面向数字孪生模型应用的油浸式变压器绕组温度POD-RBFLP降阶计算方法

了解油浸式电力变压器绕组的温度情况是保证其运行稳定性的关键,也是当前针对油浸式变压器数字孪生分析的必然需求。为了快速地获得变压器绕组的稳态温度,该文提出一种基于本征正交分解(proper orthogonal decomposition,POD)和包含线性多项式的径向基函数响应面法(radial basis function response surface method including linear polynomial,RBFLP)的降阶计算模型。首先,讨论POD方法的降阶特性,并设计一种基于留一法交叉验证的自适应获得快照矩阵方法,以提高计算精度及效率;其次,采用响应面方法建立POD模态系数与绕组工况的相关关系,旨在实现通过绕组工况快速获得POD模态系数,从而跳过对降阶模型的复杂非线性计算,进而高效重构绕组温度场。相关算例表明,该方法具有较好的计算精度和效率,在50组测试工况下,与全阶计算相比,误差不超过2.5 K,且总计算时间仅为1.45 s;最后,基于110 kV变压器绕组搭建温升试验平台,试验结果表明,降阶计算结果相较于试验结果,平均计算误差不超过2 K,且单步计算时间仅为0.03 s,相较于同等规模的全阶计算,计算效率有较大幅度地提升。

基于IWOA-SVM的变压器绕组热点温度预测

为了降低变压器高温运行风险和提高绕组热点温度预测精度,提出了一种基于改进鲸鱼算法优化支持向量机的绕组热点温度预测方法。采用灰色关联分析结果确定负载电流、有功功率、顶层油温和环境温度为引起绕组热点温度变化的主要特征量,并以此作为绕组热点温度预测模型的支持向量。利用余弦调整控制因子和引入自适应权重系数2种策略对鲸鱼算法进行改进,提高了改进鲸鱼优化算法(improved whale optimization algorithm, IWOA)的优化性能,采用IWOA算法优化支持向量机(support vector machine, SVM)参数,建立了基于IWOA-SVM的变压器绕组温度预测模型。算例分析结果表明,本文绕组热点温度预测方法的均方根误差为1.21℃、决定系数为0.897,平均相对误差为2.14%,三项指标均优于其他方法,验证了所提方法的实用性和有效性。

基于卡尔曼滤波算法的油浸式变压器绕组热点温度预测研究

本文作者研究基于卡尔曼滤波算法的油浸式变压器绕组热点温度预测模型,为有效分析此类变压器绝缘寿命提供依据。采集影响绕组热点温度的相关数据并构成基础数据库,构建变压器绕组线性离散热点温度模型,通过向该模型内叠加基础数据库内的噪声数据,获得热点温度的状态与测量方程,经由两种方程运算得出绕组的历史热点温度值,以此温度值作为输入参量,结合卡尔曼滤波算法构建变压器绕组热点温度预测模型,通过该模型中预测与校正两阶段的迭代运算,得到绕组热点温度的最佳实时预测结果输出。结果显示,该模型可预测出不同运行负载下的油浸式变压器绕组热点温度,得到平滑消噪且与实测数据相吻合的预测值;依据预测结果得知,变压器的绕组热点温度与季节、环境温度、负载均存在一定的相关性。

基于PCA-IHHO-LSSVM的变压器绕组热点温度预测

为保障变压器安全稳定运行,提高变压器绕组热点温度预测精度,提出一种基于主成分分析-改进哈里斯鹰-最小二乘支持向量机(principal component analysis-improved Harris hawks optimization-least squares support vector machine,PCA-IHHO-LSSVM)的变压器绕组热点温度预测方法。对变压器绕组热点温度预测的主要特征量进行主成分分析,有功功率、负载电流和顶层油温三个特征量的累计贡献率超过85%,确定有功功率、负载电流和顶层油温三个主元,对输入量进行指标重构。利用Tent混沌映射和学生分布扰动策略对哈里斯鹰算法进行改进,以提高IHHO算法的收敛精度和优化性能,采用IHHO算法对LSSVM进行参数优化,建立了基于PCA-IHHO-LSSVM的变压器绕组热点温度预测模型。采用变压器监测数据进行仿真分析,并与其他绕组热点温度预测方法进行对比,结果表明,所提PCA-IHHO-LSSVM模型的平均相对误差和均方根误差分别为2.92%和1.77℃,预测精度高于其他方法,验证了所提变压器绕组热点温度预测方法的实用性和优越性。

气隙偏心对同步发电机定子绕组温升特性的影响

为了分析同步发电机气隙偏心对定子绕组的铜耗及温升的影响规律。首先理论推导了正常情况和偏心下的磁通密度及相应的铜耗,分析了绕组的温升特性;然后建立了CS-5型故障模拟发电机的三维有限元模型,计算得到了发电机在不同负载和不同故障程度下定子绕组的铜耗和温度变化规律;最后在CS-5型故障模拟发电机上对定子绕组温度进行了实测,所得实验结果和仿真数据与理论分析结论基本一致。研究发现:定子绕组直线段温度高于端部温度;定子绕组的铜耗和温度在气隙偏心工况下均高于正常情况,且随着偏心量和负载的增加呈现升高趋势;在静偏心下靠近小气隙一侧的绕组温度高于其他部位。

基于布里渊光时域峰值边沿分析的变压器绕组局部热点检测

变压器绕组的温度分布一直是电网运行人员重点关注的对象。与传统传感器相比,分布式光纤传感具有抗电磁干扰能力强、可实现分布式测量等优势,其中布里渊光时域分析技术(BOTDA)的性能稳定,适用于大多数场景,但BOTDA的空间分辨率为m级,难以分辨绕组运行中的局部热点。该文从布里渊散射增益谱的机理入手,利用双峰拟合算法,并结合对异常峰值曲线的边沿分析,提出了一种在不增加系统硬件复杂度的基础上提升BOTDA空间分辨率的方法,以满足局部热点检测要求。通过对光纤沿线不同位置、不同热点长度及不同热点温度下的模拟试验验证了该方法的有效性,在实验室条件下可将准确传感的热点长度提升至原空间分辨率的一半以内。基于变压器实际绕组的局部升温试验,实现了绕组异常热点的精确定位和长度感知,并准确解调了绕组局部热点的温度,进一步验证了该方法的实际可行性和检测优越性,温度相对误差控制在5%以内,为提高变压器绕组温度在线监测的经济性和可行性提供新的思考,同时也为变压器绕组局部故障的提前感知和预警提供了新的思路。

基于CEEMDAN-GRU的主泵电机绕组温度预测

针对核电站主泵电机绕组温度的预测问题,提出了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)和门控循环单元(gated recurrent unit,GRU)的预测模型。首先使用CEEMDAN对采集到的绕组温度序列进行分解,经过分量重构得到其高、低频分量和趋势项,在此基础上分别构建各分量的GRU预测模型,将各分量的预测结果叠加集成得到绕组温度的整体预测值。仿真结果表明,与传统的循环神经网络(recurrent neural network,RNN)、长短期记忆(long short-term memory,LSTM)模型和GRU模型相比,本文提出的预测模型在多元评价指标方面均优于其他模型,具有更高的预测精度,验证了该模型的可行性。

基于机器学习的风机发电机绕组温度故障诊断与预警分析

为减少风电机组因故障停机造成的经济效益损失,围绕风机发电机绕组温度的故障预警分析和故障原因诊断进行研究,通过对比XGBoost等多种机器学习模型预测效果,最终选用XBGoost算法建立故障预警模型对发电机绕组进行实时监测,利用MSE、R^(2)等多个指标评价XGBoost模型,结果显示其准确率良好(R^(2)=0.9949)。本文提出的模型预警系统可以实时监测风机发电机绕组温度变化趋势,提前发出预警,最大限度的减少风机因停机造成的损失。

浅谈注水泵电机高振动及绕组温度过高的原因分析及维修策略

作为高耗能设备,注水泵在确保机组安全运行过程中承担着十分关键的作用,在注水生产系统设备中被列为重要的泵组设备,能够保证注水生产系统机组启停、加载运行和各阶段的正常供应。本文根据注水泵结构特征,对电机高振动及绕组温度过高的原因做出分析,结合注水泵查体标准和维修经验,提出行之有效的维修策略,保障注水泵能够持续稳定、安全地运行。

基于QPSO-KELM的变压器绕组热点温度预测

为提高变压器绕组热点温度预测精度,采用灰色关联分析确定绕组热点温度的关键影响因素为负载电流、环境温度、顶层油温和油箱上死角温度。采用QPSO算法对KELM的受惩罚系数和核参数进行优化,以负载电流、环境温度、顶层油温和油箱上死角温度为输入量,绕组热点温度为输出量,建立基于QPSO-KELM的变压器绕组热点温度预测模型。以变压器温升试验进行仿真分析,结果表明,QPSO-KELM模型的平均相对百分误差、均方根误差和决定系数分别为3.12%、2.25和0.995,均优于其他模型,验证了该模型的正确性和优越性。

基于一阶响应函数的变压器绕组温度测量方法

本文中作者提出了一种绕组温度间接测量的方法,首先建立了一套绕组温度测量模型,然后基于一阶响应函数建立绕组温升暂态模型,最后基于该测量方法搭建了一套绕组温度测量系统。经测试该方法能精确模拟绕组暂态温升,从根本上解决绕组温度测量不准确的问题,具有较高的应用价值。

一起500 kV电压互感器绕组绝缘故障分析

1故障情况2021年4月10日20时25分,某500 kV线路保护装置报出“PT断线告警”信号,该电压互感器型号为.005H。经检查发现,外观并无异常,但红外测温显示A相电磁绕组温度较B、C两相高出约20℃,初步判断为电压互感器本体故障。同日22时14分,保护人员在检查过程中,发现电压互感器A相电压突然异常下降,A相二次电压仅为16 V。运维人员立即对电压互感器进行红外测温,测温结果显示A相电压互感器电磁绕组33.3℃.

基于时序NARX自适应神经网络的油浸式变压器绕组温度预测

变压器绕组热点温度过高会导致绝缘老化速度变快,剩余寿命变短。为此提出了一种基于时序性外因非线性自回归(NARX)的自适应神经网络模型以获得更精准的绕组热点温度预测数据。首先,确定影响变压器绕组温度的外部特征因子种类;然后,对变压器绕组热点数据和其他数据进行预处理;最后,将处理后的数据输入时序NARX自适应神经网络模型进行训练和调参,完成模型的构建。经实例验证,提出的外因NARX自适应神经网络绕组热点温度预测模型能对不同类型变压器数据进行特定的预处理,并且与支持向量机回归、回归树、高斯核回归方法相比,预测误差更小,在提高精度上具有更大优势。

LF精炼炉钢包车定位及主变温度跳闸升级改造

针对莱钢新动区2#120吨LF精炼炉投产试生产期间,频繁出现钢包车行走定位效果差、主变绕组温度跳闸,造成频繁停炉,难以维持基本生产两大致命问题的现状,采取了配置激光测距仪、主变绕组测温系统功能完善、程序优化升级等改造防范过程进行介绍,从根本上消除了设备隐患。

基于遗传优化支持向量机的变压器绕组热点温度预测模型

油浸式电力变压器的运行寿命及负载能力与绕组热点温度密切相关。精确预测变压器绕组的热点温度,是有效预防变压器热故障、准确预测变压器运行寿命和优化变压器设计的关键技术之一。论文研究了绕组热点温度支持向量机建模。为提高模型预测的精确度,选用径向基核函数优化模型结构;利用遗传算法对参数进行寻优。结合实验室模拟温升变压器绕组温度实测数据,提取输入和输出的特征量,并划分训练集和预测集,建立了基于遗传优化支持向量机的变压器绕组热点温度预测模型。实验表明:应用本文模型预测结果与实测值基本一致,优于BP神经网络以及Elman神经网络的预测结果。

基于解析-数值技术的变压器绕组温度分布计算

油浸式电力变压器的热特性作为变压器设计制造与运行过程屮的重要参量,是衡量变压器在日常负载以及过负载条件下运行寿命的一个重要指标。为此,提出了一种解析技术与数值分析相结合的热模型计算变压器绕组温度分布,计算中所需的变山器内部热源分布以及边界条件由解析逼近定出。将该模型应用于100kVA/5kV温升用油浸式变压器的各种负载情况,并将计算结果与实验室温升试验的结果进行了对比,结果表明:该模型的最大误差为4.5℃,相对误差小于8.7%,能用于实时计算运行变压器的绕组温度分布。同时应用该模型可为运行变压器的热点定位研究提供新的思路。

大型油浸式变压器绕组温度场仿真及验证

随着计算机技术的发展,仿真计算逐渐应用到大型变压器绕组温升优化设计中,为了验证仿真计算结果的有效性,在现有大型油浸变压器绕组温度实验平台上,针对强油导向(ODAF)冷却方式开展了功率损耗为55 kW,流量为10 m^3/h绕组温度实验测量工作,实验平台采用空心无感绕组,有效避免了绕组涡流损耗计算不准确造成的热源误差,绕组的轴向、辐向方向布置测温点共计44个。基于有限体积法对该实验工况下绕组的导向板、匝绝缘、油道结构等进行精细化建模仿真计算,对比结果验证了仿真计算的有效性,仿真结果得出了绕组温度随轴向、辐向方向变化规律及绕组的热点位置,为大型变压器绕组温度场优化设计提供参考。

应用绕组测温装置测量变压器绕组温度的必要性和可行性分析

讨论了应用绕组测温装置测量变压器绕组温度的必要性,论述了应用基于“热模拟”技术的绕组温度计的可行性,并对其进行了误差分析。

基于红外测温技术的电力变压器绕组温度自动监测方法

现有的电力变压器绕组温度自动监测方法存在着监测准确度低、误差大的难题,为解决上述问题,基于红外测温技术提出一种新的电力变压器绕组温度自动监测方法。通过红外测温技术对电力变压器绕组温度分布特征进行分析,根据分析结果构建温度场模型,以模型为工具通过有限元分析方法分析温度场,根据微分方程求解绕组温度,实现电力变压器绕组温度的自动监测。通过实验得到,与现有方法对比,提出的监测方法提升了监测精准度,缩小了近乎一半的监测误差,充分说明提出方法具备更好的监测效果。

监测变压器绕组热点温度智能模糊传感器系统的研究

基于模糊神经网络技术构造了智能模糊传感器系统 ,并用于监测大型电力变压器绕组热点温度。模糊神经网络技术为智能模糊传感器系统设计提供了强有力的技术支持。进行了实验研究 ,结果表明 ,智能模糊传感器系统测试结果令人满意。