关键词： 粒子群算法   支持向量机   故障诊断   油中溶解气体  

摘要： 变压器的安全运行对于电力系统的稳定性和可靠性至关重要。变压器是电力系统中的重要组成部分,其电压转换这一功能对于用户现场的不同用电需求十分重要。如果变压器出现故障,可能会导致电力系统中断,造成大面积停电,进而影响社会稳定和经济发展。确保变压器长期稳定运行对于电力系统稳定的重要性不言而喻。本文针对变压器故障诊断问题及变压器故障数据不足的问题,提出了基于改进粒子群算法优化SVM参数的变压器油色谱故障诊断方法和基于变压器机理的变压器负样本生成方法,一定程度上解决了变压器故障诊断精度低和可用于研究的故障数据不足的问题。在变压器故障诊断的方法中,油中气体分析(DGA)是一种兼顾了效率与成本的方法。但DGA方法也会存在如故障分类准确率不足等的缺陷。针对以上缺陷,本文首先提出了一种基于邻域学习的多种群粒子群优化算法(MPNLPSO),并用简化后的此算法优化SVM的分类参数,最终由SVM完成基于变压器油中气体数据的故障诊断。实验结果表明,在MPNLPSO具有较高的效率和性能及一定的鲁棒性的基础上,SVM的分类参数得到了优化,其分类准确率得到一定程度上的提高。基于邻域学习的多种群粒子群优化算法(MPNLPSO)是本文研究的重点。传统的粒子群算法往往会邻域内最优粒子获得的经验这一重要信息,故,为充分利用邻域内最优粒子获得的经验,此算法首先利用小世界网络为每个粒子构建一个邻域,进而完成邻域学习策略;接着,为使陷入搜索停滞的粒子重新回到有效的搜索进程中,我将引入基于动态对立的学习策略;并结合随机扰动策略,使该算法的准确性和鲁棒性都得到了一定程度上的提升。基于改进粒子群算法优化SVM的变压器故障诊断是本文研究内容的重要应用场景。支持向量机的分类性能很大程度上依赖于模型的惩罚参数与核参数,根据实际数据样本选择合适的分类参数则是SVM的主要研究问题。而参数寻优,正是粒子群算法的优势所在。在保留粒子群算法寻优能力的前提下,对本文提出的算法做出相应的优化,并用来寻找最优的SVM参数,最后通过该SVM实现基于变压器油色谱数据的故障诊断,基本达到了准确识别变压器故障的目标。

关键词： 电力变压器   油中溶解气体分析   数据扩充   局部线性嵌入   卷积神经网络   故障诊断  

摘要： 电力变压器是电力系统中的核心设备之一,其安全和稳定性对于保证整个电力系统的正常运转至关重要。随着社会经济发展,电力系统的规模日益庞大,电力变压器也随之承受更多的挑战,如果不能及时发现其潜在的故障问题,可能会带来重大的安全事故和经济损失。因此,有效针对电力变压器进行故障诊断,具有重大的理论和现实意义。电力变压器油中溶解气体分析(Dissolved Gas Analysis,DGA)技术能够发现变压器运行中的潜在故障,有效提高变压器的运维水平。变压器实际运行过程中,各类故障对应的DGA数据量有较大差异,存在明显不平衡性问题,如将其直接用于故障诊断,诊断效果将会存在较大误差。另外,传统DGA故障诊断方法存在故障特征模糊,分类准确率低等问题,在一定程度上制约了其在电力变压器故障诊断的应用。在此基础上,本文引入数据扩充方法来改善DGA数据存在的不平衡性,通过故障特征提取进一步挖掘特征信息,结合智能故障诊断方法进行电力变压器故障诊断研究。本文主要研究内容如下:(1)针对电力变压器DGA数据存在的不平衡性进行数据扩充分析研究。针对数据不平衡性导致故障分类准确率低的问题,采用数据扩充方法进行均衡化处理,以减小因数据分布差异对分类结果产生的影响。分析了常用的三种数据扩充方法,并在标准数据集上进行数据生成质量验证。通过DGA数据扩充对比分析表明:辅助分类生成对抗网络(Auxiliary Classifier Generative Adversarial Network,ACGAN)生成数据质量更好,是一种适合于电力变压器DGA数据的扩充方法。(2)提出了基于重构权值优化的有监督局部线性嵌入(Locally Line Embedding,LLE)的电力变压器特征提取方法。为了充分提取DGA数据中的隐藏信息,引入比值特征量对故障信息进行表征,提出基于重构权值优化的有监督LLE算法进行特征约简。首先,引入类别标签结合距离变更系数更新数据点之间的距离,以提高数据的可分性;其次,结合弗洛伊德距离表征流形数据空间点的真实距离;最后,提出距离权值系数和结构权值系数对特征重构权值进行改进,更多关注数据点之间的距离和空间形状的同时使数据在低维映射过程中充分还原数据结构。通过分析表明:所提改进LLE算法能够有效增大故障类间距离,减小类内距离。(3)提出了一种基于改进LLE和残差注意力机制的一维卷积神经网络(Residual Attention Mechanism of One-Dimensional Convolution Neural Network,RAM-1D-CNN)相结合的电力变压器故障诊断方法。为了改善电力变压器故障诊断的准确率,引入深度学习相关的智能诊断方法,结合所提特征提取算法,提出了改进LLE和RAM-1D-CNN相结合的诊断算法。首先,根据深度神经网络中存在的网络退化等问题提出了残差连接恒等映射层的跳跃连接结构;其次,为了更好的将学习提取的特征信息分类输出,采用注意力机制进行处理以提升诊断准确率;最后,将改进LLE特征提取算法的特征输出结合RAM-1D-CNN算法进行电力变压器故障诊断。实例分析表明:所提方法能够充分发挥两种算法的优势,进一步提升故障诊断准确率。

关键词： 变压器制造企业   财务风险   问题   优化措施  

摘要： “双碳”目标的提出促进了新型电力系统建设的进程和配网设备效能的提升，高效能变压器需求增大，老旧高耗能变压器将被替换和改造。变压器行业不仅厂家众多、竞争激烈，而且是资金聚集型企业，这就要求企业不仅要有过硬的产品质量，还需要注意企业管理，提升自身的综合竞争能力。基于此，以财务风险相关理论界定为切入点，分析变压器制造企业财务风险管理的现状，从而结合实际提出针对性的优化措施。

关键词： 谐波   温度分布   寿命分布   电场分布   绝缘特性  

摘要： 新型电力系统呈现出高比例可再生能源、高比例电力电子设备的“双高”特征,谐波来源途径增多,含量增大,对电网设备的绝缘性能提出了新考验。目前,针对变压器油纸绝缘性能研究所施加的电压激励主要集中在交流、直流、交直流复合、极性反转和脉冲形式,而关于“双高”模式下谐波电流和谐波电压对油纸绝缘性能影响的研究缺乏,而谐波会对油纸绝缘温度分布和电场分布等产生重大影响。因此,本文开展谐波对变压器油纸绝缘温度分布及绝缘性能影响规律研究,对保障变压器在新型电力系统中的安全运行十分重要。本文首先开展谐波电流影响下变压器绕组油纸绝缘温度分布及热老化寿命改进模型研究,分析工频电流与谐波电流作用下绕组漏磁分布和温度分布规律。然后,开展谐波电流和谐波电压作用下变压器油纸绝缘电场分布特性研究,仿真分析谐波电流、谐波电压、谐波电流和谐波电压联合作用下的电场分布变化规律。最后,开展谐波电压对油纸绝缘局部放电和击穿特性的影响研究,分析谐波电压频率与含量对局放特性和击穿特性的影响规律。取得的主要成果如下:(1)提出了工频电流叠加谐波电流作用下变压器绕组热点温度的计算模型,计算获得了不同频率和含量谐波电流作用下绕组油纸绝缘热老化寿命分布规律。在计算绕组损耗的基础上,建立了工频电流作用下负载率-入口流速-绕组热点温度计算模型,该模型的变压器温升试验验证表明,工频电流作用下绕组温度计算值与实测值误差小于1.5%;在构建谐波电流影响下绕组热点温度计算模型基础上,结合IEEE Std C57.91-2011与IEEE Std C57.12.00-2010标准建立了考虑谐波电流影响的油纸绝缘热老化寿命改进模型,该模型仿真结果表明,谐波电流频率和含量越高,油纸绝缘热老化寿命越短,当5%谐波电流的频率从250 Hz增大到650 Hz时,绕组油纸绝缘热老化寿命下降幅度超90%。(2)获得了不同频率和不同含量谐波电流、谐波电压、谐波电流和谐波电压联合作用下油纸绝缘电场分布规律。计及不同频率不同含量谐波电流作用下的温升变化对绝缘油和油浸绝缘纸板介电常数的影响时,随着叠加的谐波电流频率和含量的增大,变压器油纸绝缘界面处绝缘油中的电场强度增大,绝缘纸板中的电场强度降低;随着叠加的谐波电压频率和含量的增大,油纸绝缘电场分布畸变程度增加;在含量为5%的谐波电流和谐波电压联合作用下油纸绝缘电场整体畸变规律变化不大、但畸变程度增大,在350 Hz和550 Hz谐波下电场畸变更为严重。(3)获得了工频电压叠加谐波电压对油浸绝缘纸板局放特性和击穿特性的影响规律。谐波电压导致油浸纸板局部放电图谱出现分峰现象,工频电压叠加不同含量的250 Hz和650 Hz谐波电压,会导致油浸绝缘纸板起始局放电压降低,而叠加不同含量350 Hz和550 Hz谐波电压会导致起始局放电压增大;叠加不同频率不同含量谐波电压作用下油浸纸板的击穿场强较之工频击穿场强均会显著下降,当工频电压叠加650 Hz谐波电压含量从3%增大到20%时,油浸绝缘纸板的击穿场强下降幅度会从17.46%增大到20.74%;叠加谐波电压后油纸绝缘发生击穿失效的概率更大。

关键词： 局部放电   可听声信号   特征提取   分类识别   去噪分析  

摘要： 油浸式变压器作为输变电系统中的关键设备,承担着电力网络中输变配等重要任务,其内部出现局部放电(Partial Dischage,PD)故障时,对应的可听声信号能够反应变压器运行状态,因此,针对变压器局部放电过程中产生的可听声信号进行故障检测和分类识别可为变压器正常运行提供检修支持,基于可听声信号特征分析的非接触式变压器状态诊断具有一定的应用前景。本文针对变压器局部放电可听声信号的采集、时频特性分析、特征提取、分类识别四个方面展开了研究,主要研究内容及结论如下:(1)设计并制作了油中尖端放电、沿面放电、气隙放电三类人工缺陷模型以模拟变压器内部常见放电故障,搭建了放电声信号采集系统,试验对比分析了不同型号传声器设备采集性能差异,根据试验环境确定了传声器设备距放电源间的距离参数,获取了不同电极对应的局部放电起始电压值,为后续放电可听声信号时频特性分析奠定了基础。(2)分析了不同缺陷模型放电可听声信号时频特性,结合局部放电测量结果对油纸绝缘放电过程进行了声电联合分析,完成了三类电极放电阶段划分,采用逐步升压法获取了放电可听声信号声压级与放电量间的关联特性,根据放电现象定性解释了放电声信号形成原因。结果表明:放电剧烈时三类放电模型可听声信号时域波形呈现不同特征,针板电极为r型波,柱板电极为v型波,球板电极为r型波和v型波的混合;其频率主要集中于20Hz～1000Hz内并以100Hz倍频及奇次谐波的形式出现,大于1000Hz的高频分量较小;三类电极放电过程可分为初始阶段、显性阶段、停滞阶段和预击穿阶段,其中初始阶段、显性阶段和预击穿阶段随着电压的增大,纸板不断裂解碳化并产生大量微小气泡,放电量和声压级逐渐增大,停滞阶段随着放电发展其声电特性变化缓慢甚至出现减小现象;逐步升压法试验过程中局部放电量和可听声信号声压级呈正相关。(3)基于Spearman相关系数,合理确定了含噪信号变分模态分解(Variational Mode Decomposition,VMD)过程中预设参数K值大小,并利用初始分解后各分量信号和原始信号之间的Spearman相关系数平均阈值选择了含噪信号中的有效分量,实现了干扰信号去噪,同时提出了基于小波包多层分解的第一节点频段能量特征提取方法。结果表明:Spearman相关系数能够合理确定含噪信号经VMD分解时K值大小,平均阈值法能够选择含噪信号中有效模态分量并剔除噪声干扰,所用SVMD方法去噪效果明显;基于小波包多层分解的第一节点频段能量特征不仅具有可分性,同时具有特征降维效果。(4)基于放电可听声信号时域波形和小波包多层分解第一节点频段能量特征,实现了三类放电模型可听声信号故障分类。为了扩充故障数据样本容量,根据可听声信号混叠试验方案,采集了在运变压器本体声信号完成了混叠试验,并验证了其分类识别效果。结果表明:放电剧烈时依据放电可听声信号时域波形能够区分故障类型;基于小波包多层分解第一节点频段能量特征具有较好的识别准确率,应用于支持向量机(Support Vector Machines,SVM)分类器获得其识别准确率平均值为96.2%;混叠后放电可听声信号识别准确率平均值为90.9%。本文提出的变压器内部放电可听声信号的特征提取及分类识别可为变压器状态评估提供参考。

关键词： 油中溶解气体分析技术   无编码比值法   核主成分分析法   概率神经网络   海鸥优化算法  

摘要： 变压器是电力系统关键设备之一,其作用关乎整个电网的安全与稳定,所以研究变压器实时在线故障检测算法尤其重要。本文基于油中溶解气体分析技术(Dissolved Gas Analysis,DGA)与智能算法相结合,选取概率神经网络(Probabilistic Neural Network,PNN)作为基础模型,对变压器故障诊断算法进行了较为深入的研究与改进。论文的主要研究内容如下:(1)研究了基于DGA和PNN的变压器故障诊断算法。首先研究了变压器故障产气机理和DGA分析技术基本原理,针对传统DGA技术中有编码比值法存在编码缺失和故障分界过于绝对等问题,提出采用无编码比值法预处理故障数据,建立PNN变压器故障诊断模型,对PNN的诊断精度进行仿真测试,结果表明PNN模型诊断精度受平滑因子影响极大,需要对其优化。(2)针对无编码比值法故障特征存在非线性冗余数据和噪声数据,加重了模型运算负荷的问题,提出了基于核主成分分析法(Kernel Principal Component Analysis,KPCA)实现非线性降维并重构故障数据。该方法引入核方法思想,通过核函数把低维数据映射到高维空间分类和降维,以累计贡献率选取主元个数重构故障数据,能取得明显效果,避免后期设计的模型可能发生“维数灾难”,减少了运算负荷。(3)针对概率神经网络的平滑因子δ靠人工经验取值,影响诊断精度的问题,提出了一种基于海鸥优化算法(Seagull Optimization Algorithm,SOA)与PNN结合的变压器故障诊断模型,提高了可靠性。该方法采用SOA算法对PNN的平滑因子自动寻优赋值,从而提高诊断判正率;为验证KPCA-SOA-PNN模型故障诊断有效性,分别用麻雀搜索算法(Sparrow Search Algorithm,SSA)和粒子群优化算法(Particle Swarm Optimization,PSO)搭建了KPCA-SSA-PNN、KPCA-PSO-PNN和KPCA-PNN三种模型与之相比较。仿真结果表明KPCA-SOA-PNN模型的故障诊断判正率更高且算法运行相对耗时较短,更加高效,为油浸式变压器故障诊断提供了新方法。

关键词： 级联H桥型电力电子变压器(CHB-PET)   双有源桥(DAB)   死区效应   平均值模型   频域分析  

摘要： 随着传统能源的日益枯竭,风能、太阳能等可再生能源的开发利用越来越受到重视。直流配电网为分布式能源并网提供了新的途径,符合未来能源互联网的架构理念。电力电子变压器(power electronic transformer,PET)为直流配电网连接分布式电源与主网不可或缺的接口电路,可有效提高能源利用率和电能质量。然而,模块间连接方式复杂和仿真步长较小等因素导致其仿真效率较低。与此同时,随着高频变压器频率的不断提高,死区效应的影响越来越显著。因此,有必要深入研究PET高效精确的建模方法,并将死区效应的作用机理纳入等效建模的考虑范畴。针对上述问题,论文的主要研究工作如下:首先,从双有源桥(dual active bridge,DAB)变换器出发,考虑寄生参数并将其简化为一阶RL等效电路,根据电压电流的波形特性将DAB的工作状态分类为多个死区模式,推导各模式下流入、流出全桥电流的解析式,建立一种能反应死区效应和寄生损耗的传输功率模型。并由此分析考虑死区效应后DAB变换器软开关特性的变化,为电路参数的设计提供初步参考。其次,针对级联H桥型双有源桥结构PET(cascaded H-bridge type PET,CHB-PET),提出一种考虑死区效应的降阶平均值模型。具体而言,针对DAB单元,通过等效电流源代替全桥及高频变压器实现降阶平均值建模。针对H桥整流单元,基于状态空间平均法,通过占空比将各工况整合为一个统一的模型,进而使用等效受控源代替H桥整流单元与交流电网、DAB的接口电路。然后,建立输入串联输出并联型(input series output parallel,ISOP)CHB-PET平均值模型。并在PSCAD/EMTDC仿真软件上验证了所提出的模型具有较高的精度和运行效率。最后,基于线性化和泰勒级数方法,提出一种CHB-PET小信号模型,并由此推导出传递函数与闭环输出阻抗的解析表达式,在PSCAD/EMTDC仿真软件上验证了模型在频域下具有较高的精度。从寄生参数和电气参数两个维度,对闭环输出阻抗的影响因素进行分析,为PET并网后的稳定性分析和控制器参数设置奠定基础。