关键词： 局部放电   超声信号   变分模态分解   小波变换   参数优化  

摘要： 局放超声信号监测是判断油浸式变压器绝缘状态的常用手段之一。然而现场的噪声干扰难以避免，常伴有白噪声，为此提出一种基于改进变分模态分解与小波变换的去噪方法。首先，以峭度-排列熵准则作为目标函数，使用蚁群寻优算法确定变分模态分解最优分解层数与惩罚因子并将含噪局放超声信号分解为多个本征模态分量，然后，使用相关系数法将多个本征模态分量分为不含噪声分量、含噪声分量、噪声分量，以最大最小排列熵准则作为目标函数，使用蚁群寻优算法确定小波最优阈值并提出改进小波阈值函数对含噪声分量进行小波去噪，最后对不含噪声分量与小波去噪分量进行信号重构完成局放超声信号去噪。通过对模拟和实测的局放超声信号去噪并与其它4种去噪方法比较，结果表明所提去噪方法效果优异，信噪比与波形相似系数较其他方法分别平均提高43.62%与2.39%，均方根误差平均降低35.46%。

关键词： 220kV   重瓦斯继电器   油流涌动  

摘要： 变压器作为电力系统网络中的重要组成部分,其运行使用工况优劣程度深深影响着电力网络安全运行.本文以某起 220kV变压器在空载投运过程中引起重瓦斯保护动作为案例展开误动过程分析,并针对性提出了现场情况的改进措施和整改措施,旨在保障供电可靠性以及电力系统运行的稳定性.

关键词： 变压器油下图像增强   Retinex   通道补偿   多尺度加权  

摘要： 针对变压器油下图像存在颜色失真、亮度低和细节失真问题，该文提出一种多尺度加权Retinex变压器油下图像增强算法。首先，为了缓解变压器油下图像颜色失真问题，提出一种混合动态颜色通道补偿算法，根据拍摄图像各通道的衰减状态对衰减通道进行动态补偿。然后，为了解决细节失真问题，提出一种锐化权重加权策略。最后，该文创新性采用金字塔多尺度融合策略对不同尺度Retinex反射分量和相应权重图进行加权融合得到变压器油下清晰图像。实验结果表明所提算法可以有效解决变压器油下图像复杂退化问题。

关键词： 油纸绝缘   实验平台设计   回复电压测试   数字编程控制  

摘要： 油纸绝缘作为电力变压器中的主绝缘设备，在工业生产和电力传输应用中尤为重要。为验证油纸绝缘的性能状态，该文研制了基于介质响应原理的现场可编程电力电子控制实验平台。平台以LabVIEW编程环境和三电极测试装置作为载体，采用状态机框架设计了回复电压谱与极化谱测量流程，并嵌入聚类云模型算法实现油纸绝缘状态精准分类。该实验平台促进理论知识与实践经验相结合的教学模式革新，可满足实验探索、科学研究等多层次需求。

关键词： 高压内置型   高阻抗变压器   励磁涌流   特性分析  

摘要： 提出了一种兼顾剩磁和励磁电感非线性变化情况的高压内置型高阻抗变压器励磁涌流计算方案。构建了高压内置型高阻抗变压器励磁涌流模型，深入剖析了其幅值、衰减以及谐波特性。搭建符合工程实际的高压内置型高阻抗变压器仿真系统，探究了该变压器励磁涌流模型及其特点，提出了能够迅速且有效计算励磁涌流的仿真及工程计算方法，并依据现场录波图的波形对仿真和工程计算方法的峰值及衰减时间进行验证。全面探讨并总结了在诸多因素影响下高压内置型高阻抗变压器的励磁涌流特性，为投运策略及保护整定优化提供了一定的参考依据。

关键词： 变压器故障辨识   主动学习   深度学习   小样本学习   非均衡数据集  

摘要： 变压器作为电网的核心枢纽节点，对于电网安全运行有着至关重要的影响作用。然而，在变压器状态评估及故障研判中，存在故障样本收集困难，数据集不平衡等问题。因此，现有诊断方法在实际应用时极易出现误报、漏报等情况。为此，本文提出了一种改进型主动学习-深度神经网络融合的变压器故障诊断算法。具体来讲，本文先提出了四种与深度神经网络适配的主动学习策略，对油色谱数据样本进行定向选择学习，提高故障辨识算法在小样本及不均衡样本下的学习表现，降低数据标注及模型训练成本；其次，本文还引入标签平滑算法对深度神经网络交叉损失函数进行改良，以改善训练集与预测集分布不一致导致的过拟合问题。仿真实验结果表明，本文所提出的主动学习算法与随机采样等传统的被动采样学习方法相比，能够有效降低模型训练成本，并提升故障辨识精度10%以上；与支持向量机等常见方法相比，算法性能提高15%以上。