基于温升特性的油浸式变压器负荷能力评估模型

实时评估变压器负荷能力,保障设备安全前提下充分挖掘变压器负载潜力,是资产精益化管理的发展方向。通过分析变压器的热源组成与传热过程,将日照辐射吸收功率引入到变压器热点温度估算中,依据绕组直流电阻和油黏度温度变化特点,对热源功率和热阻的算法进行了修正,提高热点温度估算精度。然后综合考虑顶层油温、热点温度、相对损失寿命和辅助设备容量等负荷约束条件,提出了基于温升特性的油浸式变压器负荷能力评估模型。最终,采用2台变压器实测数据进行验证,结果表明,相比于负载导则推荐方法,改进的热点温度算法的相对误差平均减小了2.5%;负荷能力评估结果显示,正常情况下测试变压器实际负荷能力约为额定值的115%,仍有剩余负荷潜力可用。

役龄累积和状态诱因协同的变压器失效概率模型

失效概率预测是量化评价单台变压器运行风险的关键。从役龄累积和状态诱因2个方面分析单台变压器失效概率的发展规律,能够解决单个因素难以同时反映变压器失效概率的发展趋势和个体的差异性问题。比例失效概率模型能够将役龄累积性因素引入到Weibull基准失效率函数中,表征变压器"浴盆曲线"失效概率发展规律,将状态诱因性因素引入指数连接函数中,表征健康缺陷对设备失效概率的影响。运用线性回归思想将Levenberg-Marquardt算法和反演法进行结合,实现模型参数估计。提出一种役龄累积和状态诱因协同的变压器失效概率模型,并采用一组实例数据对模型的有效性进行验证,为变压器运行风险管理提供一种新的思路。

利用近红外光谱定量评估绝缘纸聚合度的建模方法研究

近红外光谱分析技术在电力变压器油纸绝缘老化状态的现场快速、无损诊断方面具有巨大的应用潜力。目前,评估建模与现场应用尚处于起步探索阶段。为研究基于近红外光谱的绝缘纸聚合度(degree of polymerization,DP)定量评估模型,制备得到不同老化状态的油纸绝缘样品,检测近红外光谱、DP等数据,利用Savitzky-Golay卷积法对光谱进行预处理,结合偏最小二乘法建立聚合度定量评估基础模型。研究引入XY变量联合的异常样本检测算法和竞争性自适应重加权取样法(competitive adaptive reweighted sampling,CARS),得到不同组合方式下的优化模型。各模型的预测精度评估结果显示:依据XY变量联合+CARS算法建立的绝缘纸聚合度定量评估模型,使用更少的光谱数据,达到了更优的预测精度,可实现绝缘老化状态的自适应预测。建立的评估模型在5台主变的绝缘纸样现场检测及老化评估中初见成效。

信息缺失下变压器状态预警方法

为了解决变压器状态信息间的弱关联问题,从而准确预警变压器的异常状态,引入信息决策理论构建变压器信息决策表,并提取了变压器状态决策规则。通过信息决策表中各决策规则之间的近似关系,提出了概率化表征变压器状态的方法,实现了信息缺失下的变压器状态预警。此外,基于属性依赖度理论,提出了结合遗传算子的最优属性核计算方法,该方法通过提取分析信息决策表的关键条件属性,完成了变压器状态预警规律的总结和发现。采用64个案例验证了所提方法的有效性,并示例说明了变压器状态预警规律的发现过程。研究结果表明:状态预警方法的正判率约为81.3%,该方法能够在信息缺失下预警变压器状态,并具有自学习优化能力,预警精确度会随状态信息的增多而不断提升。变压器状态预警方法能够为变压器智能化运维和风险管控提供理论指导。

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%。

基于信息属性约简技术的变压器状态感知方法研究

及时准确和高效地感知变压器健康状态对提升电网运行安全性和供电可靠性具有重要意义。针对当前变压器状态感知和故障诊断中状态信息不完备、多状态信息孤立和无法有效融合等问题,文中结合信息属性约简技术和遗传算法提出了一种变压器状态感知方法。通过分析变压器信息决策表中信息属性依赖度,结合遗传算法约简决策表中冗余的信息属性,求解获得变压器信息决策表的最优属性核,最后通过信息属性的优选,匹配待评估变压器的检测信息实现变压器状态感知及故障诊断。根据变压器实际故障案例验证了所述方法的可行性和有效性。与传统方法相比,通过该方法在变压器状态感知及故障诊断方面具有较高的计算效率和诊断准确率(诊断准确率为84%)。