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。

论新设备投运前对油中溶解气体含量的要求——对行标DL/T 722-2000的讨论

文中通过对现场案例的分析,论述了正确理解和执行标准DL/T 722-2000 中对新设备投运前油中溶解气体含量有关规定的重要性。

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。

绝缘油溶解气体组分含量测定回收率试验研究

变压器油中的气体组分含量的测定通常采用气相色谱法,回收率试验是验证测定结果准确性的重要方法。文章对变压器油中溶解气体组分含量测定的回收率试验进行实例研究,测定方法采用气相色谱法,并对结果进行了讨论。

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。

一起换流变压器油中溶解气体异常增长的原因分析及处理

本文中作者针对某换流变压器的本体绝缘油中溶解气体含量异常增长的情况,对故障原因进行了深入分析,判断了故障类型。同时,通过设备检查确认了分析结果的正确性,并制定了针对性的处理措施。

基于绝缘油理化指标的某高压电抗器受潮原因分析

高压电抗器因密封不良从外部进水或其内部固体绝缘材料严重老化生成水,均会导致绝缘油中水分增加并表现出受潮缺陷。针对某500 kV高压电抗器绝缘油受潮缺陷,基于油质、油中溶解气体含量、油中水分等绝缘油理化指标对其受潮原因进行分析,判断出该受潮缺陷不是外部进水而是内部固体绝缘材料老化引起的;通过现场真空密封试验,未发现外界水分进入电抗器的通道,进一步验证了所用方法分析判断受潮原因的正确性。

用色谱法分析设备的故障

利用色谱法进行绝缘油中溶解气体含量分析,可以发现设备存在的潜伏性故障。并根据对设备的跟踪,判断设备的故障性质、部位及严重程度,从而采取相应的措施,保证电网的安全可靠运行。

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。