油色谱分析在变压器故障诊断中的应用

用色谱分析技术对变压器故障进行诊断分析,并判断变压器早期故障的类型、严重程度及部位的确定。对变压器的潜伏性故障及故障发展程度的早期发现具有一定的预防性;列举了实际工作中正确消除缺陷的例子;介绍了油色谱分析法在变压器故障综合诊断中的具体应用,并阐述了实际工作中应用色谱分析诊断变压器故障时应注意的问题。     

变压器油中溶解气体色谱分析与故障诊断

从变压器油中取出油样,对油中气体进行分离和分析,确定溶解在油中气体组分含量,并将其逐一定性和定量分析,判断可能产生的故障及性质,是早期发现充油电气设备内部存在的潜伏性故障的一种有效、灵敏的方法。     

气相色谱分析在变压器故障诊断中的成功应用

阐述了气相色谱分析的原理。结合电气试验,对气相色谱分析数据进行综合分析,比较准确地判断出变压器故障类型和故障部位。     

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.     

色谱分析法在变压器故障诊断中的应用

应用变压器油中溶解气体色谱分析,可以准确地判断变压器故障性质和严重程度他是早期发现变压器潜伏性故障的一种有效方法．也是色谱分析法的特点。     

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。     

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.     

神经网络在变压器故障诊断中的应用

根据变压器故障诊断的特点，采用神经网络的误差逆传播算法，运用所了相色谱分析方法，建立故障诊断的神经网络模型。     

神经网络在变压器故障诊断中的应用

根据变压器故障诊断的特点,采用神经网络的误差逆传播算法,运用气相色谱分析方法,建立故障诊断的神经网络模型．运用人工神经网络的学习能力,通过对训练数据的学习,判断变压器的故障类型．     

通过变压器油色谱分析对其故障进行诊断

电力变压器是电力系统中最关键的设备之一,因此,对运行中的变压器等充油设备内部故障进行在线监测极其重要。经长期的实践证明,在所有绝缘监督手段中,油中溶解气体气相色谱分析诊断变压器等充油电气设备故障是最有效最灵敏的方法。通过色谱分析结果中的特征气体,来判断设备内部可能存在的故障类型,结合其它电气试验和设备运行工况进一步确定故障部位、产生的原因,可以使得检修工作有的放矢。     

三比值法在变压器故障诊断中的问题分析

指出了《变压器油中溶解气体分析和判断导则》前后两个版本的不同之处,针对变压器故障原因具有复杂性,故障类型多样化的特点,结合实际案例,分析了用三比值法和改良三比值法进行故障诊断时容易出现误判的情况,归纳总结了在具体的变压器故障诊断中应注意的各种问题。     

模糊神经网络在变压器故障诊断中的应用

提出并研究了模糊神经网络在变压器故障诊断中的应用问题。以油色谱分析数据作为输入，故障类型作为输出，建立了邦联诊断的模糊网络模型。故障实例的测试结果表明了这咎方法的有效性。     

遗传算法在电力变压器故障诊断中的应用

论文在阐明电力变压器故障的一些智能诊断方法所存在的局限的基础上,对遗传算法在电力变压器故障诊断中的应用进行综述,指出其存在的优势以及不足之处,并展望了其后续的研究发展方向。     

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.     

模糊神经网络在电力变压器故障诊断中的应用

及时和正确地诊断出电力变压器的故障,对维护电力系统的正常安全运行具有非常重要的意义。本文把基于模糊理论和神经网络的模糊神经网络模型应用于变压器的故障诊断中,实例分析结果表明该方法能有效提高变压器故障诊断的正确性。     

蚁群神经网络在变压器故障诊断中的应用

针对蚁群算法收敛速度慢的问题, 提出了一种改进方法, 通过为蚁群算法增加一种收敛因子, 使其在信息素的全局更新中为每次迭代产生的最优路径赋予额外的信息素增量, 降低了算法陷入局部最优解的可能性。分析了改进蚁群算法的收敛性, 并对其寻优能力进行了测试, 结果表明, 改进蚁群算法具有较强的寻优能力和较快的收敛速度。用改进蚁群算法优化神经网络并将其应用于变压器的故障诊断, 与BP神经网络诊断结果对比, 蚁群算法优化神经网络具有更快的收敛速度和更高的诊断精度。     

支持向量机在变压器故障诊断中的应用

针对变压器传统检测方法的局限性,本文提出了一种基于支持向量机的电力变压器故障诊断方法,并构建了相应的数学模型。仿真结果表明,该模型能有效提高变压器故障诊断的准确率。     

色谱分析在充油电气设备内部潜伏性故障诊断中的应用

本文作者结合自身工作实际,对色谱分析法发现和判断充油电气设备内部潜伏性故障的方法进行了总结,对色谱分析法如何在生产实际中应用进行了阐述。     

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。     

一种新的遗传算法及其在变压器故障诊断中的应用

提出了一种新的遗传算法,其基本思想是:以网络权重和偏差的实数形式作为基因构成染色体向量,采用基因多点交叉和动态变异进行种群最优选择.研究结果表明,这种新的遗传算法是一种随机优化算法,克服了梯度下降法的不足,能够自动调节网络参数、网络的连接权重和偏差.在此基础上设计出一种基于遗传算法和溶解气体分析的变压器故障在线诊断系统.该系统只要将传感器测出的变压器中线圈电流、特征气体的含量作为输入参数,就能对信息进行融合分析,得到输入变量(线圈电流、溶解气体含量)与输出结果(故障类型、程度和部位)的复杂对应关系;能有效地减少输入层神经元的个数,改进网络内部结构,提高神经网络模型的学习效率和诊断的准确率,诊断精度高,漏报少,无误报现象.