火电厂变压器油中溶解气体分析及其故障判断

变压器作为火电厂发电系统的核心设备,其稳定运行至关重要。本研究聚焦于溶解气体分析法(DGA),一种广泛应用的变压器故障检测技术。以火电厂实际变压器为研究对象,通过DGA对变压器油中溶解气体进行定性与定量分析,实现了对变压器状态的快速、准确判断,为早期预警提供了有力支持。研究结果显示,DGA能有效检测变压器内部热点、放电、高温故障及部分放电等多种故障,为火电厂的安全运营提供了重要保障。本研究的成果不仅为火电厂变压器的日常运维提供了重要的故障诊断技术依据,同时对于提高变压器的安全运行水平,确保电力系统的稳定运行,具有深远的意义和广泛的应用前景。

面向变压器油中溶解气体分析的组合DBN诊断方法

油中溶解气体分析是变压器内绝缘故障诊断的重要方法之一。但误判案例分析表明,传统的基于深度信念网络(deep belief network,DBN)油中溶解气体故障诊断方法存在较多的局部放电、低温过热、低能电弧放电兼过热混淆等误判。为进一步提高故障诊断效果,提出一种面向变压器油中溶解气体分析的组合DBN故障诊断方法。该方法引入深度信念网络群识别故障类型及严重程度,根据第一层故障类型识别结果激活相应的二层DBN识别故障严重程度。研究不同输入下,网络层数、节点数对于组合DBN的油中溶解气体故障诊断准确率的影响,结果表明当输入为无编码比值加特征气体含量,网络层数选取为3时网络具有最高准确率;当网络节点数大于3,增加节点数无法显著提高网络识别准确率。组合DBN查准率及查全率均高于单一DBN,总体准确率由80.9%提高到90.1%。分析案例数据量对诊断结果的影响,查全率及查准率随数据量增加而增加,案例多的故障类型查准率高于案例少的故障类型。

变压器油中溶解气体分析中的模糊模式多层聚类故障诊断方法的研究

基于当前对电力变压器故障识别中的模式空间划分缺乏研究的情况 ,将模糊聚类技术引入了电力变压器油中溶解气体分析DGA。在对所收集的 183组电力变压器绝缘故障样本进行了多层树形聚类的基础上 ,通过多次分析绝缘故障 ,得到了一种准确程度较高的故障诊断方法。

激光拉曼光谱应用于变压器油中溶解气体分析

变压器油中溶解气体在线监测是实施变压器状态检修的重要手段之一。激光拉曼光谱技术能直接使用单一频率的激光对混合气体进行非接触式的测量,符合在线监测的要求。利用激光拉曼光谱对变压器油中溶解气体进行分析,能克服传统在线监测方法的诸多不足。对激光拉曼光谱在变压器油中溶解气体分析中的应用进行了研究。分析了变压器油中7种主要故障特征气体(H2、CH4、C2H6、C2H4、C2H2、CO、CO2)的拉曼特征频谱,并阐述了基于特征频谱和最小二乘法对7种特征气体进行定性定量分析的方法。利用共聚焦拉曼技术和镀银石英玻璃管制成的气体样品池,构建了激光拉曼光谱气体分析试验平台。结合平台研究了7种故障特征气体的拉曼光谱检测特性,并与实验室气相色谱法的测量结果进行了对比。对比结果表明,激光拉曼光谱能有效地对变压器油中溶解气体进行定量分析,为变压器油中溶解气体的拉曼光谱在线监测奠定了基础。

光声光谱技术应用于变压器油中溶解气体分析

变压器油中溶解气体在线监测装置中的色谱柱和气敏传感器存在消耗被测气体和长期稳定性差等不足。光声光谱气体分析技术灵敏度高,不消耗被测气体,克服了传统油中溶解气体在线监测技术的缺点。文中对其在变压器油中溶解气体在线监测中的应用进行了研究。构建了用于变压器油中溶解气体分析的光声光谱平台,给出具有红外特征吸收峰的CH4,C2H6,C2H4,C2H2,CO和CO2这6种主要故障特征气体的特征频谱,采用加权最小二乘法对2种混合气体中的CH4,C2H6,C2H4,C2H2,CO和CO2进行了定性和定量分析。分析结果与气体各组分体积分数真实值或气相色谱仪测量值的比较表明,光声光谱技术能有效地对变压器油中溶解气体进行分析。

新版电力行业标准《变压器油中溶解气体分析判断导则》解读

对新版DL/T722《变压器油中溶解气体分析判断导则》的修订原则和主要修订进行了解读,并对新版标准与原标准的指标进行了对比。

量子遗传神经网络在变压器油中溶解气体分析中的应用

常规的神经网络存在容易陷入局部极小点、收敛速度慢、泛化能力差的问题。为了解决这些问题,使用量子遗传算法来获得神经网络初始变量。由于其具有量子态和量子门操作,可有效提高寻优的性能,大大提高初始值的质量,为后续算法逼近全局最优奠定基础。在用该算法获得网络可变参数初值后,选择计算速度快的Levenberg-Marquardt算法对多层前馈神经网络的权值和阈值进行优化得到最优解,很好地解决了网络训练易收敛于局部极小点的问题。根据气体浓度和产气速率判断变压器是否故障,将无故障和有故障情况分别用各自的神经网络进行评估/诊断,分别给出变压器的健康水平和故障类型,有效减少了网络的复杂性,提高了训练和应用效果。将提出的方法应用于现场变压器的油中溶解气体分析,评估/诊断准确性达95%以上。

动态隧道模糊C均值算法用于变压器油中溶解气体分析

变压器油中溶解气体分析(DGA)是电力变压器绝缘诊断的重要方法。针对模糊C均值(FCM)聚类算法用于溶解气体分析时易陷入局部极小的问题,利用全局最优化性能强的动态隧道(DT)算法,将两种算法结合,提出一种基于动态隧道的模糊C均值(DTFCM)算法。该算法首先采用FCM算法聚类得到局部最优值,再利用动态隧道算法以该局部最优值为初始值寻找更小的能量盆地,再将其值返回给FCM算法进行迭代寻优,直到找到全局最小值。通过该算法应用于变压器DGA数据分析,从而实现变压器的故障诊断。变压器油色谱样本及加噪样本故障诊断试验表明,该算法能快速、有效地对样本进行聚类,具有较高的诊断准确率。

基于RPROP算法的变压器油中溶解气体分析故障诊断

在分析BP算法和RPROP(振荡传播)算法原理的基础上,指出了RPROP算法具有收敛速度快、不容易陷入局部极小点、自适应能力强等优点,并分析了原因。将RPROP算法训练的多层前馈神经网络用于变压器油中溶解气体分析故障诊断,给出了网络模型,分析了隐层神经元数目对网络训练和诊断的影响。变压器油中溶解气体数据的训练和诊断表明,RPROP算法的收敛速度快于BP算法、加动量项BP算法,并且具有较高的诊断准确率,是一种有效的方法。

《变压器油中溶解气体分析和判断导则》判断变压器故障的探讨

介绍了《变压器油中溶解气体分析和判断导则》中用三比值法判断变压器内部潜伏性故障存在的不足,并分析了故障实例。

变压器油中溶解气体分析专用气相色谱仪的检定与校准

为解决检定变压器油中溶解气体分析专用气相色谱仪时遇到样品进样量计算不准,检测器对甲烷气体标准物质无响应,专用软件分析方法不能更改等问题,建立变压器油中溶解气体分析专用气相色谱仪的检定与校准方法。当进样模式为一次进样双柱分流时,按分流比计算分流到检测器的样品体积,其它进样模式按进样体积计算进样量;因色谱软件禁止积分导致CH_4在热导检测器上无响应时,应采用有证标准物质中的H_2或O_2进行检定与校准。以7890B型专用气相色谱仪为例,详细说明了变压器油中溶解气体分析专用气相色谱仪的检定与校准流程。该法为检定人员检定该类专用仪器时提供了参考。

变压器油中溶解气体分析使用的判断方法

目前．国内电力系统使用的大型变压器多为油浸式变压器，其内部变压器油和固体绝缘材料由于受电场、热、湿度、氧等因素的影响，会逐渐老化、分解，产生少量的氢、低分子烃类气体、一氧化碳和二氧化碳等气体，且大部分溶解在油中。

变压器油中溶解气体分析法应用中存在的问题及产气识别(一)

油中溶解气体分析(DGA)检测的对象是特征气体,变压器在运行中出现一定量的特性气体(简称产气),都是由于发生了产气故障。但产气故障只是变压器故障的一部分,并不涵盖全部故障,对绕组严重变形、绝缘过度受潮以及器身冲撞受伤等这些不产气故障,用DGA对发现这类故障不起作用。文章介绍了DGA的试验方法,指出了变压器应用DGA中存在的问题,详细介绍了变压器运行中的各类产气情况,如自然老化产气、外来气源产气、局部放电故障产气、过热故障产气和事故产气等及其识别方法。

电力变压器油中溶解气体分析用标准物质的研制

采用称量法制备了电力变压器油中溶解气体分析用气体标准物质,分别用F检验和回归曲线法对研制的标准物质进行了均匀性和稳定性检验。结果表明,研制的电力变压器油中溶解气体分析用标准物质具有良好的均匀性和稳定性,标准物质定值结果为5 000μmol/mol,定值结果的相对扩展不确定度为1%(k=2)。该标准物质可用于电力部门变压器油中溶解气体的分析及测试。

变压器油中溶解气体分析法应用中存在的问题及产气识别(二)

4变压器各类产气的识别 4．1自然老化产气的识别 自然老化产气与变压器内的水分和氧气含量有关，而他们与制造和维护水平有关，所以每一台变压器运行后所含特征气体的浓度是不同的。根据统计，如果油中乙炔保持为0值，总烃缓慢地上升，平均产气率〈0．1μL／（L·d），则可认为是自然老化。自然老化是可以控制的，控制水平不同，老化程度就不同。

高分子渗透膜在变压器油中溶解气体分析中的应用

油中溶解气体分析是变压器状态检测最为常见且可靠的方法,油气分离技术则是溶解气体分析中重要的一环。在油气分离技术中,渗透膜是一种较为新颖且颇具前途的分离技术。相较于传统的油气分离方法,渗透膜技术具有结构简单、体积较小、免于维护等优点,因此该方法是油中溶解气体分析研究的热点之一。该文首先对近年来应用于油气分离的高分子渗透膜材料及其结构进行了综述;然后,结合现有研究对几种常见的不同类型的高分子渗透膜进行归纳、总结和对比;最后,在总结当前研究的基础上,提出并讨论高分子渗透膜在变压器油中溶解气体分析领域中未来的发展方向。

变压器油中溶解气体分析与故障诊断

在电力系统的各种电气设备中，变压器是其重要的组成部分。采用油中溶解气体分析（DGA）技术对变压器故障进行早期故障诊断，可减少变压器不必要的事故停用，对保证电力系统安全可靠运行有较大的作用。文章对变压器油中溶解气体的组分及故障诊断方法进行了分析讨论。

基于改进关联规则挖掘的变压器油中溶解气体分析模型

关联规则挖掘算法常用于基于油中溶解气体分析的变压器故障诊断中。为进一步提升诊断效果,提出一种基于改进关联规则挖掘模型的变压器故障诊断方法。首先,构建可调整的状态重要度评估标准计算方式,能够适应不同输入特征并将其中的罕见高危数据纳入分析,从而有效应对现实应用过程中可能出现的极端状况;其次,直接基于输入特征量导致的故障风险而非特征量的数据占比或出现频率求解相应故障风险权重,能够更加准确地衡量各特征量所带来的影响;最后应用Relim算法进行关联规则挖掘,从而改善挖掘效率。实例仿真结果表明,所提出方法相较采用固定重要度评估标准计算方式、传统风险权重求解方法以及Apriori关联规则挖掘算法的故障诊断方法,具有更好的诊断准确率、实际可行性以及运算效率。

变压器油中溶解气体分析的实验室间比对及结果分析

本文中笔者设计了一种变压器油中溶解气体分析的实验室间比对方案,组织实施了电力行业27家油化实验室的比对实验,对检测结果进行了统计分析,用Z比分数对各实验室检测能力进行了评价。