PSO改进RBPNN在变压器故障诊断中的应用

针对概率神经网络(PNN)及遗传算法(GA)在变压器内部故障诊断中存在的不足,提出了一种基于粒子群算法(PSO)改进径向基概率神经网络(RBPNN)的故障诊断方法。首先,引入RBPNN,选取反向传播作为学习算法以及油中溶解气体含量比值作为故障特征量。然后,由于该模型受网络结构和初值影响较大,故拟用GA、PSO和改进的PSO对网络优化并测试。通过对比分析,得出改进的PSO在确定拓扑结构、降低误差精度、加快收敛速度和提高预测准确度上更占优势的结论,同时证明了所提方法在故障诊断中的正确性和可行性。

基于DSP和ARM的便携继电保护测试仪设计

为了提高继电保护测试仪输出信号的质量和频率分辨率,提出了一种不牺牲每周波拟合点数而使输出信号频率最高至1 000 Hz、频率分辨率达到0.001 Hz的算法。根据需求,DSP计算出波形拟合点和触发时序逻辑信号后,CPLD根据时序信号触发DAC输出波形,波形经功率放大、变压器运放等环节处理,由DSP采集到的反馈信号通过数字PID算法调整,使最终输出信号快速且稳定地达到预设值。测试仪的变压器模块独立化设计,提高了装置的便携性。经检测,该测试仪各项输出满足实际应用要求。

基于DAC拟合输出的可编程交流电源设计

针对基于DC-AC可编程交流电源频率与相位调节分辨率较低、高次谐波叠加困难、输出波形畸变等问题,提出了应用处理器STM32F103ZET6内置的两路12 bit DAC来拟合波形作输出的方案。CPU计算出所需的波形点,经DAC拟合输出、功率放大、滤波、变压器运放等环节处理并结合反馈信号应用数字PID算法,使最终输出信号快速且稳定地达到预设值。经测试,应用此方案设计的可编程交流电源,其频率与相位的分辨率显著提高,方便叠加各次谐波,且输出波形质量明显得到改善。

基于振动噪声SC与SVM的变压器局部过热故障诊断

为了更加及时准确地诊断变压器内部局部过热故障,提出了基于振动噪声SC与SVM的变压器过热故障诊断方法。首先,以稀疏编码(SC)算法为工具,对不同过热故障模型的频率信号进行预处理,提取出识别特征量,并作为后续支持向量机(SVM)学习输入量。然后,因SVM泛化能力受参数C和δ影响较大,以均分训练样本所得多个模型的平均准确率作为评价函数,为SVM参数优选提供评价标准。通过10 kV配电变压器过热模拟实验,生成训练样本和测试样本,并对SVM进行训练和测试。试验结果表明,采用]0,1]作为归一化方式,径向基函数作为核函数以及交叉验证(CV)寻优的CV-SVM模型,经学习后能够对局部过热不同故障程度与故障模型进行准确区分。该研究为基于振动噪声在线监测变压器状态提供了参考。

基于EMD-SVD-KELM与参数优选的励磁涌流辨识

针对变压器差动保护装置易受励磁涌流误动作问题,提出了基于EMD-SVD-KELM与参数优选的励磁涌流辨识方法。首先,以经验模态分解(EMD)和奇异值分解(SVD)为工具,对励磁涌流和故障电流信号进行预处理,提取出识别特征量,并作为后续核函数极限学习机(KELM)学习输入量;然后,因学习机性能受参数C和γ影响较大,以均分训练样本所得多个模型的平均准确率作为适应度评价函数,为KELM参数优选提供评价标准。通过EMTDC仿真计算生成训练样本和测试样本,利用多种优化算法对KELM进行训练和测试。最终,试验结果表明,与网格搜索(GS)、遗传算法(GA)、粒子群算法(PSO)相比,改进粒子群算法(IPSO)能够更加迅捷地搜索到最优参数,同时学习后的IPSO-KELM模型能够正确识别涌流和故障电流,验证了文中所提方法的正确性和可行性。

基于大数据的错峰用电管理系统设计

传统用电管理系统存在用户用电量时间协调性差,无法有效降低峰谷差,设计基于大数据的错峰用电管理系统,在大数据环境下设计系统硬件框图,并分别对应用模块、数据模块和外接接口模块进行分析;采用K+means聚类算法对日负荷曲线进行聚类分析,并对分析结果统计,获取相关负荷特性指标判定用户用电模式。设计管理流程,并将错峰管理情况在页面上展示。通过实验验证可知,该系统可调节用户在高峰期用电情况,合理调节用电时间,有效降低峰谷差。

两节避雷器1mA电压试验数据不合格的原因分析与处理

本文分析了两节避雷器1mA电压测试时出现数据不合格情况的原因,并分析了不同测试方法对试验数据的影响,希望为同类工作提供参考。

浅谈电容式套管末屏故障分析及处理

电容式套管是变压器上的重要附件,主要是将绕组引线引出,使带电部位与设备外壳保持一定的距离,并且具有一定的机械强度。因此,它既有绝缘作用,又有机械上的固定作用。本文分析了油浸电容式套管出现的末屏故障现象,并结合电气试验和实践经验提出了具体的处理方法和防范措施。