关键词： 变压器   运行状态评价   改进灰色模型  

摘要： 为了评价变电站的运行状态,本文构建了多级评价指标体系,包括电气试验、油中溶解气体和绝缘油特性等,运用改进层次分析法为各级指标分配量化的权重。通过改进灰色理论模型对变压器运行状态评价指标进行评分,设置良好、正常、需要注意和严重4个灰类,根据权重和打分求出各指标的灰类聚类系数。最后按照不同的灰类求出指标灰类聚类系数之和,相应的计算结果即为变压器处于该类别的概率。将概率值最大的类别作为变压器当前的运行状态。经过实例分析,该模型能够有效评价变压器的现状。

关键词： 变压器设计   电气试验   中间变压器  

摘要： 设计一种35 kV及以下中小电力变压器、风力变压器、光伏变压器等产品的空载、感应耐压、局部放电、负载、温升试验用中间变压器,并通过实际应用验证了中间变压器设计的合理性。

关键词： 主变压器   山地风电场   有载调压开关   变压器绕组   电力变压器   铁芯   检修和维护   外界因素影响  

摘要： 一、前言山地风电场的主变压器,在运行过程中受雨季、高温、高湿等外界因素影响,使用寿命有一定年限。为了延长主变压器使用寿命,应计划性开展主变压器检修和维护。按照《电力变压器检修导则》要求,一般主变压器投入运行后5年内和以后每间隔10年大修一次,针对主变压器绕组、铁芯、有载调压开关等关键部位进行相应检查,查找隐患,对症“下药”。

关键词： 变压器   绕组故障   短路阻抗   有限元模型  

摘要： 本文提出了一种基于短路阻抗辨识的牵引变压器绕组故障在线诊断策略。首先,结合变压器的国家标准和维修导则,阐明短路阻抗是一类反映变压器健康状态的重要参数,在绕组故障诊断中具有重要作用。其次,通过三角函数公式证明了变压器的Σi(输入和输出电流之和)和Δu(输入输出电压之差)可构造椭圆方程,并建立椭圆参数与短路阻抗间的映射关系。最后,为了验证所提故障在线诊断方法的有效性,建立变压器有限元仿真模型,并对径向偏移和轴向压缩2种绕组故障情况下短路阻抗的特性进行深入分析。仿真结果表明,所提故障诊断方法能够准确、灵敏地诊断出变压器绕组故障。

关键词： 变压器油   变压器故障   局部放电   油色谱在线监测   存在故障   潜在缺陷   在线监测技术   气体成分  

摘要： 变压器油色谱在线监测技术作为一种实时监控变压器运行状态的手段,能够及时发现变压器内部的潜在缺陷,如过热、局部放电等问题。该技术通过分析变压器油中溶解的气体成分及其浓度变化,可以准确地判断变压器内部是否存在故障,以及故障的性质。该技术的应用,极大地提高了变压器故障的早期发现能力,对于延长变压器使用寿命、保障电力系统稳定运行具有重要意义。

关键词： 智能算法   水电站   电力变压器   状态监测   评估  

摘要： 水电站电力变压器作为水电站的重要组成部分,其运行状态直接影响到水电站的安全和稳定运行。传统的变压器状态监测方法主要依赖于人工巡检和定期检测,这种方法不仅效率低下,而且容易受到人为因素的影响,难以准确反映变压器的真实状态。基于此,本文将探讨智能算法支持下,水电站电力变压器状态监测方法和状态评估,提出几点建议供同行参考。

关键词： 变压器故障诊断   蜣螂算法   概率神经网络   油中溶解气体分析  

摘要： 针对仅靠人工经验选取平滑因子的概率神经网络(PNN)变压器故障诊断模型存在诊断正确率偏低的问题,提出1种采用蜣螂算法(DBO)优化PNN平滑因子的变压器故障诊断模型。选取测试函数对DBO算法进行寻优测试,并与粒子群算法(PSO)、人工蜂群算法(ABC)、灰狼优化算法(GWO)对比,DBO在寻优精度、收敛速度和避免局部最优方面更具优势;采用DBO对PNN平滑因子寻优以建立DBO-PNN诊断模型,并与PSO-PNN、ABC-PNN和GWO-PNN模型进行诊断对比,结果表明DBO-PNN模型的诊断效果更好,正确率达96%。

关键词： 变压器   光纤传感器   信息熵理论   特征提取  

摘要： 光纤传感器以其灵敏度高、不受电磁干扰等特点得到了广泛的研究应用,但在对变压器故障声信号的采集过程中也存在噪声成分含量较高、信号特征提取不易或无法提取的缺点。为此,提出利用信息熵理论对变压器故障声信号进行特征提取分析,并基于支持向量数据描述(support vector data description, SVDD)对求取的特征量进行识别研究。在实验室搭建了变压器故障声信号实验与探测平台,采集3种典型放电模型的声信号,基于信息熵理论,选取模糊熵、能量熵、奇异谱熵和功率谱熵等对滤波后的声信号进行特征提取,形成识别特征向量。最后,利用SVDD算法对求取的特征量进行识别研究。实验结果显示,基于信息熵理论提取的故障声信号特征量识别正确率均达到90%以上,优于传统时频域特征提取和基于小波变换的特征提取方法,证明了所提出方法的可行性。

关键词： 机器学习   变压器   故障辨识   继电保护  

摘要： 变压器继电保护装置易受励磁涌流的干扰,出现误动、跳闸,进而导致供电系统稳定性下降。为了解决该问题,本文基于机器学习算法建立变压器故障识别模型,以提高对励磁涌流的辨识率。在技术层面,利用电磁暂态分析软件模拟变压器运行过程,采集运行数据,再根据多通道融合模型对原始数据进行预处理,并利用卷积神经网络训练故障识别算法。最后将算法引入差动保护和纵联保护,根据识别结果控制保护动作,从而达到防止误动的目的。

关键词： 故障诊断   改进黏菌优化算法   贝叶斯网络   结构学习   变压器   反向学习策略   正弦-余弦算法   测试函数  

摘要： 针对变压器故障诊断精度低的问题,文中提出一种基于改进黏菌优化算法(Improved Slime Mould Algorithm,ISMA)优化贝叶斯网络(Bayesian Network,BN)的变压器故障诊断方法。通过爬山算法对定向最大支撑树搜索得到贝叶斯网络初始结构即初始种群,在改进黏菌优化算法中引入反向学习策略,增加种群多样性。添加正弦-余弦算法(Sine Cosine Algorithm,SCA),更新解的位置以避免种群陷入局部最优。根据改良的无编码比值法选取变压器故障状态的特征,利用改进黏菌优化算法优化贝叶斯网络结构,提高基于贝叶斯网络的变压器故障诊断的准确率,并利用不同种类的测试函数验证了改进黏菌优化算法具有收敛速度快、收敛精度高的优良性能。仿真结果表明,ISMA-BN诊断模型的训练集和测试集准确率分别为98.2%和97.14%,具有一定的研究价值。