为了早期发现电力变压器的振动故障问题,需要选择有效位置对变压器的振动状态进行检测。针对电力变压器铁芯—绕组振动特性,通过有限元分析,仿真得到铁芯—绕组测点位置。以型号为S13—12500/35型油浸式无励磁调压35 k V电力变压器为试...为了早期发现电力变压器的振动故障问题,需要选择有效位置对变压器的振动状态进行检测。针对电力变压器铁芯—绕组振动特性,通过有限元分析,仿真得到铁芯—绕组测点位置。以型号为S13—12500/35型油浸式无励磁调压35 k V电力变压器为试验对象,将光纤Bragg光栅(FBG)振动传感器安装于铁芯—绕组的测点位置,对不同负载下变压器振动信号进行检测与频谱分析,结果表明:变压器振动信号频率集中在100 Hz及其倍频处;在80%,90%,100%负载下,幅频信号100 Hz处的振动幅值随着变压器负载的增大而增大。展开更多
采用传感系统监测变压器局部放电的变化情况,选取高频电流信号和超声波信号作为变压器局部放电的监测参量,利用改进逆传播(BP)神经网络算法对变压器局部放电量进行建模分析。以D9—QY—40000/220型电力变压器(220 k V变压器)为例进行实...采用传感系统监测变压器局部放电的变化情况,选取高频电流信号和超声波信号作为变压器局部放电的监测参量,利用改进逆传播(BP)神经网络算法对变压器局部放电量进行建模分析。以D9—QY—40000/220型电力变压器(220 k V变压器)为例进行实例研究,结果表明:基于改进BP神经网络的局放预测模型训练集误差系数为0.0118,测试集误差系数为0.0232。此模型的局放预测值与实际值的曲线趋势基本一致,有效地对变压器局部放电量进行预测,为变压器故障诊断奠定了基础。展开更多
文摘为了早期发现电力变压器的振动故障问题,需要选择有效位置对变压器的振动状态进行检测。针对电力变压器铁芯—绕组振动特性,通过有限元分析,仿真得到铁芯—绕组测点位置。以型号为S13—12500/35型油浸式无励磁调压35 k V电力变压器为试验对象,将光纤Bragg光栅(FBG)振动传感器安装于铁芯—绕组的测点位置,对不同负载下变压器振动信号进行检测与频谱分析,结果表明:变压器振动信号频率集中在100 Hz及其倍频处;在80%,90%,100%负载下,幅频信号100 Hz处的振动幅值随着变压器负载的增大而增大。
文摘采用传感系统监测变压器局部放电的变化情况,选取高频电流信号和超声波信号作为变压器局部放电的监测参量,利用改进逆传播(BP)神经网络算法对变压器局部放电量进行建模分析。以D9—QY—40000/220型电力变压器(220 k V变压器)为例进行实例研究,结果表明:基于改进BP神经网络的局放预测模型训练集误差系数为0.0118,测试集误差系数为0.0232。此模型的局放预测值与实际值的曲线趋势基本一致,有效地对变压器局部放电量进行预测,为变压器故障诊断奠定了基础。