电动力导致绕组铁芯变形的有限元分析

变压器作为电力系统运行的关键部位具有重要作用。为了避免结构形变问题对变压器安全运行的影响,选取S13-12500/35型油浸式变压器的相关数据建立35 k V变压器应力仿真模型。利用有限元分析法对35 k V油浸式变压器绕组铁芯正常运行和短路情况下电动力的受力进行分析,得到了两种情况下绕组铁芯横向和纵向的受力情况及变形量。通过应力场的分析,验证了变压器模型结构的正确性,为后期变压器应力传感器的安装和结构应力的监测提供了理论依据。

气体压力式FBG温度传感器设计

针对基于电信号传输的温度传感器难以在石油、化工、变电站等高危环境中做检测的问题,设计了气体压力式光纤Bragg光栅(FBG)温度传感器。采用气体压力式结构,在等强度悬臂梁上下表面的中心轴线上各粘贴一只具有相同敏感系数的FBG,分析了该温度传感器的工作原理,建立了其理论数学模型,并组装了传感器。通过对设计的气体压力式FBG温度传感器进行升降温实验测试,得到传感器的静态性能特性:传感器的线性度为3.59%FS,升温过程中灵敏度为10.14 pm/℃,降温过程中灵敏度为9.99 pm/℃。

初始信息素筛选的蚁群优化算法在HDFS副本选择中的研究

随着社会信息化程度的不断提高,各种形式的数据急剧膨胀。HDFS成为解决海量数据存储问题的一个分布式文件系统,而副本技术是云存储系统的关键。提出了一种基于初始信息素筛选的蚁群优化算法(Init Ph_ACO)的副本选择策略,通过将遗传算法(GA)与蚁群优化算法(ACO)算法相结合,将它们进行动态衔接。提出基于初始信息素筛选的ACO算法,既克服了ACO算法初始搜索速度慢,又充分利用GA的快速随机全局搜索能力。利用云计算仿真工具Cloud Sim来验证此策略的效果,结果表明:Init Ph_ACO策略在作业执行时间、副本读取响应时间和副本负载均衡性三个方面的性能均优于基于ACO算法的副本选择策略和基于GA的副本选择策略。

变压器铁心振动特性的有限元分析

随着电网容量的不断增加,变压器的振动问题越来越严重。为了给变压器铁心振动的故障诊断提供判断依据,需确定S13-12500/35型油浸式无励磁调压电力变压器铁心的振动敏感区域和故障参量的特征值,利用有限元分析对铁心系统在压紧状态和松动状态下的频率响应特性进行仿真,得出压紧状态下铁心系统的固有频率范围在475 Hz和650 Hz左右,在进行变压器振动监测时应将振动传感器置于变压器顶部。

基于ACO优化LS-SVM的变压器故障诊断

为提高电力变压器故障诊断的准确率,提出基于蚁群优化与最小二乘支持向量机的变压器故障诊断方法。首先,分析变压器故障与油中溶解气体之间的映射关系,确定故障诊断研究中5种特征气体作为故障类型诊断的参量。其次,针对油中溶解气体含量中异常数据,利用改进的核主元分析方法,剔除异常离群值。最后,引入蚁群算法到最小二乘支持向量机参数寻优中,得到核函数参数和惩罚系数的最优解,再使用数据样本对最小二乘支持向量机进行训练和识别,输出变压器故障分类。实验表明,该方法分类效果好,得到变压器的故障诊断准确率达到92.57%。

基于KPCA和LS-SVM的变压器故障诊断研究

电力变压器故障机理复杂,具有不确定性,难以进行准确的状态评估,提出核主成分分析和最小二乘支持向量机结合的变压器诊断方法。首先对样本数据进行非线性映射到高维空间,对映射后的特征向量进行信号重构,其次利用特征空间信号重构的最小误差准则对数据进行离群判断,找出异常特征样本并剔除,最后将核主元分析方法提取特征的数据输入最小二乘支持向量机中分类,识别数据是否存在故障及故障的类型。结果证明本方法的可行性和有效性。