关键词： 油浸式变压器   邻域粗糙集   深度信念网络   故障诊断  

摘要： 针对油浸式变压器的故障类型分类问题,提出一种基于邻域粗糙集与DBN的故障诊断模型。通过对变压器中故障气体进行无编码比值处理,得到了35种故障特征气体比值。利用相关性分析与领域粗糙集算法对所得气体比值进行特征选择,删去冗余以及对故障类型没有贡献的特征气体比值。将所得的9种特征气体比值作为输入变量,构建DBN诊断模型,实现了油浸式变压器的故障诊断。DGA数据上的实验结果验证了所提方法的有效性和准确性。

关键词： 变压器   涡流损耗   趋肤效应  

摘要： 本文作者简述了变压器绕组扁导线涡流损耗计算公式的推导过程,以及计算公式中是否考虑绕组导体中的的趋肤效应对计算结果的影响。通过一台出口干式变压器产品的真实设计案例,来对比国内与国外涡流损耗值的计算区别。

关键词： 故障诊断模型   溶解气体分析   改进蝗虫优化算法   支持向量机  

摘要： 基本蝗虫优化算法(GOA)容易陷入局部最优。为提高变压器故障诊断精度,本文提出一个采用改进的蝗虫优化算法结合支持向量机技术(IGOA-SVM)的变压器故障诊断模型。首先,利用混沌策略初始化蝗虫种群,以提高初始种群质量和搜索效率。然后,采用非线性递减权重,以平衡算法的局部探索和全局探索能力。最后,利用改进的蝗虫优化算法(IGOA)对SVM的惩罚系数和核函数参数进行优化,建立了基于溶解气体分析的IGOA-SVM变压器故障诊断模型,并通过与GA-SVM、 PSO-SVM和GOA-SVM三种故障诊断模型的比较,验证了IGOA-SVM变压器故障诊断模型的有效性和优越性。

关键词： 矿用干式变压器   智能监测系统   系统设计  

摘要： 矿用干式变压器是矿井必需的装置,其运行情况决定着供电系统运行的可靠程度,关系着广大矿工的生命财产安全,故而一定要高度重视并密切关注其使用情况。在科学技术日异月新的背景下,智能监测系统在各个领域均获得了广泛应用,取得的效果较好,综合矿用干式变压器的现实运作情况,以促进其可靠运行为目标,探讨智能监测系统的设计方案,以供同行参考借鉴。

关键词： 高频变压器   磁芯损耗   绕组损耗   寄生参数   优化设计  

摘要： 随着电力电子和新能源并网技术的发展,对高频变压器提出了微型化、高频化、高功率密度传输的新要求,因此综合考虑不同约束条件的高频变压器优化设计是现在亟需解决的问题。文章概述了目前高频变压器磁芯损耗、绕组损耗特性、寄生参数和优化设计方法的国内外研究现状,总结归纳了降低磁芯损耗和绕组损耗的措施及控制漏感和分布电容的方法,并对未来高频变压器所面临的重点问题进行了展望。

关键词： 变压器   低电压阻抗   相间偏差   3D有限元  

摘要： 本文中作者选取典型的双绕组50MVA、110kV电力变压器为研究对象,分别在产品生产过程中的不同阶段对变压器低电压阻抗进行了测试,同时采用三维有限元仿真方法,对不同绕组高度、不同阻抗的变压器低电压阻抗进行仿真计算。通过分析,总结出引起相间低电压阻抗偏差的结构性原因。

关键词： 图形差分场   多头自注意力机制   变压器   状态辨识  

摘要： 为提升电力变压器工作状态的智能监测水平,提出声纹信号-图形差分场增强和多头自注意力机制的变压器工作状态辨识方法。基于图形差分场技术将声纹信号映射为二维图像,再借助多头注意力机制的视觉转换器实现图像信息的深层挖掘与状态辨识,采用梯度加权类激活映射实现分类结果的可解释性分析。搭建了包含变压器4种典型工作状态下的实验模拟测试系统平台,实验结果表明:所提方法不仅能够有效表征变压器声纹信号的状态特征,且分类辨识精度相较于“时频图+引入多头注意力机制的变换网络”与“图形差分场+引入残差模块的卷积神经网络”的常规方法有显著提升,提升约6%,同时也具备较好的鲁棒性,可为电气设备的故障检测研究提供一定参考。

关键词： 电力变压器   变压器故障   短路故障   绝缘故障   漏油故障  

摘要： 电力系统运行过程中,变压器是其中最为常见的用电装置之一。变压器的主要作用是把固定数值交流电压或电流转换成具有相同频率或不同的电压或电流装置。电力变压器应用能够直接关系到电网稳定与安全,因此,其常见故障分析与故障处理措施非常重要。基于此,文章以1 B变压器为例,针对电力变压器在运行过程中发生的常见故障加以探索分析,并探讨相应的故障处理和故障预防对策。

关键词： 输变电变压器   故障预测   深度学习   卷积神经网络   极端气象   故障分类   溶解气体分析  

摘要： 根据极端气象条件下变压器产生故障时的环境参数,结合变压器故障预测中常用的油中溶解气体的含量,提出一种基于深度学习网络的故障预测方法。针对已有的变压器故障诊断方法泛化能力弱、时效性低、精度低等缺点,引入极端气象参数,并通过对多组数据序列进行时因分析,提取数据随着时间的变化关系;其次,设计一种新型的神经网络,将油气参数与极端气象参数的时间特征融合,并通过深度学习网络进行故障分类与预测。仿真实验结果表明,相比于其他传统故障预测方法,所提出的极端气象条件下基于深度学习网络的变压器故障预测方法准确率有显著提高。

关键词： 子循环自适应串行交错   混合变步长   二维瞬态流热耦合问题   快速计算方法   温升实验  

摘要： 针对传统算法存在的步长调整及耦合点选择问题,该文提出基于子循环自适应串行交错(SCAS)的时间匹配算法。首先,在步长调整方面,通过加入自适应(ATS)-启发式(HTS)混合变步长算法,解决步长无法实时调整的问题;然后,针对耦合点选择问题,该文在传统常规串行交错(CSS)时间匹配算法及现有改进方案子循环常规串行交错(SCSS)的基础上,提出SCAS时间匹配算法,采用自适应方案确定计算时间窗及预定耦合点,并引入指数平滑法对其精度进行保证;最后,该文基于110 kV油浸式电力变压器建立二维瞬态单分区分匝绕组模型,并将所提算法与其他传统方法进行对比分析。结果表明:在精度方面,与传统CSS算法相比SCAS算法的流场及温度场最大平均相对误差均不超过0.45%,在可接受误差范围内;在效率方面,SCAS算法总体计算效率较CSS算法提高了近20倍。同时,为了说明所提算法的工程价值,该文搭建基于110 kV变压器绕组模型的温升实验平台,将SCAS时间匹配算法应用于该模型中,实验结果表明:在精度方面,SCAS算法与实验达到稳态时最大绝对误差为2.7 K;在计算效率上,本文所提算法的计算效率较传统算法提升约46倍,计算步数约为传统的1/47,减少了计算冗余。