一种基于油中溶解气体分析的变压器绝缘故障诊断新方法

将小波神经网络优良的分类诊断能力和最小二乘加权融合方法相结合,采用油气分析实现电力变压器的故障诊断.用非线性Morlet小波基作为神经网络激励函数,形成神经元,结合双方的优点,建立了紧致型小波神经网络.采用6个同一小波,其隐层单元数目、学习率等相关训练参数不同的单个子网络,对相同变压器故障信号样本进行训练,用最小二乘加权融合法对各个子网络的输出结果进行决策信息融合,通过对融合结果的分析,得到变压器故障的识别结果.测试结果表明,系统具有较好的分类诊断能力和可靠性.     

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。     

油中溶解气体分析方法在变压器故障诊断中的应用

电力变压器是发、输、变、配电系统中的重要设备之一,它的性能、质量直接关系到电力系统运行的可靠性和运营效益。本文结合油中溶解气体分析方法,对变压器正常运行中故障产生原因和提早诊断的重要性进行阐述分析。     

变压器油中溶解气体含量检测故障诊断仪的设计

研究了应用变压器油中溶解气体含量检测来诊断变压器故障的方法,针对气体传感器之间存在的"交叉敏感"设计了基于人工神经网络的气体检测系统.神经网络采用使用最为广泛的BP网络.从而能构成对气体的较准确的分析测试.单片机选择Intel 16位的80C196KB,简化了接口电路的设计.设计中采用了油中气体分析法来确定变压器的故障并通过数码管显示出故障类型并由单片机来实现.     

基于油中溶解气体的变压器内部故障分析

变压器油中溶解气体分析技术,是用气相色谱分析变压器油样中溶解气体的成分和含量,判定变压器有无内部故障,诊断故障类型,并推定故障点的温度、故障能量等。介绍了变压器故障时产气特征,分析了基于三比值法的变压器故障类型判断方法,并结合三个实际案例分析了此方法的故障诊断效果。     

基于径向基函数神经网络法识别变压器油中微量特征气体

研究了采用气敏阵列与神经网络技术检测混合气体浓度的一种新方法,并将其应用于探测变压器油中微量特征气体．实验检测了φ（Ｈ２） 为０ ～５ ×１０ － ６ 和φ（Ｃ２ Ｈ２） 为１ ×１０ － ６ ～１３ ×１０ － ６ 的混合气体,结果测得氢气绝对误差最大值为０ ．１７ ×１０ － ６ ,乙炔绝对误差最大值为０ ．５３ ×１０ － ６ ．可见,该方法有效地提高了气敏元件的选择性,使混合气体浓度测量的准确性显著提高     

变压器油中溶解气体在线监测

基于变压器在电力系统中的重要性,介绍了一种可分别检测CO和H2等多种气体含量的智能型的在线监测装置,概述了变压器油中溶解气体在线监测的原理及装置要求的研究。     

变压器油中溶解气体变化及原因分析

通过对变压器油中溶解气体的变化分析，实现充油设备的不停电检测和早期故障诊断。     

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。     

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.     

变压器油中溶解气体的智能诊断

提出一种正-负-零的面积关联度,通过其计算数值,确定待诊断变压器油中溶解气体序列和标准故障模式序列间的相似性与相近性.实例分析表明,正-负-零面积关联度诊断的结果与实际情况完全吻合,与传统的灰色面积关联度相比,能更全面、更准确地诊断变压器的内部故障类型.     

基于综合关联度分析的电力变压器故障诊断

在电力变压器故障诊断中,针对油中溶解气体分析,传统的三比值法难以包括和反映电力变压器内部故障的所有形态,在实际工作中存在许多变压器故障因查不到故障编码而无法判断的问题.结合油中溶解气体分析技术和灰色关联的相关理论,提出了一种面积关联度和斜率关联度相结合的综合关联度分析方法,给出了变压器故障诊断的算法步骤,并对权重系数的选取进行了探讨.该方法既能表征序列曲线的离散程度,又能反映序列曲线的变化走向相似度,能全面描述序列间联系的紧密程度.实验表明,将该方法用于变压器故障诊断,不仅克服了三比值法存在的问题,而且故障诊断准确率也高于面积关联分析方法和斜率关联分析 方法.在收集到的数据中随机选取350组进行计算,诊断准确率达到93.7%.     

基于油中溶解气体分析的变压器绝缘故障模糊诊断及应用

变压器绝缘故障诊断问题是电力系统维护中的关键问题,常用的故障诊断方法一般是基于油中溶解气体分析法的。重点介绍了基于油中溶解气体分析的一种新方法,即变压器绝缘故障模糊诊断法,在分析一般故障诊断方法优缺点的基础上,根据实例验证了将模糊诊断法应用于电力变压器绝缘故障诊断的可行性。     

从变压器油中分离故障特征气体的气室结构效应

为提高变压器油中气体在线监测仪用膜分离法从油中分离故障特征气体的速度并验证其有效性,采用不同面积的Teflon FEP膜从50 L准密封油罐中隔离出不同体积的小气室,通过强油循环在油中混入故障特征气体并使用PID控温保持油温为70℃;用气相色谱测定了油气两相的气体浓度在14 d中的变化。定义了气室结构因子Ro。实验表明,气室中各气体浓度的增长随Ro增大而加快,但平衡浓度低于理论值,其差别随Ro增大而减小。计算表明,FEP毛细管的平衡时间可小于30 min。     

基于组合模型的电力变压器故障诊断

为了综合全面地诊断电力变压器故障,克服单项诊断方法考虑问题角度单一,不能重复利用已知信息,诊断准确度和稳定性不高的缺点,并结合电力变压器油中溶解气体的数据,提出了利用组合模型诊断变压器故障.该方法将灰关联熵、小波神经网络、模糊粗糙集、支持向量机和IEC三比值作为独立诊断模块,利用熵值法优化得到各个模块的最佳权重,最终得到发生故障最大概率所属类型.通过实例验证,组合诊断法优于单项诊断方法,提高了故障诊断精度,减少了误判率,诊断的稳定性得到提升.     

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。     

MODBUS RTU通信协议在变压器气体在线监测系统中的应用

MODBUS协议是应用于电子制器的一种通用协议,将MODBUS RTU串行通信协议应用于变压器气体在线监测系统.通过利用MODBUS RTU协议功能代码,实现了主机和现场检测仪表间的包括实时数据查询、历史数据查询、参数修改、时钟同步等功能.