距离油品传输的关键设备，有效预防其出现突发故障、减小故障造成的损失至关重要。然而目前针对输油泵的故障诊断方法在现场应用时普适性不佳，且缺乏针对机组一体的监测诊断研究，不利于计划性维修。此外，受现场可提供数据的限制，现有的输油泵状态评估方法在很多现场无法使用。针对上述问题，提出一种输油泵机组故障诊断与健康评估方法，利用迁移学习提高输油泵故障诊断在工业现场应用时的准确率；通过搭建实验台并对电机运行状态进行监测、分析，构建电机机械类故障诊断模型；构建基于卷积-长短期记忆神经网络(CNN-LSTM)的状态评估模型，并以此为基础利用时序卷积网络(TCN)结合注意力机制进行状态趋势预测。在现场试运行的结果表明，本文提出的故障诊断及状态评估方法可以及时发现设备的早期故障，为设备运维提供有效的数据参考。     

公安信息资源综合数据集市建设的架构设计

公安信息资源综合数据集市建设有利于对各类公安业务信息进行整合,为情报分析研判提供良好的数据基础。而数据集市建设成功的关键在于架构设计,通过源数据准备、数据同步管理、数据清洗管理、数据整合和聚类分析五个环节的有机衔接以及对每一个环节内容的科学设计,可以形成一种高效、合理的数据集市建设架构,从而有力保证公安信息资源综合数据集市建设的成功。     

灰色模糊综合评判法在变压器状态评估中的应用

为解决变压器状态评估指标具有模糊性和灰色性的问题,将灰色模糊理论应用于变压器状态评估中.建立了变压器状态评估指标体系;采用模糊层次分析法计算指标权重集模部,根据专家经验和信息裕度确定权重集灰部;使用隶属度函数描述评估指标与状态等级的对应关系,以点灰度描述模糊关系的不可信度,建立灰色模糊评判矩阵,对变压器进行了状态评估.通过实例分析,并和其他评估方法进行比较,验证了该方法更加合理有效.     

浅述电力变压器状态评估

变压器状态评估是实施状态检修的基础,准确评估有助于状态检修的顺利进行。根据变压器现场运行情况,概述了变压器状态评估应包括变压器本体的评估、变压器套管的评估和变压器有载分接开关的评估,详述了变压器状态评估的指标包括绝缘性能、电气性能、油中气体分析。     

基于数据融合与信息共享的水电机组故障诊断

对当前水电机组故障诊断系统的现状进行了讨论，并且基于数据融合和信息共享的思想，提出将状态检修系统与计算机监控系统和信息管理系统相结合的方法，基于研究开发了水电机组状态监测与故障诊断系统，达到了充分利用现有资源，提供智能决策参考的目的。     

变压器状态诊断的研究及其应用

本文在分析变压器状态诊断高级分析系统的基础上,对变压器故障诊断的人工神经网络专家系统(ANNES)进行了深入的研究,并运用ANNES对变压器状态的诊断进行了实例研究。     

基于自适应模糊推理的电力变压器故障诊断研究

将自适应神经网络的自学习优点与模糊数学的模糊推理方法进行有效的结合,解决了变压器绝缘故障诊断中模糊规则难以确定的问题,利用自适应神经网络的自学习功能,通过神经网络的学习确定了模糊规则和模糊隶属度。建立了变压器故障诊断的ANFIS模型,实现了电力设备故障诊断,反映了变压器的实际运行状态。     

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.     

信息融合技术在电力变压器故障诊断中的应用

根据变压器运行原理和结构特点,将信息融合思想引入到变压器的故障诊断中,建立基于信息融合技术的故障诊断模式,即通过曲面拟合算法和证据推理技术,从不同侧面充分利用各种特征信息对变压器的故障进行诊断,以有效地提高确诊率.     

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。