变压器油中乙炔门控循环单元网络多步预测超参数优化方法

油中溶解乙炔作为电力变压器中重要的放电程度表征参量之一,对其进行多步预测可以为变压器故障诊断及预警提供重要依据。现有的状态预测模型主要集中于单步预测,对于未来更长时期变化趋势的预测手段不足。此外,基于深度学习的多步预测模型的超参数选择大多基于经验和朴素的单一控制变量法,超参数之间的耦合关系没有得到充分的研究。文中提出基于多输出策略的门控循环单元(gated recurrent unit,GRU)神经网络多步预测模型,通过改变模型结构超参数和训练超参数研究超参数之间的耦合关系,使用多目标灰狼优化算法对不同预测结果倾向的GRU模型进行超参数优化。结果表明,GRU模型可以较为准确的对变压器油中乙炔含量进行30天预测,GRU模型的各超参数对输出预测结果的影响规律并不统一且相互影响,一组超参数无法同时达到多目标最优。多目标灰狼优化算法能够根据预测目标的不同,优化选择合适的超参数,为人工智能算法超参数的选取提供参考。

基于宽频振动传感器的电力设备状态监测方法可行性分析

宽频振动信号包括1 Hz~20 kHz的低频振动信号和20~500 kHz的高频超声信号。近年来,利用振动信号对变压器、电容器、电抗器等电力设备进行状态检测的手段日益成熟,超声信号也可以很好地检测出电力设备中的局部放电并定位,均已有较为成熟的应用。文中提出了基于宽频振动传感器的电力设备状态监测方法,并使用该传感器同时测量了脉冲振动源的振动以及油纸绝缘针板电极局部放电的超声,借助仿真对超声时延进行了修正,对局部放电进行了识别,并与脉冲电流法所得结果进行了对比。结果表明,所提出的监测方法可以很好地监测到振动和超声,并实现局部放电的识别,该方法应用于电力设备状态监测是可行的。

教育强国视域下中国教育的变革之道——从工业教育时代步入智能教育时代的系统跃升

教育发展始终是时代的产物,工业时代的教育带有其明确的先进性,为经济社会发展和人的发展提供了重要支撑。以人工智能为代表的智能化时代,对于传统教育体系和教育制度带来最为深刻的挑战和影响,二者之间正在演义进化、加快催化和实现转化。与英美德法四大教育强国的实践路径不同,中国建设教育强国具有其内在逻辑、总体目标和战略优势,需要从总体战略、系统工程、制度创新、生态创建和区域联动等方面加以推进,以中国式教育现代化推进教育强国建设。

从重点布局到适度均衡:我国城市群高等教育布局重构的目标与策略研究

目前,我国城市群高等教育正在进入新一轮布局重构阶段。新的发展阶段,我国城市群高等教育布局重构面临政策方向更加明确以及国家综合实力、竞争力和影响力明显增强等机遇,但同时也面临区域高等教育布局矛盾凸显、教育数字化转型下高等教育结构改革任务艰巨、人才自主培养层次亟待提升、高等教育体制机制滞后制约地方化发展等挑战。为此,我国应明确城市群高等教育布局重构的特征,在此基础上对其进行目标设计,坚持“做大基部,做优主体,做强顶部”,实现从重点布局到适度均衡的战略转变,具体做到:推进区域高等教育布局重构科学规划,支持各级政府科学决策;适应人口结构和产业布局新趋势,建立区域高等教育布局新模式;适应高等教育普及化和地方化趋势,适度调整高等教育入学率指标;以19个国家级城市群为依托,分级打造区域高等教育新高地;加强高层次人才培养,重点加强博士层次创新人才培养;面向经济和社会发展需求,主动调整学科专业结构。

基于振动信号分析的V型有载分接开关机械故障识别方法

有载分接开关(OLTC)是变压器中唯一频繁动作的关键部件,容易发生机械故障,从而引发严重的安全事故。分析了V型OLTC的切换原理,设置了3种常见机械故障,利用多通道振动传感器采集切换过程的振动信号,提出了一种基于振动信号分析的V型OLTC机械故障识别方法。首先,采用CCEMDAN算法分解振动信号,基于相关系数法构建特征矩阵,利用奇异值分解对振动信号进行特征提取;其次,通过主成分分析与K-means聚类进行振动信号的最优测点选择;最后,基于XGBoost集成学习算法实现了机械故障分类。试验结果表明,OLTC箱体正面所测振动信号能更好地反映其内部机械状态,所提方法对于3种机械故障的识别准确率达到98%,高于随机森林、GBDT等集成学习算法。

基于振动偏离及加权熵的多次短路冲击下变压器绕组机械形变辨识

为了研究变压器绕组在多次短路冲击的累积效应影响下逐步机械形变问题,开展了多次110 kV真型变压器短路试验,采集了振动暂态信号和轴向压力稳态值,分析了历次短路过程中振动偏离和加权时频谱熵的变化趋势。结果表明,累积效应导致的绕组机械劣化会使振动加速度偏离未形变状态基准值,且加权时频谱熵增大;结合材料力学及绕组轴向振动动力学模型,推导出当振动加速度呈正偏离时,短路侧绕组形变形式为轴向外凸膨胀,反之为轴向内凹压缩的关联规律。最后提出并验证了一种基于振动偏差模值及加权时频谱熵联合分析的绕组形变辨识方法,该方法较传统阻抗法能够在绕组早期微小形变时更早发现机械稳定性下降。研究结果对变压器绕组形变预警具有一定指导意义。

基于箱体振型特征的油浸式电抗器绕组松动识别方法

通过分析高压并联电抗器油箱表面振动加速度信号可以得到电抗器内部机械状态信息,从而有利于避免电抗器事故的发生。本文针对一台500 kV油浸式铁心电抗器搭建了振动实验平台,首先对油箱表面均匀分布测点的振动加速度信号进行相位校准并获取运行变形振型(ODS)图像,通过升压实验分析了电抗器表面振型分布与电压之间的关系,借助灰度共生矩阵提取电抗器在不同机械状态下的ODS图像纹理特征并进行对比分析。研究结果表明:运行电压下电抗器ODS分布不变,当绕组发生松动时,电抗器表面ODS图像的纹理特征发生变化,其灰度共生矩阵的能量增大,相关性减小,逆差距增大,从而验证了本文绕组松动识别方法的有效性,为高压并联电抗器故障诊断提供了参考。

基于有源光纤光栅阵列的局部放电声发射检测与定位技术

针对现有光纤超声传感器复用系统光路繁琐、传感器无法实现多点同步测量等不足,该文提出一种基于有源光纤光栅(fiber bragg grating,FBG)阵列的局放声发射传感检测方法。通过抑制系统的弛豫振荡噪声、引入不平衡干涉仪和声光调制器将微小波长变化的检测转化为相位变化进行解调,使系统检测灵敏度明显提高;理论推导并验证非平衡干涉仪臂长差优化设置方案,使光纤超声传感阵列各传感元检测下限比压电陶瓷换能器(piezoelectric transducer,PZT)低17.1%~19.7%。在此基础上,开展变压器油中局部放电检测与定位实验。实验表明:在1000mm×1000mm×1100mm的油箱内定位精度小于40mm;对于变压器油中悬浮放电模型,有源FBG的局部放电检测起始电压比PZT低22.2%,可测放电量低24.0%。结果可为变压器油中局部放电提供一种高灵敏度的检测与定位方法。

中国教育现代化的世界价值

中国教育现代化是世界教育现代化进程中的理论与实践创新的典型案例,既遵循世界教育现代化的普遍规律,更体现中国本土教育特色。中国教育现代化为发展中国家提供跨越发展、均衡发展、教育扶贫、现代化转型新经验,为世界教育现代化提供“坚定性与灵活性相结合、学习借鉴与自主创新相结合、普遍性与适用性相结合、全球性与本土性相结合”的新方略。中国教育现代化开辟了全体人民共同发展、教育现代化水平、教育高质量发展和教育现代化成果共享的新境界,体现出重要的战略价值、理论价值、实践价值和传播价值。

母亲教养方式与高中生社会适应性水平关系研究

社会适应性是人的社会性的重要体现,高中生社会适应性水平是衡量其心理健康状况的重要指标之一,母亲教养方式在青少年社会适应性的形成过程中发挥着不可替代的重要作用。本研究采用中学生社会适应性量表和父母教养方式量表,选择北京市某高中289名学生为被调查对象进行问卷调查,同时对4名学生进行半结构化访谈加以相互验证,试图了解二者及各子维度之间的相关性,深入探讨母亲教养方式对高中生社会适应性的影响与机制。研究发现:受访高中生母亲教养方式多为宽容型;不同的母亲教养方式类型在社会适应性总水平及各维度上的得分不同:专制型<忽视型<权威型<宽容型;关爱水平、鼓励自主维度与高中生社会适应性水平及各维度呈正相关关系,控制维度与高中生社会适应性水平及各维度呈负相关关系;母亲教养方式能够正向预测高中生社会适应性水平。

基于模态复用的物联网高速数据回传研究

为了解决物联网(Internet of Things, IoT)终端数据高速回传问题,提出了基于栅格化方形面阵的轨道角动量(Orbital Angular Momentum, OAM)高速回传方法。论证了栅格化正方形面阵可以分解为多圈4阵元均匀圆环阵(Uniform Circular Array, UCA),并给出了馈电方法与具体实施步骤。基于此,进一步推导了采用栅格化方形面阵进行基于多圈UCA的OAM多模复用通信模型,并系统地分析了复用和分集增益。仿真结果表明,所提方法相对于传统方法有极大的信道容量和误码率(Bit Error Rate, BER)性能提升。所提方法只需收发方形面阵中心对准即可,无需信道估计,极大地降低了复杂度;此外,超高的分集增益可以极大地降低发射功率。因此,所提方法尤其适用于IoT终端节点这类低功耗、低复杂度的发射机,为IoT数据高速回传提供了高效的解决方案。

变压器局部放电光纤超声检测技术及新复用方法

传统的变压器局部放电声波检测技术主要是使用压电陶瓷传感器进行外置式检测,检测效果较差。光纤超声传感器具有绝缘性能好、抗电磁干扰性能优异、尺寸小等优势,可深入变压器内部感知微弱超声信号,这为变压器局部放电检测提供一种全新的解决方案。目前,国内外诸多研究机构已针对于变压器局部放电检测需求研制出各种光纤超声传感器。这些传感器在实验室研究中表现出优异的检测性能,但尚鲜有工程应用。此外,文献报道的光纤超声传感器主要为单点式结构。光纤超声传感器的多路复用问题一直未能得到很好的解决。为此,对现有光纤超声传感器的研究现状进行总结,从基本原理、结构参数、性能指标等方面进行对比分析,为推动光纤超声传感器应用于现场电力变压器局部放电检测提供理论参考。并针对于光纤超声传感器多路复用问题,提出一种基于光频域扫描干涉仪的分布式光纤超声传感系统,该系统能够对变压器局部放电产生的超声波进行多点同步检测,实现放电源定位。

数字孪生技术在输变电设备中的应用前景与关键技术

数字孪生技术是实现输变电设备全生命周期数字化、智能化管理的关键技术。为加速其在输变电设备行业的落地应用,首先分析了输变电设备数字孪生的构建过程、内涵及特征;其次在能源互联网数字孪生模型的基础上,结合设备设计、制造及运维等实际需求,提出了输变电设备数字孪生系统架构,并以变压器为例,给出了其数字孪生体的实现构想,为输变电设备数字孪生的实现提供了可行的思路;之后从数字孪生的构建过程出发,详细地阐述了输变电设备数字孪生实现过程中所涉及的关键技术;最后对数字孪生技术在输变电设备全生命周期各环节中的应用前景展开分析,阐述了包括标准制定、模型融合、数据挖掘等方面在内的未来重点研究内容,探究了其实现面临的来自平台、传感、共享等方面的挑战,展望了该技术给输变电设备设计制造、供需市场等行业带来的变革。

基于AdaBoost-RBF算法与DSmT的变压器故障诊断技术

针对目前浅层机器学习理论在变压器故障诊断上精度不高以及大多数诊断方法参考的信息特征量单一的现状,提出一种基于AdaBoost-RBF算法与Dezert-Smarandache理论(DSmT)的变压器故障诊断方法。选择反映变压器故障信息的油中溶解气体、试验及产气率数据构成诊断参量空间,利用AdaBoost算法改进RBF神经网络算法,应用AdaBoost-RBF算法搭建并行的训练单元构造变压器故障诊断识别框架的基本信度赋值(BBA)。基于多源信息融合的思想,应用DSmT对基本信度赋值进行融合得到最终诊断结论,该理论克服了D-S证据理论无法融合高冲突性证据的局限性。对110kV变压器进行仿真实例分析,结果表明所提方法具有良好的实用性。

结合载纤绕组形变测量法的大型变压器绕组多次短路冲击暂态声纹特征

电力变压器遭受短路冲击的暂态声音信号包含变压器绕组状态信息。为探究短路冲击声信号与变压器绕组形变之间的关系,该文首先对载纤改造后的110kV变压器开展多次短路冲击试验,并采集短路瞬间声纹。然后,构建占比时频谱熵与频谱成分欧氏距离2种短路冲击暂态声纹特征,用于表征绕组变形情况。最后,提出基于占比时频谱熵与频谱成分欧氏距离2种声纹特征的联合判定流程,并利用光纤应变量与短路电抗值验证该方法的有效性。结果表明,该方法能够对抗短路能力出现明显下降瞬间的声信号进行大致判别,在绕组状态的初期诊断工作中具有一定的价值。

分布式光纤传感在大型变压器温度和绕组变形监测中的应用研究

为实现对变压器绕组全长温度、应变信息的分布式监测,对一台110kV变压器进行了改造,在其低压绕组和中压绕组上布置传感光纤,探究诸如外部布带包裹式、外部纸包裹式等多种适用于不同类型绕组的光纤布置方式在变压器内部应用的可能,其应用范围可拓展至新生产的智能变压器和返厂变压器的智能化改造。还探究变压器内部传感光纤的引出方式及布线方法,改造完成的变压器经例行试验和型式试验验证符合出厂标准。使用BOTDR、BOTDA、ROTDR等多种分布式光纤传感手段实现对温升试验过程中绕组温度实时监测以及短路试验前后绕组变形情况监测,探究基于分布式光纤传感技术的变压器状态监测数据处理方法,获得变压器在运行过程中的绕组温度场分布以及短路冲击后的应变场分布。

基于条件式Wasserstein生成对抗网络的电力变压器故障样本增强技术

数据非均衡问题是制约机器学习技术在电力变压器故障诊断领域中应用效果的关键因素。为克服传统过采样方法未考虑数据整体分布信息的缺陷,提出了一种基于深度学习的故障数据增强方法,以实现样本库的类别均衡化目标。首先,建立梯度惩罚优化的条件式Wasserstein生成对抗网络模型以指导多类别故障样本的生成过程,并克服了原始生成对抗网络模型的训练不稳定问题;然后,构建以油中溶解气体无编码比值为特征参量的栈式自编码器诊断模型,并进一步提出了基于数据增强方法的设备故障诊断技术框架;最后,选用由准确率、F1度量以及G-mean组成的评价指标体系对类别均衡化前后的模型诊断效果进行评估对比。算例研究结果表明,相较于传统过采样方法,提出的故障样本增强方法能够更为有效地改善诊断模型对于多数类的分类偏好问题,提升其整体分类性能,可作为电力变压器故障诊断的重要数据预处理环节。

基于卷积神经网络的变压器套管故障红外图像识别方法

作为电力变压器的重要部件,套管的管理与维护对于设备的安全稳定运行起着至关重要的作用。为提升电力设备巡检的智能化水平,文中提出一种基于卷积神经网络的套管故障红外图像识别方法,该方法在特征提取方面具有显著的优势,避免了人为提取描述特征的低效和易误判问题。首先,建立了包含正常、缺油与局部过热3种状态类型的套管红外图像样本库;然后,将规范化处理后的红外图像作为卷积神经网络的输入,搭建了套管故障红外图像识别模型;最后,通过对网络超参数的选取进行实验分析,确定了激活函数种类、池化方法及卷积核数目。针对文中样本库,文中所提模型对套管3种状态类型的分类结果准确率达到96%,相较于SVM算法和BP神经网络算法分别提升约14%和15%,识别性能更为优异。

基于有限差分法的变压器局部放电高频信号的传播特性研究

基于高频的局部放电检测技术有着具有检测灵敏,结构简单,技术成熟的特点。但目前对这项技术的研究还停留在实际应用上,而对其在变压器中传播理论研究并不多。为此文中基于有限差分法(FDTD),在对一个35 kV变压器建模基础上,对比研究了放电源脉冲宽度,幅值,接收源距离以及铁心对高频局部放电信号的影响,并设计—气隙型局部放电,在真型变压器上完成了高频局部放电检测试,验证完整了仿真结论。仿真与试验结论表明高频局部放电信号在传播特性上,受到多种因素的影响,与特高频信号有明显区别。研究结果有助于对局部放电的理解,也对高频局部放电的测量定位在理论上提供了依据,从而在工程中起到指导作用。

基于多源信息融合的电力变压器故障诊断方法研究

电力变压器是电力系统的重要设备之一,它的安全稳定运行对电力系统的安全生产具有重要的现实意义。传统的电力变压器故障诊断数据来源比较单一,对诊断结果准确性的贡献效果存在不足。文章提出了一种基于多源信息融合的电力变压器故障诊断方法,首先,将深度信念网络(Deep Belief Network,DBN)与DS证据理论相结合;然后,通过反复训练网络与调优,使算法准确率达到最好;最终,通过算例仿真验证了所提方法的有效性和可行性。