关键词： IGBT驱动   隔离   变压器   保护功能  

摘要： 由于绝缘栅双极型晶体管(IGBT)兼具了输入阻抗高、导通压降低等特点,自发明以来就得到了广泛的应用。在近几年随着新能源产业的迅速发展中,IGBT起到了关键的作用。而随着光伏发电,高铁电网,尤其是新能源车的发展,对IGBT的需求将进一步增大。IGBT工作时的可靠性强烈依赖于驱动电路的可靠性,驱动电路的性能直接影响着IGBT的工作效率与安全。目前,国外有许多的IGBT隔离驱动芯片,而国内的发展远不及国外,许多厂家也只是在起步阶段,因此,研究隔离式IGBT驱动芯片在当下具有重要的意义。本文首先介绍了IGBT的结构与开关特性,在分析了IGBT的安全工作区的基础上,研究了隔离式IGBT驱动电路的几种保护类型,最终本文的设计中采用了欠压锁定电路、有源密勒钳位电路和退饱和检测电路。本文还介绍了几种常见的隔离方式,以及磁隔离的信号调制方式,同时根据IGBT的工作特性,基于微型变压器,使用了一种改进的置位复位调制方式,增加了传统置位复位方式的可靠性。本文基于华润上华0.5μm BCD工艺和已有的微型变压器模型,设计了一款隔离式IGBT驱动电路,并通过仿真和流片验证。芯片输入侧与输出侧电源电压分别为5V与15V,两片之间通过微型变压器隔离。在仿真阶段,得到的上升沿下降沿传输延时分别为145.5ns和131.2ns,在负载1n F时的上升下降时间分别为9.4ns和8.3ns,输入侧典型欠压阈值为3.8V/4.1V,输出侧典型欠压阈值为11V/12V,有源密勒钳位的开启阈值为2V,退饱和检测的阈值为9V。经过流片测试,基本达到了仿真的指标。

关键词： 电力变压器   故障诊断   声音检测   梅尔谱特征提取   卷积神经网络  

摘要： 随着社会对电力需求不断提高，电网装机的容量不断增大，电力变压器工作可靠性对电网安全运行具有重大意义。为满足最新电力设备发展规划中提出的增强电力系统保护和调节能力的要求，论文设计了基于声音信号特征提取与识别的变压器故障声音检测装置,通过检测电力变压器运行中的声音信号进行识别分析以判断工作状态，节省了大量的人力物力，提高电力系统运行的安全性。　　论文首先分析变压器故障检测国内外研究现状以及声音特征提取和识别技术的发展历程，阐明声音信号识别技术对于变压器故障检测的意义，提出了基于Zynq-7020平台的变压器故障声音检测装置方案。其次，针对声音识别系统实时性差、声音特征提取和识别算法复杂度较高、计算量较大等问题，论文选择梅尔谱系数特征提取算法进行故障声音特征提取，用卷积神经网络算法进行故障声音的识别;在公开声音数据集的基础上，根据应用需求选择声音数据，建立测试声音数据集。为了保证实时性，减少计算量，论文将梅尔谱系数的参数进行了改进，取512个采样点为一帧，改变卷积神经网络识别算法的网络结构，减少了网络的参数量。然后，论文设计了声音监测装置的电源电路以及包括多种接口电路在内的通信接口电路，实现声音数据采集、数据流高速传输以及存储工作，并在可编程门阵列平台实现梅尔谱特征提取算法和卷积神经网络识别算法。最后在实验室搭建硬件平台完成运行系统性能测试以及资源利用率和功耗分析。　　通过实验测试得到，论文设计的声音监测装置能识别电力变压器运行中故障声音。改进后的图数据量减少了80％。性能测试的结果证实论文设计系统在硬件资源利用率和功耗方面均达到了设计要求，可实现对电力变压器声音故障信息的获取，完成电力变压器安全监测。

关键词： 变压器  

ISBN: (纸本)9787568710862

摘要： 本书结合变压器的国标、IEC标准和大型变压器试验经验, 全面地介绍了变压器以及其附件的试验的程序、方法、线路、设备及近年来变压器最新试验技术。内容有变压器及其试验的介绍、电压比测量和联接组标号检定、绕组电阻测量、绝缘特性测量、外施耐压试验等。

关键词： 电力变压器   短路电流   振动特性   抗短路能力   校验计算  

摘要： 电网运行中,电力变压器具有重要作用。电力变压器的稳定工作影响到电网的供电安全。随着电网的发展,变压器的容量、电压等级逐渐增大。长期运行的电力变压器发生短路事故难以避免。因此,对变压器的抗短路能力要求也越来越高。本课题在国家自然资金项目:“电力变压器绕组中电磁、热和力的耦合作用机理及其累积效应研究”背景下开展研究。首先,在三相短路工况下,对通过变压器绕组的短路电流进行理论分析,得出其短路电流相关计算数据。基于变压器绕组电流,建立了磁场的有限元计算模型,得出了绕组的漏磁场和短路电流密度分布。其次,考虑到发生短路故障时,通过静态方法评估合格的变压器仍会出现损伤甚至永久性形变的情况,可知通过静态方法难以准确评估变压器短路时的动态过程。基于实际运行的变压器参数数据,利用ANSYS软件搭建三维变压器模型,通过场路耦合赋激励求解绕组三相短路过程数据,分析了漏磁、电磁力分布的规律。根据采集的变压器短路故障数据,模拟真实短路过程,进行变压器结构场仿真,进一步得到了变压器短路时的位移、结构变化规律。设置了各种变压器运行工况进行有限元仿真,分析振动信号。工况包括不同负载电流,预紧力逐级下降,各位置垫块松动损坏,绕组辐向形变、轴向错位等。给出了变压器振动信号的动态变化规律。通过实验采集振动数据,记录40000k VA/110k V变压器油箱表面的振动信号,对比分析相应工况的结果。最后,基于变压器绕组的动态过程分析,确定了变压器短路电磁力计算公式、变压器机械结构特性评估判据、短路强度评估标准,开发了变压器抗短路能力分析软件,可进行参数化建模,对绕组的短路工况下的受力和形变进行计算,并对其稳定性进行校核。通过分析计算结果从而给出判断依据,进一步丰富了绕组稳定性校核分析方法。

关键词： 变压器   分布式光纤传感   动态热模型   顶层油温   热点温度  

摘要： 随着科技的发展,电能在整个能源体系中逐渐占据中心位置,变压器是电能传输、转换的关键节点,在整个电网中占据举足轻重的地位。在变压器运行过程中,内部绕组、铁心以及结构件产生多种损耗,使其温度升高。过高的温度会带来绝缘劣化等一系列严重后果,所以实时监测内部热点温度对变压器安全及经济运行至关重要。受到变压器内部复杂电磁环境影响,难以通过传统传感器实现对绕组温度场的准确传感,也难以对绕组内部生热、散热特性进行详细研究。本文使用内置传感光纤配合分布式传感手段,实现了对运行状态下绕组全域温度场的实时监测,并在此基础上研究了绕组散热,提出了新的热点温度计算模型,通过现场实际变压器运行数据验证了其有效性。主要工作如下:研究基于分布式光纤传感的变压器状态监测技术,通过在绕组表面敷设光纤实现对绕组全长温度分布的实时监测,完成了内置传感光纤的35kV变压器以及110kV变压器的样机研制,两台样机主要试验指标均满足国标要求。研究了基于光纤传感的绕组关键点定位技术以及布里渊散射的温度应变解耦技术。对变压器进行多种运行工况下的温升试验,获得了不同负载率下的绕组温度场分布。从常规试验监测量对比、不同负载率下的绕组温度分布、热点位置、精细化温度场等角度对数据进行了分析。以研制的35kV变压器样机为样本,对层式绕组的动态热模型进行研究。根据温度曲线形状、温升速率等,将升温过程划分为传导期、对流期以及准稳态期三个阶段,分析了每一阶段对应的散热规律。将绕组与局部油域达到热平衡态这一状态称为准稳态,并用这一概念揭示了绕组热点温度升高过程中前后段温升速率的差异。基于准稳态的特点分析得到绕组-油之间存在与时空均无关的确定函数关系的结论,使用DTS实测数据进行了验证。根据这一关系实现了外部散热片温度对内部绕组热点温度的实时反演,相对误差小于6%。以改造的110kV变压器样机为样本,对饼式绕组的动态热模型进行了研究。建立了绕组自身、绕组与油之间、散热器与外部环境三种典型的热交换模型。通过DTS实测数据分析了单饼散热量的时空变化规律,研究了绕组轴向温度梯度的产生原因,建立了对应的经验模型。基于实测数据得到了绕组表面的平均对流换热系数,并与无量纲数计算的局部对流换热系数进行了对比。以首饼温度作为中间变量,以对流换热系数为参数建立了绕组首饼的局部热路模型,结合温度梯度模型,实现了对绕组热点温度的准确预测。相较于传统模型热点温度预测最大误差降低21.0%,均方根误差降低32.7%。针对目前常用的IEC负载导则模型等热点预测模型,分析了其在实际运行时出现的误差特性及误差来源。基于热路模型推导出了顶油时间常数及绕组时间常数的修正因子,使之可以根据绕组负载率及油温的变化而实时更新;对温升试验数据以指数拟合的方式确定了更为准确的顶油稳态温升;对绕组断电后的冷却曲线分析,获得了油道内的油温分布,并基于此提出了使用散热片进出口油温来计算平均油温的改进方案。基于以上研究,形成对IEC负载导则模型的改进模型。通过连续4天温升试验实测结果检验,这一模型相较于传统模型顶油预测误差降低17.6%,热点预测误差降低33.1%。使用该模型对河北沧州某站和浙江嘉兴某站两台110kV主变的实际运行数据进行预测,结果显示相较于IEC负载导则模型,本文提出的改进模型可以将顶油温度预测误差分别降低27.0%和30.6%。证明了这一改进模型的精确性及较好的移植性。

关键词： 变压器   故障诊断   支持向量机   多分类策略   参数优化算法   特征值优选  

摘要： 油浸式变压器是电力系统能量传输过程中必不可少的重要大型设备,为了保障电力系统能够安全稳定运行,有必要建立并完善油浸式变压器的实时监测和故障诊断系统,而油中溶解气体法是被最为广泛公认的能够有效分析油浸式变压器绝缘故障的方法之一。近几年随着人工智能和机器学习的兴起,支持向量机作为一种优秀的模式识别工具被逐渐应用于解读油中溶解气体数据并进行故障诊断。然而,目前基于支持向量机的变压器故障诊断模型还存在着一些亟待解决的问题:在变压器故障诊断建模中,虽然有多种的油中溶解气体诊断判据,但仍缺乏成熟的理论来指导这些特征值结合支持向量机的使用,不同文献中诊断模型采用的输入特征值之间存在较大差异;此外支持向量机现有的多分类策略和参数优化算法在应用于故障诊断场景时其融合性有待提升,难以兼顾诊断精度和训练效率。因此本文对基于支持向量机的变压器故障诊断模型展开研究,主要的工作内容和研究成果有以下几点: (1)提出基于逆向合并方法的诊断模型支持向量机多分类策略。首先介绍了支持向量机基本理论和发展历程。接着基于多分类策略研究现状提出了改进方法,通过类间散布矩阵和类内散布矩阵计算可分性指标,并采用逆向合并的方法生成多分类的决策树,从而将原本的多分类问题转化为一系列的二分类问题,同时能够根据不同类样本的特征分布情况设计出最有利于提升泛化性能的多分类结构。采用高斯混合分布生成算例样本,将提出的多分类策略与传统方法进行对比,证明其在多分类问题中生成的分界超平面具有优秀的泛化性能。最后在公开发表的文献中搜集故障样本的气体数据,建立了变压器故障诊断样本库并且实现了故障诊断模型的初步建模,能够对六种基本故障类型的样本进行分类,同时将所提逆向合并法从诊断准确率和训练耗时两方面与传统多分类策略进行对比,证明其在变压器故障诊断场景中具有更好的适用性。 (2)提出基于计算迭代起点和蜻蜓算法的支持向量机参数优化方法。首先通过分析支持向量机和核函数的工作原理和参数特性,提出了基于支持向量特征的迭代起点计算方法,能够充分利用了样本所包含的信息,减少参数组需要试探的次数从而提高寻优效率。在得到迭代起点和优化范围后为进一步优化参数引入了蜻蜓算法,对其基本原理和数学模型进行了介绍,提出了基于蜻蜓算法的参数优化流程。采用UCI数据库中的经典算例将所提参数优化算法与现有的算法进行对比,验证其能够在降低训练耗时的同时提升分类准确率,使支持向量机具备了应用于变压器故障诊断的潜力和价值。最后在变压器故障诊断算例中,将提出的参数优化算法和多分类策略结合形成改进支持向量机模型,为显示其优越性,用传统方法替模型中的多分类策略和参数优化算法以建立多个对照组,对测试结果分别从固定参数优化算法和固定多分类策略的角度进行分析,证明改进的支持向量机在变压器故障诊断场景中表现出了优秀的模式识别能力。 (3)建立基于改进支持向量机和遗传算法的诊断模型优选特征值库。首先考虑到基于特征气体浓度和比值的诊断方法各自特性,提出了由诊断有无故障阶段和诊断具体故障类型阶段组成的两阶段决策框架。接着通过对特征气体浓度和比值进行排列组合,完成了对诊断模型特征值库的扩充。然后为变压器故障诊断特征值优选引入了遗传算法,介绍了算法的基本原理、数学模型以及应用于诊断模型特征优化的流程。最终基于改进支持向量机和遗传算法,分别为诊断决策框架的阶段一和阶段二挑选得到了14和9个特征值,完成了基于改进支持向量机的变压器故障诊断模型的设计。 (4)构建基于改进支持向量机的变压器故障诊断模型并进行多方面对比测试。首先从支持向量机多分类决策树生成过程、支持向量机参数优化情况和诊断模型实际应用流程三个方面进行展示,构建了基于改进支持向量机的变压器故障诊断模型。接着与其他基于支持向量机的变压器故障诊断模型进行了对比,通过替换诊断模型中的输入特征值、支持向量机多分类策略和参数优化算法来构造对照组,从而检验所提出的模型具备优秀的诊断性能。然后与采用其他机器学习方法的变压器故障诊断模型进行了对比,测试结果表明相较于KNN分类器和人工神经网络,本文提出的改进支持向量机更加适用于变压器故障诊断场景,表现出了更好的综合性能。最后对本文提出的变压器故障诊断模型的误诊情况进行了分析,指出了将来的研究中可能的改进方向。 本文所提出的基于改进支持向量机的变压器故障诊断模型能够进行高精度的模式识别,平均诊断精度达到98.15%,对变压器绝缘故障的现场诊断有重要指导价值。

关键词： 能源互联网   双有源桥变换器   扩张状态观测器   动态性能   电流应力  

摘要： 新能源发电以及分布式电源的快速发展,使得能源互联网成为了近年来研究的热点。而电力电子变压器(Power Electronic Transformer,PET)作为其关键环节,受到了广泛关注。因此,本文以PET为应用背景,将其核心组成部分双有源桥(Dual-Active-Bridge,DAB)变换器作为研究对象,为提升其效率与动态性能,进行分析与研究,主要做了以下工作:首先,研究了DAB变换器的结构特点、开关函数及微分方程,在此基础上分析了单移相(Single-Phase-Shift,SPS)调制和拓展移相(Extended-phas-shift,EPS)调制的工作原理,进一步推导了两种调制方式下DAB变换器的传输功率、电流应力表达式,并分别进行了对比。其次,针对单个DAB变换器,建立了SPS调制下输出电压的离散模型,给出了一种基于SPS调制的预测前馈控制算法以优化变换器的动态性能。同时,完成了预测前馈控制器对于变换器电路参数的敏感性分析。随后,针对预测前馈控制算法受电路参数影响较大的问题,将扩张状态观测器(Extend State Observer,ESO)引入预测前馈控制算法,提出一种基于ESO的预测前馈控制算法,并通过仿真证明了该算法对电路参数依赖较小、能够有效提高变换器动态响应能力。最后,为同时优化DAB变换器的电流应力与动态性能,提出了一种基于ESO的电流应力优化预测前馈控制算法。考虑了EPS调制的两种工作模态,利用拉格朗日乘数法对最优移相比进行求解,来获得全局最小电流应力,紧接着将电流应力优化方法与EPS调制下基于ESO的预测前馈控制相结合,提出了基于ESO的电流应力优化预测前馈控制算法,以实现变换器动态性能及电流应力的同时优化。通过仿真验证了该算法的适用性及有效性。

关键词： 油浸式变压器   气路系统   仿真模型   状态评估  

摘要： 油浸式变压器作为电力系统中最为重要的设备之一,起到变换、输送和分配电能的作用,其对电力系统的安全运行至关重要。气路系统作为变压器的关键部件,既能维持外界大气压与变压器器身内气压之间的平衡,又能干燥变压器内部环境以避免外部水分入侵。因此有效监测变压器呼吸气路的运行状态并及时判断变压器内部的绝缘水平显得尤为重要。由于已有方法及装置存在可靠性差、无法避免更换失效硅胶等问题,本文针对油浸式变压器的气路系统开展了相关研究,主要从油浸式变压器气路系统数值模型构建、气流特性数值计算与分析、基于气流特征参数的变压器气路状态评估方法三个方面入手,逐步实现油浸式变压器气路运行状态的监测与评估。主要工作如下:首先,本文通过分析油浸式变压器热传导、热对流、热辐射的过程以及控制方程,建立变压器气路系统数值模型,包括“绕组-油流-空气”流固耦合传热模型、变压器内部油流流动模型、油枕胶囊袋内空气湍流模型、变压器气路系统多相流模型,并搭建气路系统实验平台开展实验测试与模型验证。其次,构建110k V油浸式变压器的仿真模型,设置模型参数、传热系数、物性参数,分析额定负荷下、差异化环境温度下和非稳态及故障状态下气路系统的气动特性,进行实际负荷下气路系统气动特性的仿真与验证。最后,通过变压器气流状态仿真分析和故障模拟,获取不同气流状态下的特征参数,利用布谷鸟算法优化的支持向量机实现气路系统的有效状态评估。此外,在上述研究成果的基础上,设计开发了气路系统的监测系统,并在实验平台和现场110k V变压器进行评估效果验证。

关键词： 电力变压器   故障诊断   多模态   数据融合   零样本学习  

摘要： 随着国内电力行业的快速发展，输变电线路的电压等级不断提高，超高压、大容量的电力变压器成为电能输送的重要基石。而在大数据的背景下，基于多模态的变压器故障诊断相比于传统的油色谱、振动等单模态诊断更具优势。同时，相比于单一的数据驱动方法，基于机理的故障诊断方法可以更深入地分析变压器不同部件的故障机理，并建立相应的物理模型，从根本上提高诊断精度。　　针对传统变压器故障诊断的缺陷，本文研究了一种基于多模态的、数据与机理融合的变压器故障诊断与识别方法。首先通过多模态传感器收集变压器的多种数据，并对数据进行清洗和预处理。随后，将DS证据理论作为基础模型，引入Person相关系数与模糊集理论，利用Person系数改进DS证据理论，对产气率与各证据体之间的可靠度进行量化分析。然后对故障阈值区间进行模糊化处理，并用模糊理论的方法生成隶属度函数，该隶属度函数就充当变压器故障的信度函数。最后用改进的 DS 证据理论对多模态数据进行融合，诊断电力变压器是否存在故障。　　在初步诊断的基础上，如果存在故障，则对故障类型作进一步分析。此时构建基于多模态的变压器故障识别模型，该模型分为两层智能算法的训练。第一层根据特征值对各个属性进行分类学习得到属性值。第二层对上一层学习器直接进行分类训练，得到具体故障。在此基础上引入零样本学习概念，结合监督的属性与变压器知识库构建故障属性矩阵，借助零样本的迁移学习方式实现不可见类故障的诊断，有效提高系统的灵活性。　　针对诊断过程中出现的样本不平衡导致诊断过程中出现准确率低的问题，本文介绍了SMOTE与EasyEnsemble相结合的样本不平衡优化方法。该方法采用了SMOTE算法在数据层面进行过采样，然后使用EasyEnsemble算法划分数据集的多数类样本，并将划分后的样本与少数类样本合并训练成弱分类器，以加权平均的方式进行故障识别。该方法有效缓解了样本不平衡对变压器故障诊断带来的影响。

关键词： 变压器   故障识别   核主成分分析   探路者算法   核极限学习机  

摘要： 变压器在电力系统输配电过程中起着调节电压的作用,其安全性、可靠性对保证整个供电系统的良好运行十分重要。如何研究高效、准确地识别出变压器的故障类型对减小因故障所带来的各方面损失、迅速使电力系统恢复正常工作具有重要意义。本文基于油中溶解气体分析技术(DGA),提出了基于核主成分分析(KPCA)与多个策略联合改进探路者算法(PFA)优化核极限学习机(KELM)的变压器故障诊断方法。首先,由于在传统油浸式变压器进行故障诊断时,一般选用的5种油中溶解气体(H、CH、CH、CH、CH)的浓度数值作为输入参数,针对上述5种气体含量较为分散,使分类的精度受到影响这一问题,采用无编码比值方法形成9种气体比值作为模型的输入,并使用KPCA对原始数据进行特征提取,去除冗余数据对诊断精度的影响。结合KELM算法作为变压器故障识别的模型进行仿真实验,结果表明以KPCA特征提取后的数据作为输入,可以有效的提升故障诊断准确率及缩短运行时间。同时通过与其他默认参数的故障诊断模型相比较,KELM故障诊断模型在故障诊断精度和时间上均占有一定的优势。然后,针对正则化系数C和核函数g对模型的故障诊断精度有着较大的影响,引入无限折叠迭代混沌映射(ICMIC)策略、邻域变异及纵横交叉策略对PFA进行改进。使用9个标准测试函数对改进后的PFA(IPFA)进行性能检测评估,并与标准PFA、粒子群(PSO)算法及正余弦算法(SCA)进行对比,通过数据的定量分析(最优值、均值及标准差)和寻优迭代示意图可以看出IPFA在收敛速度和寻优精度方面均有一定程度的提升,可应用于KELM参数的优化求解上。最后,利用IPFA对KELM模型参数进行优化求解,建立KPCA和IPFA优化KELM的变压器故障诊断模型,来提高变压器的诊断准确率。以KPCA预处理后的数据为模型输入,通过仿真实例分析表明,IPFA-KELM故障诊断模型在诊断精度和稳定性方面均优于PFA-KELM、PSO-KELM及SCA-KELM变压器故障诊断模型。结果证明本文提出的变压器故障诊断方法可以更为准确和迅速地对变压器故障信息做出精确、可靠的诊断,具有较高的工程实用价值。该论文有图27幅,表17个,参考文献74篇