基于多维信息融合的电力变压器故障诊断方法研究

考虑到现有变压器故障诊断方法仅针对单一故障特征,难以对电力变压器的实际情况做出准确、全面的判断。在电力变压器多维信息融合的基础上,提出了一种改进极限学习机和改进D-S证据理论相结合的故障诊断方法。通过后验概率映射优化极限学习机的输出,得到不同标签的概率,使用改进的证据理论来融合概率分配矩阵。通过试验对诊断方法优化前后进行对比分析,验证了该方法的优越性。结果表明,与优化前的故障诊断方法相比,该方法具有更高的故障识别准确率,准确率达到96.50%,能准确识别出电力变压器的各种故障,可为状态检修提供决策依据。

基于红外热成像检测技术的变电设备异常发热故障检测

变电设备的过度使用会导致设备异常发热,从而发生故障,变电设备图像的异常区域难以分辨,导致变电设备异常发热故障检测效果差,为此提出基于红外热成像检测技术的变电设备异常发热故障检测方法。通过红外热成像技术采集变电设备异常发热图像,由于大气环境温度会对图像质量造成影响,因而对采集的红外图像实行预处理,采用模糊C均值算法对处理后的异常发热图像实行分割,对分割后的图像区域灰度值展开访问,从中取得图像像素温度点,将其与环境温度信息结合,从而检测出变电设备异常区域故障,实现故障检测。实验结果表明,该方法的故障定位精度好、故障检测准确率高,验证了该方法的实用性强。