卡尔曼滤波对油中溶解气体含量的预测

准确测量变压器油中溶解气体的浓度是对变压器进行色谱分析的关键,为此,以卡尔曼滤波理论为基础研究了新型油浸式电力变压器油中溶解气体含量的预测模式及其应用特性,并分析了卡尔曼滤波的稳定性、实用性及其适应数值变化的能力,展示了卡尔曼滤波在数据预测方面的优越性。在卡尔曼滤波算法的迭代计算中以观测量的最小均方误差阵为准则,推导出了用预测误差向量进行方差估计,求出最小方差意义下预测量的最优估计。理论推导和仿真结果表明,该方法计算简单、可靠,可以大大地降低预测误差,提高预测模型的预报能力,能满足工程实践的需要。

卷积神经网络在油浸式变压器故障诊断的应用

变压器作为变电站的主要电气设备,其智能化程度直接决定了智能变电站的发展程度,是电力系统中关系国民生产生活的重要环节。采集变压器油中溶解气体的含量及类型,通过建立卷积神经网络模型确定变压器的故障类型。在卷积神经网络算法原理的基础上,利用Java编程构建模型,将一维卷积神经网络应用到变压器故障诊断中,以变压器油中溶解的5种气体含量值作为输入向量,变压器的6种状态对应的编码值作为输出向量,并对网络中的池化层进行改进。在模型建立过程中讨论了卷积核的大小、数量、样本长度对模型精度的影响,并通过优选函数的方法确定激活函数。实验表明,将该方法生成的网络应用于变压器故障诊断,可为合理诊断变压器故障提供有价值的参考。

基于SSA-BiGRU-Attention模型的变压器油中溶解气体含量预测

油中溶解气体含量的准确预测对变压器安全稳定运行具有重要意义。为克服传统预测方法仅考虑油中溶解气体含量单一一类变量以及依靠经验为模型选参的局限性,提出一种考虑多因素的变压器油中溶解气体含量自适应预测方法。首先收集变压器在正常和异常运行情况下油中溶解气体的在线监测数据、温度数据(环境、变压器顶层油)、环境风速数据,并通过注意力机制(attention mechanism)计算各数据变量具体权重后作为预测模型的输入;然后通过麻雀搜索算法(sparrow search algorithm,SSA)对双向门控循环单元(bidirectional gated recurrent unit,Bi GRU)预测模型中批处理、学习率、隐藏层层数和层神经元数4个重要参数进行智能迭代优化,得到最优参数值,在此基础上,构建SSA-Bi GRU-Attention优化模型,实现对油中溶解气体含量的预测。研究结果显示,利用该文提出的模型对正常运行条件下油中溶解气体含量进行预测,预测精度可达到98.3%;对达到注意值的油中溶解气体含量进行预测,能较好地预测气体数据的峰值和拐点,预测精度可达到86.6%。该文提出的变压器油中气体含量预测方法可为变压器状态评估和故障预警提供重要的技术支持。

不同取样方法对变压器油中溶解气体组分含量检测的影响

为保障变压器油中溶解气体组分含量取样的代表性,模拟了变压器油中溶解气体组分含量的不同取样和运输方式,并进行色谱检测,分析了不同取样方式(注射器、内塞瓶、磨口瓶)和不同保存条件(避光/非避光、恒温/常温)对变压器油中溶解气体组分含量的影响程度,结果表明,应选用注射器密封取样,在避光常温条件下运输保存。

变压器油中气体在线监测的应用研究

基于变压器油中各种特征气体成份的含量及关系，根据国家标准及DGA法，实现了针对变压器障碍状态的在线监测方法。

通过氢含量分析电流互感器故障

互感器的氢含量高有故障性和非故障性之分。本文分析了运行中氢含量高的原因。

通过氢含量分析诊断电流互感器故障

在互感器的氢含量有故障性和非故障性之分。本文分析了运行中氢含量高的原因,并通过氢含量变化进一步对在互感器故障进行分析。

通过氢含量分析电流互感器故障

在互感器的氢含量有故障性和非故障性之分。本文分析了运行中氢含量高的原因,并通过氢含量变化进一步对在互感器故障进行分析。

油浸式电力变压器过热故障的诊断与处理

电力变压器是电力系统的重要电气元件,其健康状况直接关系到电力系统的安全稳定运行,及时发现变压器内部早期故障(潜伏性故障)意义重大。利用油中溶解气体组分含量色谱分析,同时结合局部放电测试、介质损耗测试、直流电阻测试、绝缘电阻测试等电气试验手段可对变压器内部故障做出正确诊断。对于不同的变压器内部故障,应采取不同的临时运行维护措施和检修方法。文章结合某110kV变电站内#3主变内部过热故障实例,阐述了油中溶解气体组分含量色谱分析、电气试验等技术手段在变压器故障诊断中的具体应用,为变压器的运行维护工作提供有益借鉴。