基于AdaBoost.M2-ISSA-ELM算法的电力变压器故障诊断方法

为提高电力变压器故障诊断精度,将集成学习和群体智能优化算法相结合,提出一种电力变压器故障诊断方法。使用极限学习机(ELM)作为基学习算法,构建集成学习框架下的基分类器,并针对ELM模型性能受参数初始化影响较大、易陷入局部最优问题,引入基于正弦优化的改进麻雀搜索算法(ISSA)优化相关参数,提高基分类器的分类性能。使用改进的自适应增强(AdaBoost.M2)算法构建集成学习模型,扩展基分类器的输出,并引入伪损失函数替代传统AdaBoost算法中的加权误差,以增强集成分类器综合表达能力,得到基于AdaBoost.M2-ISSA-ELM算法的电力变压器故障诊断模型,进一步提高模型识别精度。通过909组油中溶解气体分析(DGA)样本对所提方法进行实例分析,结果表明该方法具有较好的诊断精度和分类性能,能够实现电力变压器故障类型的准确识别。

电力变压器关键尺寸视觉检测方法及其缩比模型验证

电力变压器的关键尺寸测量是其装配制造、运输安装过程中重要一环,现有测量方法操作繁琐且效率较低。为此,本文提出了一种适用于110 kV油浸式电力变压器关键尺寸视觉检测方法,该方法利用YOLO目标检测算法、Grabcut图像分割算法实现关键组部件的智能检测与分割,然后基于双目立体视觉原理实现套管相间距离及变压器最大截面外形尺寸等关键尺寸的测量。本文搭建了110 kV油浸式电力变压器外观缩比模型,试验分析了拍摄距离和角度等因素对电力变压器关键尺寸视觉检测的影响。结果表明,本文基于缩比模型试验实现了在不同拍摄距离与角度下变压器关键尺寸的视觉检测,验证了该方法的有效性。本文方法可以为110 kV油浸式电力变压器现场尺寸测量提供参考。

基于振动信号分析方法的电力变压器状态监测与研究

变压器振动的产生主要源于其铁心和绕组,当然,还有其他多种因素亦对其振动产生影响。本研究结合实验数据,针对各类因素对变压器油箱壁振动的影响进行了对比分析。同时通过分析变压器在短路冲击前后的振动信号及短路冲击试验结果,证实了多测点振动分析方法在反映绕组机械结构参数变化方面的有效性。研究最后依据所建立的模型,对比了变压器油箱壁振动的实测值与模型预测值,以此对该变压器的状态进行了评估。

基于改进GA算法的电力变压器优化设计

针对中小型电力变压器优化设计问题,同时响应国家节能减排的号召,对GA算法进行改进并分别应用到电力变压器优化设计中的有效材料成本单目标和总损耗的单目标中。将改进GA算法优化所得数据和使用原GA算法以及人工设计进行对比分析,结果表明改进GA算法优化效果较好,运行时间较快,能有效减少电力变压器所需的材料成本或损耗。

电力变压器混片铁心的优化设计

电力变压器是电力系统中的关键设备,对整个电力系统中发电和电能传送具有重要作用。变压器铁心的损耗与内部磁通密度的分布息息相关,采用混合叠片结构可以有效减少铁心叠片库存,提高变压器铁心叠片的利用率。本文作者利用ANSYS Maxwell软件对不同类型叠片混合的变压器铁心进行了三维瞬态电磁场模拟仿真,分析了采用不同类型叠片混合时铁心的磁通密度和损耗差异。研究结果显示,当铁心的最内层叠片采用常规晶粒取向电工钢,其余叠片采用高磁导率电工钢时,铁心的损耗最小;随着在高磁导率电工钢铁心主体中加入常规晶粒取向电工钢叠片,铁心损耗的增幅达到了14.9%~49.4%。本文的研究成果可为变压器铁心的优化设计提供一定的依据。

一种电力变压器短路累积机械损伤评价方法

多次短路会逐渐积累绕组机械损伤,最终导致电力变压器损坏。然而,目前缺乏一种量化评估方法来评估此类损伤,这对电网的安全运行构成了威胁。因此,该文提出一种考虑绕组的非线性特点和累积过程的电力变压器绕组短路累积机械损伤评价方法,为评估绕组短路对电力变压器的影响提供了新的途径。该方法采用阻尼比和可靠性损失系数作为特征量,通过指数型曲线来模拟绕组机械弱化过程。同时考虑变压器的初始承受短路的能力、短路电流幅值和故障次数等影响因素,量化了短路损伤与绕组动态机械寿命之间的关系。此外,通过对一台110 kV电力变压器进行多次短路破坏性试验,验证了该评价方法的正确性。最后,阐述了提出的评价方法适用于不同的校核控制方法,并强调了控制阻尼比在减少累积损伤方面的积极作用。

电力变压器局部放电检测及定位技术探析

为发挥变压器在调节电压方面的作用,本文以电力变压器为主要研究对象,着重从局部放电的角度,在简单介绍电力变压器局部放电检测相关内容的基础上,结合实际的案例探讨应用局部放电检测技术的实际情况,并基于定位技术来验证检测结果的准确性,旨在为电网的运行发展提供思路和经验。

基于物联感知数据和张量融合的电力变压器绕组绝缘劣化评估方法

针对目前缺乏依托在线物联感知数据的电力变压器绕组绝缘劣化评估方法的问题,该文考虑电、热、机械劣化因素对电力变压器绕组绝缘的损伤累积效应,提出基于物联感知数据和张量融合的电力变压器绕组绝缘劣化评估方法。首先,研究电、热、机械因素对绕组绝缘的累积损伤机理,依托电压、电流、温度、局部放电物联感知数据构建变压器绕组绝缘的电性能、热性能和机械性能劣化损伤指标;然后,构建三种劣化损伤指标的特征张量,基于张量融合对三种劣化损伤指标进行特征融合,提取劣化损伤指标间的高维劣化特征关联信息;最后,采用基于自组织映射网络(SOM)的最小量化误差方法构建绕组绝缘的综合劣化评估指标,实现对绕组绝缘劣化状态的评估。该文通过多种评价准则评价构建综合劣化指标,算例结果表明,所提方法能准确评估变压器绕组绝缘的真实劣化程度。

电力变压器维护与检修相关问题探讨

电力变压器是电力系统中重要的设备之一,对于电力传输和配电具有至关重要的作用。为确保电力变压器的正常运行和延长其使用寿命,进行定期维护和检修是必要的,本文围绕电力变压器维护与检修相关问题展开探讨。首先,本文介绍了电力变压器的基本原理和工作原理;然后,对电力变压器的维护和检修进行了详细论述;其次,本文探讨了电力变压器维护与检修中常见的问题和挑战,并提出相应的解决措施;最后,本文对电力变压器维护与检修的未来发展进行展望。

电力变压器在实际应用中对于绝缘杂项的传感及检测特性研究

油浸式电力变压器内油中溶解气体的含量直接影响着高压绝缘装置的绝缘性能,实现变压器内油中溶解微量气体(H_(2),C_(2)H_(2),CO及CH_(4))的可靠检测对于高压绝缘装置及电网安全至关重要。在本研究中,对长期在电网中运行的油浸式电力变压器利用密度泛函理论研究了过渡金属Zn原子掺杂的S空位SnS_(2)单层(Zn-SnS_(2))敏感材料对4种油浸式变压器中油中溶解气体的传感吸附行为。结果表明:用于油浸式电力变压器油中溶解杂项的传感材料在线监测导带和价带结构得到了有效优化(由1.550 eV变为0.127eV),掺杂体系下不同带隙和电导率的吸附体系将有助于提高新型二维SnS_(2)基气敏材料对油浸式电力变压器油中溶解气体的选择性,为实现电力变压器油中溶解气体的可靠检测提供了一种新的思路。

大型油浸式电力变压器胶囊式储油柜运行维护

为解决因设计、制造、安装工艺不足或运行维护操作不规范导致的胶囊密封失效、油位计显示油位不准确等问题,从大型油浸式电力变压器胶囊式储油柜的密封运行维护、油位运行维护两方面进行探讨,分析了密封失效的常见原因和检查方法,提供了摆杆式指针油位计的标定方法,并给出相应的维护建议。

电力变压器绝缘成型件的局部放电特性及其绝缘性能综合评价方法

本文搭建了电力变压器绝缘成型件的局部放电特性和闪络特性测试平台,获得了不同绝缘成型件的局部放电起始场强、局部放电起始放电量、局部放电熄灭场强、沿面闪络场强等4个关键绝缘指标的分布规律。结果表明:绝缘成型件的局部放电起始场强随着电极间距的增大而降低,平行分量下当电极间距从10 mm增大到25 mm时,局部放电起始场强降低了40.6%左右,不同分量下局部放电起始放电量为8.51~13.70 pC;在平行分量下,绝缘撑条和绝缘垫块的局部放电起始场强分别为2.55~2.85 kV/mm和1.43~1.78 kV/mm;在垂直分量下,绝缘撑条和绝缘垫块的局部放电起始场强分别为2.65~3.35 kV/mm和4.31~5.49 kV/mm。不同绝缘成型件表面形貌对其沿面闪络特性影响显著,表面压纹凹槽越密集,尺寸越大,阻碍沿面放电发展的效果越好。基于测试的试样数据库,提出基于熵权法的绝缘成型件综合性能评价方法,利用绝缘成型件放电特性的4个指标以及表观密度、尺寸偏差的离散程度确定不同性能指标的权重,对不同绝缘件进行了综合性能评价,验证了该评价方法的合理性。

基于能量系数的电力变压器热故障严重性评估方法

运行电力变压器内部的热点温度直接影响其使用寿命和运行可靠性。为准确评估电力变压器内部过热故障的严重程度,文章借助焓变理论提出一种计算故障能量系数的方法,为故障赋予一定的权值系数;并基于能量系数这一概念,以电力变压器各类不同程度的热故障为研究对象,建立其严重程度分级评估基准,此基准是以563组电力变压器热故障油色谱分析数据所计算出的能量系数值作为样本数据,利用最大熵原理得出最符合实际分布的电力变压器热故障能量系数概率分布函数,并求取其分位值Q_(20)、Q_(70)和Q_(95)作为热故障严重程度的分级评估值。经实际算例分析,采用文中所提方法,不仅可以实现对热故障严重程度的量化评估,还可以合理地划分其严重等级,可为检修人员制定和执行维护计划提供参考。

面向典型负荷曲线的油浸式电力变压器动态载荷能力评估方法

开展油浸式电力变压器动态载荷能力评估,保障设备安全运行条件下提高设备利用率和迎峰能力,是资产精益化管理的发展方向。该文首先分析动态温升模型的热参数,使用光纤实测的绕组热点温度数据对热参数优化并对温升估算模型进行改进,最终热点温度估算最大误差不超过3K,其次结合变压器运行工况,综合考虑热点温度、顶层油温、寿命损失及套管和分接开关最大允许电流等约束,提出了一种基于负荷循环迭代的变压器动态载荷能力评估方法,并分析了典型负荷曲线及环境温度曲线的提取方法,最后针对变压器在不同场景下的多个动态载荷能力评估应用实例进行研究,确定变压器的动态载荷能力及限制因素。结果表明,套管和分接开关最大允许电流可能成为限制变压器动态载荷能力的主要因素,较额定工况,不同场景下变压器载荷能力可提升28%以上,具有较大的载荷潜力。

基于音频动态特征重组和TCN-Attention的电力变压器故障诊断方法

电力变压器是电力系统的重要电气设备之一,对变压器进行在线故障诊断是降低电力系统运维成本、提高电力系统稳定性的关键措施.基于电力变压器运行时的音频信息,提出音频信号动态特征重组和TCN-Attention模型实现变压器典型故障的精准识别.首先,分析变压器音频信号的SRA、RMS、峭度和裕度特征;然后,根据特征与变压器故障之间的相关性、鲁棒性和时序单调性实现不同特征的加权融合,得到变压器音频信号的综合特征;最后,设计TCN-Attention模型分析变压器音频特征从而实现故障诊断,并基于注意力机制增强音频特征中的重要信息,以提升变压器故障的识别准确率.本文采集了变压器在正常运行、绕组故障和铁芯故障3种状态下的音频信号构成数据集,对所提方法进行验证.实验结果表明,本文方法根据变压器音频信号进行故障诊断的准确率可达90%以上,实现了变压器故障的智能诊断,对保障电力系统稳定运行具有重要意义.

基于物联网的电力变压器过热故障红外检测系统设计

电力变压器运行过程中容易受到自身因素和外界因素影响出现过热故障,进而发生事故,为此,该文基于物联网设计了一种新的电力变压器过热故障红外检测系统,在物联网技术的基础上对系统的硬件和软件进行开发设计。系统硬件主要设计了红外热像仪、中心控制计算机、监测云台三部分。红外摄像仪负责采集设备的实时温度数据,将数据发送到中心控制计算机;中心控制计算机负责收集并储存数据,同时将数据判断指令传达到云台;云台负责运行中心计算机的指令。通过数据采集、红外图像处理和温度测量与显示完成系统检测软件设计。实验结果表明,所设计系统能够同时绘制出温升曲线和三相曲线,更好地判定系统温度是否出现过热故障,与传统系统相比,预警响应时间平均值分别降低13.916 min和5.548 min,误检率平均值分别降低10.942%和8.262%。

考虑累积效应的电力变压器绕组弹塑性形变分析

短路导致的绕组形变是引发变压器故障的关键因素之一。为探究变压器绕组在多次短路冲击下的弹塑性形变规律,以一台型号为SFZ7-31500/110电力变压器作为研究对象,构建变压器三维有限元仿真模型。通过磁场—结构场耦合计算,获取短路过程中变压器的漏磁场分布及绕组所受电动力大小,系统分析绕组在多次短路冲击下的形变特性及其累积效应。结果表明,在短路冲击下,高、低压绕组的形变方向相反,且低压绕组的形变量明显大于高压绕组。此外,受到铁芯结构的影响,同一绕组位于铁芯窗内和窗外的受力和变形呈现出显著的不均匀性,窗内的绕组形变量较大。随着短路次数的增加,低压绕组上的塑性应变逐渐累积,初期增长迅速,但随后因材料硬化效应,形变累积速度逐渐减缓并趋于稳定;相反,高压绕组在整个过程中均保持弹性变形,未出现塑性形变。研究结果对变压器绕组动稳定性分析具有一定指导意义。

基于字词混用集成模型的电力变压器缺陷记录文本挖掘方法

变压器运维管理中积累了海量以文本形式记录的非结构化缺陷数据,但缺乏有效挖掘手段导致其利用率极低。文中提出一种基于字词混用集成模型的变压器缺陷记录文本挖掘方法,首先对变压器缺陷文本进行文本分词、去除停用词、文本增强、文本特征表示等预处理,以文本数学向量形式为输入,集成多个词汇级和字符级分类模型,通过元学习器对各基学习器性能的协同互补作用,实现变压器缺陷类型的准确识别和分类。与单一文本分类算法相比,该方法能够更全面地获得文本的语义特征,分类精确率达91%,模型准确率和召回率的综合评价分数F 1=0.9。将自然语言处理技术应用于电力设备缺陷记录文本,可以实现精准高效分类和故障识别,唤醒数据资源,显著提升电力变压器智能化管理水平。

电力变压器油中溶解气体离群值识别和数据重构

高质量传感数据是驱动新型电力系统数字化和智能化发展的基础,而由于传感器性能退化、传输中断或其他干扰因素,数据时常出现错误和异常值,造成数据利用率低等问题。针对在役电力变压器油中溶解气体在线监测数据,该文提出了基于COPOD、孤立森林(IForest)与Grubbs的联合方法提升油中溶解气体数据的价值。首先,通过COPOD和IForest筛选出包含离群点的数据集,再采用Grubbs对其进行检验,有效识别离群值。进一步地,采用掩码方式优化训练Transformer神经网络模型,填补空缺值重构油中溶解气体数据序列。在相同气体数据序列上,所提算法正确识别点数、正确识别离群点数和受试者工作特征曲线平均面积相比于传统K-近邻算法分别提升了3.5%、29.4%和5.0%。对于数据填补,对比双向缩放算法,填补后的数据与实际数据的方均根误差均值为7.29μL/L,平均绝对误差均值为2.7μL/L,性能分别提升了9.7%和9.2%,有效地提高了数据的质量和利用率。最后,通过11台500 kV变压器油中溶解气体数据分析,有力支撑了变压器状态评价和设备数字化管理。

考虑数字孪生的电力变压器磁场与电气参数可视化分析

首先,根据变压器的实物,采用MATLAB/Simulink软件搭建变压器的仿真模型;然后,选择通用串行总线(USB)采集卡作为采集设备,采用Labview软件设计出相应的采集程序;最后,在多种联合仿真技术中,选择仿真接口工具箱(SIT)作为最合适的联合仿真方法,并在联合仿真程序中加入报警程序。结果表明:该数字孪生平台具有准确性和可靠性,可运用于变压器匝间短路的检测。