基于ICEEMDAN和时变权重集成预测模型的变压器油中溶解气体含量预测

为了实现对变压器油中溶解气体体积分数的精确预测,同时克服仅使用单一预测模型导致预测精度及泛化能力不足的局限,提出了一种基于改进完全自适应噪声集合经验模态分解(improved complete ensemble empirical mode decomposition,ICEEMDAN)和灰色关联系数时变权重集成预测模型的变压器油中溶解气体预测方法。首先将溶解气体含量序列模态分解为一系列具有不同时间尺度的子序列。然后,使用门控循环神经网络和麻雀搜索算法优化支持向量机对各子序列进行训练,组合为一个集成预测模型;并比较不同预测方法的预测精度,计算灰色关联系数时变权重,形成各子系列的预测结果。最后将各子序列的预测结果叠加重构,得到最终预测结果。算例分析结果显示:该方法单步预测的均方根误差、平均绝对误差和相关系数分别为0.593、0.422和0.768,相比其他算法在预测精度上有明显提升,同时具有很强的泛化性能,可以为油浸式变压器内部状态监测提供依据。

基于相关变分模态分解和CNN-LSTM的变压器油中溶解气体体积分数预测

为解决变压器油中溶解气体实际监测数据中噪声信号对模型预测性能的影响以及单一长短期记忆神经网络(long short-term memory,LSTM)无法对数据间的深层特征进行有效提取的问题,提出了一种融合了相关变分模态分解(correlation variational mode decomposition,CVMD)、1维卷积神经网络(one dimensional convolutional neural network,1D-CNN)和LSTM的组合预测模型。首先,利用CVMD去除原始气体序列中的噪声信号,并将去噪序列分解为1组相对平稳的子序列分量;然后,针对各子序列分量分别构建CNN-LSTM预测模型,利用1D-CNN挖掘数据间的深层特征形成特征向量,并将其输入到LSTM中进行预测;最后,对各子序列预测结果叠加重构,得到最终的气体预测值。并通过4组对比实验对所提模型进行了全方位、多角度的验证。算例研究结果表明,所提模型单步和多步预测的平均绝对百分比误差分别为1.53%和2.09%。相较于现有模型,该文所提模型在单步和多步预测性能上均有明显提升,为变压器在线监测和故障预警提供了重要技术支撑。

基于变分模态分解-布谷鸟搜索-支持向量回归的变压器油中溶解气体浓度预测方法

针对电力变压器油中溶解气体浓度预测过程中存在的时间序列内部复杂和预测困难等问题,研究了时间序列分解预测重构方式,提出变分模态分解,结合布谷鸟搜索-支持向量回归组合预测方法。首先采用VMD将原始溶解气体浓度分解成为一组平稳的模态分量,降低了预测的复杂度。之后利用预测性能较好的SVR对各个模态分量分别进行预测。最后使用CS开展全局搜索对SVR参数进行优化选取,将得到的溶解气体浓度预测结果进行叠加重构。通过对油中溶解气体中H_(2)的仿真实验,得到VMD-CS-SVR组合模型预测结果的均方根误差为0.124μL/L,平均绝对百分比误差为1.19%,有效提升了预测精度。通过对CO和C 2H 4建模预测,进一步验证了本文所提模型的有效性。

基于油中溶解气体特征量筛选的变压器故障诊断方法

油中溶解气体分析对变压器故障预警及诊断具有重要意义。针对油中溶解气体特征量种类众多、故障关联特征分析不足等问题,文中以油浸式变压器为研究对象,提出了基于油中溶解气体特征量筛选的变压器故障诊断方法。首先,对油中溶解气体的原始特征量进行特征衍生,通过随机森林(random forest,RF)计算特征量对故障诊断的重要度,筛选得到最佳特征组合。其次,采用树结构概率密度估计(tree-structured parzen estimator,TPE)实现RF模型的参数寻优,并形成TPE-RF诊断模型。同时,结合多种评价指标,证明所提方法能够对变压器作出准确的故障诊断。最后,提出TreeSAHP模型分析特征量对各故障的重要度,优选出各故障关联的主要特征量,并根据变压器运行案例,探讨了该方法在电力行业现场应用中的适用性,验证了该方法的有效性。

特高压换流变用550kV防爆燃间隙油中电弧转移熄弧性能试验研究

特高压换流变充油量大,内部短路故障时会产生高能油中电弧,出现大的机械冲击力并产生大量高温高压油气,容易导致油箱结构撕裂和爆炸起火。为此提出在换流变网侧并联SF_6间隙,1 ms内导通并形成低阻气体电弧通道,快速转移熄灭高弧阻油中电弧的防爆燃技术方案,将传统故障清除时间缩短约80%。油中电弧转移受故障电弧特性的影响,但相关研究主要针对小电流的短油隙(<50 mm),长距离高能油中电弧特性仍未阐明。该文等效模拟换流变网侧内部放电工况,设计了试验回路、试验方式、油中燃弧模拟装置和高精度试验测控系统,成功开展6种方式油中电弧转移熄弧试验,获得了油中电弧特性和间隙转移熄弧能力。试验中设计油隙长度为250~650 mm,覆盖换流变500 kV和750 kV网侧最小油隙长度,参考换流站短路电流水平设计试验电流为20~50 kA、参考换流变保护出口时间设计间隙触发时延控制油中燃弧时间为2~10 ms。6次试验中间隙均能在1 ms内转移熄灭油中电弧。试验结果分析表明,换流变网侧最小油隙起始弧压不低于10 kV,随着油隙长度增加,单位长度弧压略微增加;在10~50 kA级短路电流下,油中弧压受电流幅值影响很小。该试验表明了间隙转移熄弧防爆燃的可行性和防爆燃间隙设计的有效性,为特高压换流变防爆燃提供了新的解决方案。

电力变压器油中溶解气体离群值识别和数据重构

高质量传感数据是驱动新型电力系统数字化和智能化发展的基础,而由于传感器性能退化、传输中断或其他干扰因素,数据时常出现错误和异常值,造成数据利用率低等问题。针对在役电力变压器油中溶解气体在线监测数据,该文提出了基于COPOD、孤立森林(IForest)与Grubbs的联合方法提升油中溶解气体数据的价值。首先,通过COPOD和IForest筛选出包含离群点的数据集,再采用Grubbs对其进行检验,有效识别离群值。进一步地,采用掩码方式优化训练Transformer神经网络模型,填补空缺值重构油中溶解气体数据序列。在相同气体数据序列上,所提算法正确识别点数、正确识别离群点数和受试者工作特征曲线平均面积相比于传统K-近邻算法分别提升了3.5%、29.4%和5.0%。对于数据填补,对比双向缩放算法,填补后的数据与实际数据的方均根误差均值为7.29μL/L,平均绝对误差均值为2.7μL/L,性能分别提升了9.7%和9.2%,有效地提高了数据的质量和利用率。最后,通过11台500 kV变压器油中溶解气体数据分析,有力支撑了变压器状态评价和设备数字化管理。

电力变压器油中溶解气体在线监测数据修复方法

变压器油中溶解气体分析已广泛应用于变电站中。但是一些在线监测装置常常出现数据异常或缺失,影响对变压器状态的实时准确判断,因此亟需对在线监测数据中被剔除的“脏数据”和缺失数据进行修复。在总结现场变压器油中溶解气体在线监测数据特点的基础上,综合考虑数据修复的时效性和准确度要求,提出了由滑动平均、径向基函数神经网络和多项式拟合3种缺失数据修复算法组成的修复策略;利用现场典型数据,分析了这3种方法的修复效果、最佳参数、优缺点和相互配合方式,实现了对油中溶解气体在线监测数据的快速准确修复。

基于OVMD-HWOA-KELM模型的变压器油中溶解气体体积分数预测方法

针对变压器油中溶解气体序列波动性、随机性较强难以精确预测的问题,提出一种基于最优变分模态分解(optimal variational mode decomposition,OVMD)、混合型鲸鱼优化算法(hybrid whale optimization algorithm,HWOA)和核极限学习机(kernel extreme learning machine,KELM)的组合预测模型。首先,运用OVMD获取最优分解参数,并将原始序列分解为一系列相对平稳的分量;其次,通过在鲸鱼种群中融入混沌映射、非线性收敛参数、自适应权重因子和改进的算术优化算法提出HWOA算法,并利用测试函数验证HWOA算法的优越性;然后,对各分量分别构建KELM预测模型,使用HWOA优化KELM的关键参数。最后,将各分量的预测结果叠加重构,得到最终预测结果。案例分析表明,所提模型对变压器正常和异常案例预测的决定系数分别可达97.7%和93.46%,相较于现存方法,该模型具有更好的准确性和适应性,可为电力变压器运维管理提供有利技术支撑。

基于TVFEMD和多模型融合的变压器油中溶解气体体积分数预测方法

油中溶解气体分析可以反映变压器的运行状态,对其体积分数精准预测可以为变压器早期故障判别和预警提供理论支撑。为此提出了一种基于时变滤波经验模态分解和多模型融合的变压器油中溶解气体体积分数预测方法。首先,通过时变滤波经验模态分解将气体体积分数序列分解为多个子序列,降低其非平稳性;其次,利用多模型融合策略,将4种不同单模型的预测结果进行融合重构,因单模型权重系数对预测结果有显著影响,利用改进黏菌算法对权重系数进行优化,以提高预测精度;最后,通过算例验证表明,相比于传统的预测模型,所提方法具有更高的预测精度,可以更好地预测油中气体体积分数的变化趋势。

基于光强调制型光热干涉法的绝缘油中乙炔传感

实时跟踪变压器油中乙炔气体对保障油浸式变压器稳定运行具有重要意义。新型光学光热干涉技术(photothermal interference,PTI)具有“零背景”、高灵敏度、无接触测量和抗电磁干扰等的优点,在变压器油中溶解气体分析领域具有巨大潜力。该文提出一种基于Herriott气室的光强调制型光热干涉技术的乙炔传感技术。首先,对单光束激发乙炔光热效应的过程进行仿真建模,研究光热效应引起的温度分布、脉冲激励动态响应和正弦激励的频率响应;进一步,开展参数优化实验。结果表明,增大激励光光强能有效增大光热相位,而提高调制频率不利于光热效应的充分激发;最后,开展模拟故障状态下的油中乙炔检测,PTI乙炔系统的检测灵敏度为0.15(m V·L)/μL,检测下限达到0.94μL/L,满足在运高电压等级变压器油中乙炔含量的监测需求,验证光热干涉法在油中溶解气体检测的可行性和潜力。

基于模态分解和混合式CNN⁃GRUT的变压器油中溶解气体预测方法

为防止电力变压器出现运维不足或者过度运维的情况,对其运行状态进行评估和潜在性故障进行预测具有重要意义。DGA技术是对变压器状态进行评估的有效方法,而变压器的机械振动、油温等原因会导致油中溶解气体信号呈非线性趋势,非稳定特性;致使预测难度增加,甚至日常测量气体数据缺失导致以DGA技术为主的在线监测系统无法监测变压器状态。针对以上问题,本文应用EEMD分解气体浓度信号集,而EEMD产生的高频本征模态函数会增加预测难度和影响预测精度,使用WPD进一步将子信号模态函数分解,针对过去机器学习无法分离和解析浓度信号间时间关联性和蕴藏特性的难题,本文提出了混合式CNN⁃GRUT预测模型,分离气体浓度子信号当中的蕴藏特性,深度解析气体浓度子信号集当中的时间关联特性,迭代子信号重组得到油中溶解气体浓度信号预测值。实验结果得出,提出的CMD⁃CNN⁃GRUT预测模型相较于BP、Elman等混合预测模型,CMD⁃CNN⁃GRUT的预测平均绝对误差减少2244%和309%,并且结合实验证明了所提出的预测模型的有效性。

Mn掺杂SnS二维材料吸附变压器油中特征气体的机理研究

为了研究适用于变压器油中特征气体监测的气体传感器气敏材料,基于密度泛函理论研究了一种新型过渡金属掺杂的二维材料对变压器油特征气体的吸附机理。首先构建了Mn掺杂的SnS二维材料模型,并计算了6种特征气体(H_(2)、CO、CH_(4)、C_(2)H_(2)、C_(2)H_(4)、C_(2)H_(6))在该改性二维材料上的吸附模型。通过分析吸附能和吸附距离,发现CO、C_(2)H_(2)、C_(2)H_(4)3种气体的吸附能更大且吸附距离更近,表现出更强的吸附特性。而H_(2)、CH_(4)、C_(2)H_(6)3种气体的吸附能较小,且吸附距离较远,表现为典型的物理吸附。进一步通过态密度分析,前线轨道分析了吸附的化学机理,可以发现CO、C_(2)H_(2)、C_(2)H_(4)3种气体的吸附显著改变了体系的电子结构,在占据轨道能级中表现出正值的重叠布局态密度,同时在前线轨道上形成了轨道耦合,表明这3种特征气体的吸附过程为化学相互作用。而H_(2)、CH_(4)、C_(2)H_(6)则未表现出显著的轨道耦合和电子结构变化,其主要为范德华力主导的物理吸附作用。最后通过能隙和吸附能分析了Mn掺杂SnS二维材料电导率和脱附时间的变化,发现该材料是一种性能优异的气敏材料,从理论上论证了其应用于变压器油特征气体CO、C_(2)H_(2)、C_(2)H_(4)检测的可能性。

基于CEEMDAN和TCN的变压器油中溶解气体含量预测

准确预测油中溶解气体含量的变化趋势,对变压器的状态评价和寿命评估有着积极的作用。为了提高油中溶解气体预测的准确性,文中提出一种基于自适应噪声完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)和时间卷积网络(time convolution network,TCN)的油中溶解气体预测方法。首先,通过CEEMDAN方法将油中溶解气体含量的原始序列分解为多个本征模态分量,并将其中的稳定分量与非稳定分量分离;其次,对本征模态分量分别建立TCN并预测未来趋势变化;最后,叠加TCN对各个本征模态分量的预测结果,重构得到原始序列的预测结果。实例分析表明,该预测方法的均方根误差、平均绝对误差、最大误差分别为1.01μL/L、1.53μL/L、5.54μL/L,相较于未采用CEEMDAN算法时分别减小了53.47%、41.18%、13.36%;在使用CEEMDAN的情况下,对比常用的递归神经网络,3种误差均最小。且对比现有油中溶解气体预测方法,文中提出的油中溶解气体预测方法具有更高的预测精度,可以为制定状态检修策略提供更有效的支撑。

基于Pt-C_(3)N传感器的变压器油中溶解气体的吸附性能研究

变压器的在线监测技术是全球能源互联网建设的重要保障,而变压器油中溶解气体的诊断被视为变压器故障的有效判据。采用密度泛函理论方法模拟了6种油中溶解气体在铂修饰的C3N纳米薄片的吸附过程,通过能带结构、态密度、差分电荷密度的计算揭示相关的吸附和传感机理。结果表明铂修饰可以显著增强C3N纳米薄片的气敏响应能力,尤其是对CO和C_(2)H_(2)的捕捉能力,这主要归因于掺杂金属颗粒的d轨道电子层贡献。铂修饰C3N纳米薄片对变压器油中溶解气体的吸附能力排序为CO>C_(2)H_(2)>C_(2)H_(4)>H_(2)>CO_(2)>CH_(4)。吸附底物的电子特性发生较大变化。该研究为开发用于检测变压器油中溶解气体的高性能气敏传感器提供了理论基础。

油中溶解气体在线监测装置典型缺陷处理及分析

油中溶解气体在线监测装置是及时发现主设备运行缺陷的重要抓手,对保障电网安全稳定运行具有重要意义。本文结合生产实际阐述了装置运行中常见的问题及分析处理方法,并提出相应防范措施,切实发挥油色谱装置及时发现设备隐患的作用,确保所有在运装置状态可靠。

PC和PET油中热老化分解物特性分析

油纸绝缘系统的性能直接影响变压器的可靠性和使用寿命。绝缘纸介电常数大、耐高温性较差和易分解的缺陷,限制了油浸式变压器朝大容量、小体积方向的发展。选择聚碳酸酯(PC)和聚酯薄膜(PET)两种聚合物材料与绝缘纸作对比,分别在90℃、110℃和130℃三种温度下进行为期300 d的老化试验,并对油中生成物、酸值、油中溶解气体和机械性能进行测试,结合其聚合度和微观表面形貌变化,分析3种材料油中老化特性变化规律,并寻找判断其老化程度的特征量。

油中熄弧有载开关配置气体报警的必要性

本文通过案例和试验说明油中熄弧有载开关配置气体报警能有效替代油路堵塞和漏油情况下的缺油报警、避免油流速动继电器误动、发现过渡回通流电气回路和切换异常产气和管路堵塞气体无法溢出等,有载开关配置气体报警是有益的且必要,统计近3年325台运行情况,检出率高达0.44次/百台·年,验证气体报警有效性,避免了简单缺陷发展为故障,并给出气体报警处置和再提升措施,杜绝了漏判导致远超设备价值的故障损失。

气相色谱法在油中溶解气体中的应用研究

随着经济的发展,对电力设备在线监测技术有了更高的要求,电力变压器作为电力系统的枢纽,对其在线监测尤其重要。在线监测、分析电力变压器油中溶解气体是诊断主变运行状态及内部过热、放电等缺陷的重要检测手段。首先介绍了气相色谱法原理以及气相色谱原理在油中溶解气体监测中的应用,然后阐述了对溶解气体氢气超标的某220 kV变压器油的气相色谱分析以及在此基础上进行的故障诊断和应对处理。

基于增强型等离子检测器的油中溶解气体分析仪器研制

分析变压器油中溶解气体组分和含量是发现并诊断变压器故障的主要手段。对于超/特高压变压器,同等量级的局部放电产生的气体溶解浓度更低,这对变压器油中溶解气体分析仪器提出了更高要求。研究基于增强型等离子检测器的油中溶解气体分析仪器的研制,以氩气作载气,并对其进行性能验证;试验结果表明,基于增强型等离子检测器的油中溶解气体分析仪器的重复性优于3%,最小检测浓度可达10-8量级。与传统气相色谱仪相比,增强型等离子分析仪可以实现超痕量级(10^(-7)~10^(-8)量级)气体组分的检测,有利于及时发现变压器早期潜伏性故障。

中国首次完成高海拔地区光谱类油中溶解气体在线监测装置特性试验

近日,国网青海电科院成功完成“光谱类油中溶解气体在线监测装置的测量误差及稳定性环境影响特性试验”,该试验是中国首次在海拔2000米以上地区进行的该类在线监测装置的特性试验,试验结果可有效解决在高海拔环境下,光谱类油中溶解气体在线监测装置可靠性差和现场运维难题。据悉,通过在线监测装置实时监测大型充油电气设备绝缘油中溶解气体含量,反馈主设备运行状态、实现故障主动预警,是当前强化变压器(高抗)状态管控、对设备开展早期故障检测和诊断最有效的手段之一。