基于油中溶解气体分析技术的10 kV电抗器内部放电故障处理与分析

油中溶解气体分析(又称油色谱分析)是诊断充油电气设备内部故障的重要技术手段。对油中溶解气体分析技术的原理和方法进行了介绍,并通过某110 kV变电站10 kV油浸式电抗器内部放电故障处理与分析,来验证油中溶解气体分析可为充油电气设备故障和潜在故障识别及故障类型判断提供有力的技术支撑,有效保障电网的安全稳定运行。

基于小波网络及油中溶解气体分析的电力变压器故障诊断方法

小波网络是近年来发展起来的一种高效非线性信号处理新模型。该文将适于电力变压器故障诊断的小波网络分为第一、第二类小波网络,提出了基于自适应算法小波网络的变压器故障诊断方法,该方法继承了人工神经网络的学习能力和小波变换的局部化特征,具有良好的收敛性和鲁棒性。选择经模糊预处理的250组油中溶解气体作为采用不同小波基的2类小波网络训练与识别样本,对训练过程和仿真结果进行对比分析。大量诊断实例表明,文中提出的2类小波网络均适于变压器故障诊断,其性能优于单独使用传统BP神经网络的方法。

量子遗传神经网络在变压器油中溶解气体分析中的应用

常规的神经网络存在容易陷入局部极小点、收敛速度慢、泛化能力差的问题。为了解决这些问题,使用量子遗传算法来获得神经网络初始变量。由于其具有量子态和量子门操作,可有效提高寻优的性能,大大提高初始值的质量,为后续算法逼近全局最优奠定基础。在用该算法获得网络可变参数初值后,选择计算速度快的Levenberg-Marquardt算法对多层前馈神经网络的权值和阈值进行优化得到最优解,很好地解决了网络训练易收敛于局部极小点的问题。根据气体浓度和产气速率判断变压器是否故障,将无故障和有故障情况分别用各自的神经网络进行评估/诊断,分别给出变压器的健康水平和故障类型,有效减少了网络的复杂性,提高了训练和应用效果。将提出的方法应用于现场变压器的油中溶解气体分析,评估/诊断准确性达95%以上。

差频中红外吸收光谱应用于油中溶解气体分析

高准确度、高灵敏度检测故障特征气体是基于油中溶解气体分析的变压器早期潜伏性故障诊断的关键。基于差频中红外及离轴腔增强吸收光谱技术,搭建了一个变压器油中溶解气体检测系统。以故障混合气体中浓度为0.5μL/L的C2H4为代表,验证了该系统的检测特性。选取1 583.0 nm信号源及1 063.8 nm抽运源,利用非线性光学周期极化铌酸锂晶体,结合准相位匹配技术,差频产生了3.245μm(对应C2H4的基频吸收线3 081.001 6 cm-1)的中红外相干光:最大输出功率为288μW,最大调谐范围为35 cm-1。气体压强100 Torr下,系统对于气体C2H4的最低吸收系数及检测下限分别为7.39×10-10 cm-1及0.014 4μL/L,很好地满足了变压器油中溶解乙烯检测极限值(0.5μL/L)的需要,分析和证明了气体压强对C2H4的吸收峰值、系统最低吸收系数及检测下限的影响。该研究结果为基于差频中红外吸收光谱的变压器油中溶解气体带电检测提供了理论依据和技术支撑。

油中溶解气体分析的变压器故障诊断新方法

为克服电气分析应用中BP网络算法遇到的困难,改进基本遗传算法并将其与BP算法相结合构成混合算法应用到基于油中溶解气体分析的变压器故障诊断的小波神经网络的训练中。混合算法先利用改进后的遗传算法优化小波神经网络的4个初始值,再利用梯度下降算法训练小波神经网络。针对实际情况,对所采用的遗传算法运用实数编码,采用通过自适应调整的交叉和变异概率,使遗传算法在广泛的空间搜索,向解的方向尽快收敛。仿真结果表明,该算法有效解决了小波网络若初值设置不合理,极易进入局部极小的区域使网络振荡增大、不收敛及GA算法独立训练神经网络速度缓慢等缺点。用训练过的该小波神经网络模型对456台次的变压器故障进行验证和诊断的仿真结果表明,该算法具有较快的收敛速度和较高的计算精度,证实了该算法应用于电力变压器故障诊断的有效性。

基于RPROP算法的变压器油中溶解气体分析故障诊断

在分析BP算法和RPROP(振荡传播)算法原理的基础上,指出了RPROP算法具有收敛速度快、不容易陷入局部极小点、自适应能力强等优点,并分析了原因。将RPROP算法训练的多层前馈神经网络用于变压器油中溶解气体分析故障诊断,给出了网络模型,分析了隐层神经元数目对网络训练和诊断的影响。变压器油中溶解气体数据的训练和诊断表明,RPROP算法的收敛速度快于BP算法、加动量项BP算法,并且具有较高的诊断准确率,是一种有效的方法。

基于油中溶解气体分析的变压器绝缘故障诊断方法的研究和发展

总结了近年来人工智能技术在基于油中溶解气体分析(DGA)的变压器绝缘故障诊断方法上的研究和发展,介绍了其中的主要方法和成果,并讨论了该领域的研究趋向。

变压器油中溶解气体分析使用的判断方法

目前．国内电力系统使用的大型变压器多为油浸式变压器，其内部变压器油和固体绝缘材料由于受电场、热、湿度、氧等因素的影响，会逐渐老化、分解，产生少量的氢、低分子烃类气体、一氧化碳和二氧化碳等气体，且大部分溶解在油中。

变压器油中溶解气体分析法应用中存在的问题及产气识别(一)

油中溶解气体分析(DGA)检测的对象是特征气体,变压器在运行中出现一定量的特性气体(简称产气),都是由于发生了产气故障。但产气故障只是变压器故障的一部分,并不涵盖全部故障,对绕组严重变形、绝缘过度受潮以及器身冲撞受伤等这些不产气故障,用DGA对发现这类故障不起作用。文章介绍了DGA的试验方法,指出了变压器应用DGA中存在的问题,详细介绍了变压器运行中的各类产气情况,如自然老化产气、外来气源产气、局部放电故障产气、过热故障产气和事故产气等及其识别方法。

油中溶解气体分析新导则及其启示

介绍了IEC60599—1999在利用油中溶解气体分析方法诊断油浸变压器类电力设备潜伏性故障方面的进展,分析了其新特点及国外的相关应用情况。

油中溶解气体分析的两个误差来源及处理

对变压器油中溶解气体分析中的两个误差进行了分析,提出了减小油中溶解气体色谱分析误差的建议。

面向变压器油中溶解气体分析的组合DBN诊断方法

油中溶解气体分析是变压器内绝缘故障诊断的重要方法之一。但误判案例分析表明,传统的基于深度信念网络(deep belief network,DBN)油中溶解气体故障诊断方法存在较多的局部放电、低温过热、低能电弧放电兼过热混淆等误判。为进一步提高故障诊断效果,提出一种面向变压器油中溶解气体分析的组合DBN故障诊断方法。该方法引入深度信念网络群识别故障类型及严重程度,根据第一层故障类型识别结果激活相应的二层DBN识别故障严重程度。研究不同输入下,网络层数、节点数对于组合DBN的油中溶解气体故障诊断准确率的影响,结果表明当输入为无编码比值加特征气体含量,网络层数选取为3时网络具有最高准确率;当网络节点数大于3,增加节点数无法显著提高网络识别准确率。组合DBN查准率及查全率均高于单一DBN,总体准确率由80.9%提高到90.1%。分析案例数据量对诊断结果的影响,查全率及查准率随数据量增加而增加,案例多的故障类型查准率高于案例少的故障类型。

应用于油中溶解气体分析的深度信念网络与典型神经网络对比研究

油中溶解气体分析是诊断油浸式变压器绝缘系统故障最有效的方法之一,对实现变压器故障精确诊断具有重要意义。文中基于深度信念网络(deep belief network,DBN)、BP神经网络(back propagation neural network,BPNN)和RBF神经网络(radial basis function neural network,RBFNN)构建了不同结构的变压器油中溶解气体分析模型,实现了基于油中溶解气体分析的变压器故障诊断。文中对比分析了不同建模方法、不同训练样本数和不同模型参数对变压器故障诊断精确度的影响。结果表明,文中构建的基于DBN的油中溶解气体分析模型在1 000组训练样本、5层DBN模型结构和第2层20个节点时,达到最高的识别精度84.87%。

高分子渗透膜在变压器油中溶解气体分析中的应用

油中溶解气体分析是变压器状态检测最为常见且可靠的方法,油气分离技术则是溶解气体分析中重要的一环。在油气分离技术中,渗透膜是一种较为新颖且颇具前途的分离技术。相较于传统的油气分离方法,渗透膜技术具有结构简单、体积较小、免于维护等优点,因此该方法是油中溶解气体分析研究的热点之一。该文首先对近年来应用于油气分离的高分子渗透膜材料及其结构进行了综述;然后,结合现有研究对几种常见的不同类型的高分子渗透膜进行归纳、总结和对比;最后,在总结当前研究的基础上,提出并讨论高分子渗透膜在变压器油中溶解气体分析领域中未来的发展方向。

二次取气法在油中溶解气体分析中的应用研究

取气是将溶解气体从油中分离出来,是变压器油中溶解气体分析的关键步骤之一。通过对取气原理的分析研究,提出二次取气法可以应用于测定试验方法的回收率和变压器油样品的二次分析,分别从理论和样品检测实例两方面分析验证了该方法的可靠性。

基于改进关联规则挖掘的变压器油中溶解气体分析模型

关联规则挖掘算法常用于基于油中溶解气体分析的变压器故障诊断中。为进一步提升诊断效果,提出一种基于改进关联规则挖掘模型的变压器故障诊断方法。首先,构建可调整的状态重要度评估标准计算方式,能够适应不同输入特征并将其中的罕见高危数据纳入分析,从而有效应对现实应用过程中可能出现的极端状况;其次,直接基于输入特征量导致的故障风险而非特征量的数据占比或出现频率求解相应故障风险权重,能够更加准确地衡量各特征量所带来的影响;最后应用Relim算法进行关联规则挖掘,从而改善挖掘效率。实例仿真结果表明,所提出方法相较采用固定重要度评估标准计算方式、传统风险权重求解方法以及Apriori关联规则挖掘算法的故障诊断方法,具有更好的诊断准确率、实际可行性以及运算效率。

基于油中溶解气体分析的电力变压器故障诊断

介绍变压器故障诊断的改良三比值法。针对改良三比值法的不足,提出了基于改良三比值法的综合诊断,并且设计了与之相关的编程流程图。与改良三比值法相比较,此方法具有更好的故障识别效果。

基于油中溶解气体分析与绕组变形试验的变压器出口短路故障诊断

结合故障实例,介绍了基于油中溶解气体分析与绕组变形试验的变压器出口短路故障诊断方法。

基于稳健统计法的绝缘油中溶解气体分析实验室间比对及结果分析

为了解绝缘油中溶解气体分析检测能力,组织实施了辽宁省内15家油化实验室的实验室间比对。采用迭代稳健统计法对实验室间绝缘油中溶解气体分析的检测进行比对,介绍了绝缘油中溶解气体分析实验室间比对方案和基于迭代统计法的结果分析过程,实验室间比对结果表明,在参加比对的47台设备中评定为满意结果的有40台,满意率为85.1%,大多数的实验室具备准确可靠分析油中溶解气体分析检测的能力。

基于油中溶解气体分析的电力变压器故障诊断技术的研究

随着各产业技术的快速提升以及综合科技水平的不断进步,我国各项基础设施建设也在逐步完善当中。对于我国电力系统的运转而言,变压器等实体设备的应用是提高电力工业水平的基础。现阶段,在电力企业的长期工作中,电网环境的安全性是整个电力系统管理的重中之重,维护变电站的主变保护对于电网的稳定运行至关重要。该文就基于油中溶解气体分析的电力变压器故障诊断技术及其相关内容做以阐述,探究现阶段技术层面下的故障诊断策略的实际效能,以期为实践工作的顺利推进带来有益的借鉴。