采用激光共振光声光谱技术检测乙炔气体

乙炔常伴随变压器内放电性故障的出现而产生,为了检测乙炔气体,通过研究乙炔在近红外波段的红外吸收特性及深入分析光声池的设计,构建了用以检测乙炔的光声光谱气体检测装置。利用该装置,对分布反馈半导体激光器的辐射特性进行了实验分析,结果表明,激光器的辐射波长随工作温度或注入电流的升高以近似线性升高,且在工作温度下的变化梯度大于注入电流下的变化梯度;利用分布反馈半导体激光器的窄线宽和可调谐特性,测得乙炔分子在近红外区第一泛音带的R(4)、R(5)支光声光谱;对光声信号受气体体积分数、激光功率影响的实验分析表明,在低气体体积分数、低激光功率条件下,光声信号与气体体积分数、激光功率间具有良好的线性依赖关系,该装置对乙炔的最低体积分数检测限约为1.4×10-6。

气体红外吸收特性受压强与温度的影响分析

气体的红外吸收特性是利用红外光学方法对气体进行定性定量分析的重要依据。吸收谱线的峰值吸收系数与全线宽是描述气体红外吸收特性的两个重要参量,参考HITRAN2004数据库,以乙炔在近红外的一段红外光谱为研究对象,对压强与温度对峰值吸收系数与全线宽的影响规律进行了研究,结果表明:当压强大于0.1 MPa时,峰值吸收系数与全线宽随压强的升高而增大,但后者的增长率较前者更大;而当温度在200～400 K范围时,乙炔在6 565～6 595 cm-1范围内的吸收谱线的峰值吸收系数与全线宽随温度的升高而降低,且温度对峰值吸收系数的影响要强于对全线宽的影响。分析结果对于气体的红外光学检测具有重要的工程应用价值。

变压器油中甲烷气体的光声光谱检测方法

甲烷(CH4)是变压器油中溶解的一种可用于变压器早期故障诊断的特征气体。光声光谱技术是基于光声效应的一种新型微量气体检测技术,具有灵敏度高,选择性好,动态检测范围大等优点。该文基于光声光谱技术的基本原理,利用分布反馈半导体激光器构建一种便携式、可调谐的光声光谱装置,借助该装置研究光声信号与激光功率、CH4浓度之间的关系,及CH4的2v3带R(3)支的高分辨光声光谱;该装置对CH4的检测灵敏度达到5.05μL/L。理论与实验结果为CH4的光声光谱在线监测及高灵敏度可调谐光声光谱仪的设计提供了参考。

采用BEM计算高压变电站工频电场

高压变电站内的工频电场的计算与评测日益重要。采用BEM法对一500 kV变电站500 kV开关场区域的设备与母线产生的工频电场进行了计算。采用BEM计算变电站内母线以及开关场设备产生的工频电场时,可以避免采用FEM计算时的三维剖分,计算结果表明,变电站内设备在周围产生的电场强度与其顶部的母线的高度有关,电场强度的大小分布规律与母线的高度规律基本一致。直流条件下计算的电场分布较交流条件下的要大,因此在计算变电站内工作走廊内的电场强度,对于设备以及母线的场源参数应按交流进行设置。

基于遗传算法进化小波神经网络的电力变压器故障诊断

在电力变压器故障诊断方法中,小波神经网络常用的反向传播算法存在着易陷入局部极小点和对初值要求较高的缺点,往往给故障诊断带来困难。文中提出了一种基于遗传算法进化小波神经网络的变压器故障诊断方法,用实数编码的遗传算法来代替人解决小波神经网络结构的选择和参数的设定。在整个学习过程中,网络的复杂度、收敛性和泛化能力得到了较好的综合。大量实例表明,该方法能有效地对电力变压器单故障和多故障样本进行分类,提高了诊断准确率。

利用小波神经网络的电力变压器故障诊断方法

为提高变压器传统油中溶解气体分析(DGA)的故障诊断能力,提出了一种利用小波神经网络(WNN)的变压器故障诊断方法。WNN隐含层采用离散仿射小波函数,仿照前馈BP神经网络算法构造WNN,引入学习率和动量系数来训练网络。实验结果表明:相同条件下,较之传统比值法与BP神经网络,WNN的故障模式识别准确率更高,对照BP神经网络,所提出的WNN变压器故障诊断方法在稳定性和收敛时间方面表现更优。

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。

基于改进小波神经网络算法的电力变压器故障诊断方法

大型电力变压器作为电力系统的枢纽设备,其运行可靠性直接关系到电力系统的安全与稳定。针对基于BP算法的小波神经网络存在收敛速度慢、搜索空间局部极小及易引起振荡等不足,本文以变压器油中溶解气体为分析对象,提出采用动量项和变学习率改进小波神经网络的变压器故障诊断算法。选择400组油中溶解气体含量作为小波神经网络训练及故障识别样本,对训练过程和仿真结果进行对比分析。实验结果表明:较之比值法,改进的小波神经网络故障诊断算法在故障识别准确率和收敛时间方面表现更优。

光声光谱技术应用于变压器油中溶解气体分析

变压器油中溶解气体在线监测装置中的色谱柱和气敏传感器存在消耗被测气体和长期稳定性差等不足。光声光谱气体分析技术灵敏度高,不消耗被测气体,克服了传统油中溶解气体在线监测技术的缺点。文中对其在变压器油中溶解气体在线监测中的应用进行了研究。构建了用于变压器油中溶解气体分析的光声光谱平台,给出具有红外特征吸收峰的CH4,C2H6,C2H4,C2H2,CO和CO2这6种主要故障特征气体的特征频谱,采用加权最小二乘法对2种混合气体中的CH4,C2H6,C2H4,C2H2,CO和CO2进行了定性和定量分析。分析结果与气体各组分体积分数真实值或气相色谱仪测量值的比较表明,光声光谱技术能有效地对变压器油中溶解气体进行分析。

变压器油中溶解气体的红外吸收特性理论分析

气体的红外吸收特性是红外光学方法分析气体的依据。基于HITRAN2004数据库用逐线积分法对变压器油中溶解气体CH_4、C_2H_6、C_2H_4、C_2H_2、CO、CO_2及H_2O的红外吸收特性进行分析,给出各气体在波段500~4000cm^-1内的吸收系数、主要吸收谱带位置、最强吸收谱线的中心波数及其峰值吸收系数;以各气体特征频谱处的吸收谱线为研究对象,分析峰值吸收系数随压强、温度的变化规律。计算和分析结果是用傅里叶变换红外光谱、光声光谱等红外光学方法对变压器油中溶解气体进行定性定量分析的重要依据。

变压器油中溶解气体的在线监测技术评述

油中溶解气体在线监测是获取变压器运行状态的重要手段之一。该文在概括变压器油中溶解气体在线监测技术一般方法的基础上,从油气分离和气体在线检测两个方面对其研究现状及工程应用进行了回顾。通过对多种油气分离技术的分析比较,认为薄膜透气法具有良好的性价比,更适合于变压器油中溶解气体在线监测。通过分析现有气体在线检测技术原理及特点,阐述了色谱柱和气体传感器阵列技术的不足在于消耗气样、长期稳定性差、交叉敏感等;对傅立叶红外光谱与光声光谱技术的比较表明,光声光谱在气体检测量、检测灵敏度等方面更有优势,其在油中溶解气体在线监测中具有良好的应用前景。

基于互相关和李雅普诺夫指数的微弱正弦信号混沌检测

微弱信号的幅值通常很小,且常被噪声淹没,难以检测。文中提出基于互相关和李雅普诺夫指数的微弱正弦信号混沌检测方法。该方法利用互相关方法对微弱正弦信号进行初步去噪,再利用混沌检测方法提取有效信号,以充分发挥互相关及混沌检测在噪声抑制及信号提取方面的优势;将最大李雅普诺夫指数作为判断混沌系统相变的量化依据,自动识别混沌系统的临界状态,从而准确给出用于确定微弱正弦信号幅值的策动力临界阈值。仿真实例分析表明,该方法能有效地检测出深埋于强噪声中的微弱正弦信号,且其检测精度较单独的互相关方法和混沌检测方法更优。

实测信号激励条件下GIS局部放电的电磁波传播特性研究

笔者主要分析GIS典型绝缘缺陷引起的局部放电(PD)过程,并应用FDTD算法,分别以理想的高斯脉冲信号和真实PD电流信号为激励源,研究电磁波在GIS内部的传播特性,结果表明:PD实际电流信号与理想高斯脉冲激励下的电磁波相差较大,PD超高频电磁波传播特性仿真研究宜采用实测PD信号作为模拟激励源。

变压器油中溶解气体的在线监测技术

介绍了变压器油中溶解气体在线监测技术的应用与研究现状,分析比较了现有的油中溶解气体在线监测技术。

GIS四种缺陷局放UHF信号标定技术研究

为了对GIS不同绝缘缺陷局放超高频(Ultra High Frequency,UHF)信号与视在放电量(pC)之间的对应关系,即UHF信号标定技术进行研究,在GIS内模拟了四种典型缺陷模型,选取300～400MHz、700～800MHz、1.4～1.5GHz以及0.3～3GHz等四种检测频段,对不同缺陷UHF信号标定进行研究,并采用多种数学回归模型和拟合优度校验指标对标定结果分别进行回归分析和拟合优度校验分析。研究发现,同一类型缺陷在不同检测频段上UHF信号幅值(mV)与视在放电量(pC)之间存在较为明显的对应关系,不同频段间对应关系存在差异,可以近似采用一元线性多项式回归模型对不同类型缺陷UHF信号幅值进行放电量标定。

神经网络PID控制在倒立摆系统中的应用

PID控制是工业过程控制中最常用的一种控制方法 ,但当被控对象具有复杂的非线性特性 ,难以建立精确的数学模型 ,且由于对象和环境的不确定性 ,往往难以达到满意的控制效果。作者用神经PID控制方法应用于倒立摆系统 ,克服了常规PID控制的不足 。

基于光声光谱的变压器油中多组分气体检测方法

油中溶解气体对变压器早期潜伏性故障的诊断具有重要作用。光声光谱技术是基于光声效应的一种新型微量气体检测技术,基于光声光谱技术的基本原理,以甲烷和乙炔为例,对变压器油中多组分故障特征气体的光声光谱检测方法进行研究。提出的基于分布反馈半导体激光器的光声光谱检测装置具有选择性好、检测范围大的优点,提出的基于最小二乘回归的多组分气体光声定量方法不需要池常数、气体吸收系数等参数,因而避免了这些参数引入的误差。实验结果表明,提出的方法能够有效地检测出多组分故障特征气体,为光声光谱技术的工程应用提供了方法参考。

用于变压器油中乙炔含量检测的红外激光气体传感器的研制

为检测变压器油中溶解气体种类和含量,研制了一种红外激光气体传感器,介绍了相关检测原理和系统构成。该传感器有一种基于串联反射镜组的透射式吸收气室,在气室体积不变的前提下可增加吸收光程,以获得更高的检测灵敏度。以变压器油中溶解气体乙炔为研究对象,选择乙炔气体在1 529.16nm处的吸收谱线作为其峰值特征吸收谱线,并基于最小二乘法对乙炔气体体积分数进行定量分析。实验结果表明:当注入电流为100mA、温度为26°C时,激光器的输出波长为1 529.14nm,光强透射率稳定在88%,能够满足信号处理系统的要求。在一定乙炔气体体积分数范围内,传感器的吸光度与乙炔气体体积分数之间具有良好的线性关系,检测限为10-5。因此所研制的红外激光气体传感器能够有效检测变压器油中的乙炔。

SF_6分解物SO_2、H_2S、HF、CO的红外吸收特性分析

气体的红外吸收特性是进行气体红外定性定量分析的重要依据。为此,针对4种典型SF6气体分解物SO2、H2S、HF、CO,利用HITRAN2008数据库给出的吸收谱线参数,对其红外吸收特性进行了研究,给出了SO2、H2S、HF、CO 4种气体在波数10～10 000cm^-1范围内吸收谱带的波数区间和最强吸收谱线的中心波数及其峰值吸收系数。另外,分析了SO2和H2S的一段吸收谱受压强和温度的影响,结果表明气体吸收谱线的吸收系数和全线宽随压强的升高而增大;而随温度的升高,气体绝大多数吸收谱线的峰值吸收系数和全线宽会减小,但也存在少数吸收谱线的峰值吸收系数增大的情况。

基于快速独立分量分析算法的气体绝缘开关设备局部放电混合信号分离与缺陷类型辨识

为解决气体绝缘开关设备(GIS)内多种绝缘缺陷并存时的混合局部放电(简称局放)的信号分离和缺陷类型辨识问题,提出了基于快速独立分量分析(FastICA)算法的GIS局放混合信号分离与模式识别方法。该方法具体包括:采用FastICA算法从局放混合信号中分离出单一局放信号,针对各单一局放信号,提出的模式识别策略是通过增添相反符号和幅值归一化的单一局放信号用于分类器训练或者使用对信号符号不敏感的特征(如分形特征等)作为分类特征。算例分析结果表明,提出的方法能够实现GIS多绝缘缺陷局放信号的有效分离,并能对分离出的单一局放信号进行准确缺陷类型辨识,且具有抗噪能力强、计算速度快、robust性好等优点。