关键词： 故障录波数据   故障分析   变压器保护   动作特性分析   QT平台  

摘要： 随着电力领域在各行各业中的发展,电力系统的结构愈加复杂,而变压器作为电力系统的主要装置,分析变压器的保护动作特性对电力系统的稳定运行具有重要的意义。传统的变压器保护系统主要依靠硬件设备和专业技术人员进行实时监测和故障诊断,但这种方法存在成本高、维护困难等问题。因此,本文对故障录波数据处理、故障特征分析以及变压器保护装置数字模拟的方法进行研究,并利用QT平台开发了基于故障录波数据的变压器保护动作特性分析系统。首先,本文详细介绍变压器的数学模型,并对变压器主保护、后备保护原理以及常见的变压器故障类型进行分析,包括故障原因、故障现场表现以及对应的维修措施等,为后续对变压器保护动作特性分析模块的设计及对故障录波数据的特征量分析打下基础。其次,本文阐述QT平台的开发环境及相关特点,包括QT的可跨平台优势及其强大的可拓展性等。为了提高故障诊断的准确性,还对插值处理、特征量分析、相位校正、幅值校正、序分量分析和谐波分析等各个环节的实现方法进行分析。本文所设计的系统总体架构包括以下四个部分:录波数据文件读取及数据存储、波形重现、故障特征量分析及变压器保护动作特性分析模块,并针对不同模块的设计和实现方法进行详细分析。其中,故障特征量分析模块及变压器保护动作特性分析模块是整个系统的核心部分。在变压器保护动作特性分析模块中,本文基于QT平台分别设计差电流速断保护、比率制动式差动保护、励磁涌流闭锁保护、零序电压电流后备保护、复合电压闭锁过流后备保护、间隙零序后备保护和过负荷保护等保护模块,并分别针对它们的保护判据及参数配置方法进行分析。最后,本文基于哈尔滨光宇电气自动化有限公司所提供的故障录波数据,结合本文所研发的系统进行实例分析,实现对该录波数据进行波形重现以及故障特征量分析,并针对系统中变压器保护动作特性分析的运行效果进行演示。最终结果表明,本文设计的基于故障录波数据的变压器保护动作特性分析系统可以有效地诊断变压器故障类型,并提供精确的变压器保护动作特性分析,为变压器的稳定可靠运行提供了保障。该系统不仅具有良好的实用性和普适性,也为相关电力企业供配电系统的运行维护提供了技术支持。

关键词： 变压器   故障诊断   支持向量机   麻雀搜索算法   莱维飞行  

摘要： 电力变压器在电网运行中有着举足轻重的地位，很大程度影响了供电的可靠性，关系着整个社会的用电问题。一旦变压器发生故障导致跳闸事故，将造成大面积停电，从而引发大量的经济损失。因此，及时对变压器进行故障诊断，能够有效减小损失，避免进一步发展事故，从而使得变压器能够更加健康地运行。　　传统的变压器故障诊断方法通常是基于变压器油中溶解气体分析（DissolvedGasAnalysis）技术，通过油色谱装置来监测各种特征气体的含量，从而对变压器内部的故障进行判断。DGA存在编码缺失、诊断精度有待提高的缺点。本文提出了针对高维、非线性、小样本问题的支持向量机（SupportVectorMachine）来对变压器进行故障诊断，支持向量机是以统计学习理论VC维（Vapnik-ChervonenkisDimension）和结构风险最小化原则为基础。支持向量机对于数据样本小、故障类型较多的变压器故障诊断有不错的效果。经过比较之后，选取运行速度更快的二叉树法作为支持向量机的分类方法;选择有良好的学习能力和推广能力的高斯径向基核函数作为SVM核函数，通过选取输入特征量、确定故障分类、确定故障诊断流程，建立支持向量机变压器故障诊断的模型。　　SVM中的参数（惩罚因子C和核参数g）影响了模型的分类精度，需要对其进行优化。本文引入了麻雀搜索算法（SparrowSearchAlgorithm）对惩罚因子C和核参数g进行优化。SSA是基于麻雀的觅食和应对敌人的方法，与其他群体智能算法相比，SSA对样本的搜索精度更高，寻优速度更快，在基本参数方面设计较为简单。同时，为了解决SSA容易陷入局部陷阱的缺点，引入莱维飞行来改进麻雀搜索算法，增强全局搜寻能力和产生新解摆脱局部最优值的能力。将SSALevy与粒子群算法、差分进化算法同时对几种函数寻优，通过比较，证明SSALevy的寻优精度、收敛速度都优于另外两种算法。　　本文找了具有明确结论的DGA数据作为数据样本，采用SSALevy、粒子群算法和差分进化算法分别对SVM中的参数（惩罚因子C和核参数g）寻优后进行变压器故障诊断，将三者结果进行对比，发现SSALevy-SVM的故障诊断准确率和诊断速率优于另外两种算法，最后使用传统的改良三比值法、BP神经网络对测试集数据进行故障诊断后，发现故障诊断准确率同样低于本文所提方法。验证了本文构建的SSALevy-SVM的可行性。

关键词： LLC谐振变换器   可变电感   定频控制   混合控制  

摘要： 随着新能源发电、电动汽车等新型应用的发展,对谐振变换器的性能要求也越来越高。虽然LLC谐振变换器具有结构简单、高效以及能够在全负载范围内实现软开关等优势,得到了广泛应用。但是在新能源发电、电动汽车等宽输入电压范围场合下,调频控制会导致效率下降,且磁性元件的设计难度大,很难符合这些新型应用的需求。因此为了克服上述不足,本文在拓扑上采用全桥双变压器(Full-Bridge Dual-Transformer,FBDT)LLC谐振变换器结构并对其控制方法进行研究。首先在典型的LLC谐振变换器的基础上,对FBDT LLC谐振变换器调频控制的工作原理进行分析。当该变换器工作在谐振频率附近时,可以有效的降低原边的环流损耗。使用基波分析法推导出了双变压器LLC谐振变换器的电压增益表达式,并绘制出增益曲线,对工作区域进行划分。通过PSIM仿真对变换器的调频控制进行了验证。其次,针对变频控制需要较宽的频率变化范围才能满足增益要求不足,利用可变电感技术可以实现变换器的定频控制,使电磁干扰(Electromagnetic Interference,EMI)问题得到了很好的改善。为了实现对变换器定频控制,需要根据可变电感的工作原理以及等效磁阻模型,得到电感值的表达式,完成对可变电感的设计。由谐振变换器的特性可知开关频率越接近谐振频率时效率越高。因此对变换器的效率进一步的优化,将可变电感控制与调频控制相结合,通过同时改变可变电感与开关频率来实现电压增益的调节,让变换器始终在谐振频率附近工作,来提高变换器的效率。最后,基于可变电感控制变换的器理论分析进行变换器的参数以及硬件电路的设计,完成实验样机的搭建,为了验证理论的可行性,分别对定频控制与混合控制的软开关特性以及稳态特性进行了测试,实验波形与理论基本一致。

关键词： 变压器   过热点故障   超声波   有限元仿真   神经网络  

摘要： 作为电力系统中的核心设备,油浸式电力变压器的绕组热点温度是判断其运行状态的重要指标,然而变压器金属外壳的屏障作用使得常规测温方法难以获取变压器内部的热点信息,现有检测技术也均存在一定的弊端。因此本文将超声测温方法引入变压器热点温度检测领域,然而相较于超声测温的其它应用场景,变压器内部超声波的传播路径难以确定,于是提出基于机器学习算法的超声测温新方案,在变压器油箱外壁安装超声波传感器,其发出声波在变压器内部的传播受到热点温度的影响,提取接收超声波形的特征参数,利用机器学习算法对热点温度和位置进行分类。以期望提供一种检测变压器绕组热点温度的新方法,同时为变压器运行状态的检测提供理论与实验基础。本文首先搭建超声测量变压器热点温度的实验平台,研究实验中超声波的传播路径和变压器油中声速随温度的变化特性。发现超声波是由发射端传感器发出,穿过变压器内部到达接收端,并携带变压器内部的热点温度信息;确定了变压器油中和温度的函数关系,为模拟变压器内部超声波受温度影响的传播过程提供参数设置的依据。其次搭建变压器声-热耦合模型,确定传感器布置位置和热点缺陷的位置和温度大小,仿真分析超声波在变压器内部的传播规律以及变压器热点缺陷对声场传播的影响。发现超声波在传播过程中遇到绕组会发生反射现象,部分超声波传播方向变为反向并且与后传播而来的声波发生混叠,超声波在绕组中传播速度更快。当变压器内部存在热点缺陷时,热点附近绕组温度较高,绕组表面的声压等值面会向热点缺陷的位置弯曲,随着热点温度变高,弯曲现象更加明显;当热点位置不变,热点温度变大时,同一传感器接收到有效声波信号的时间随之增加;当热点温度不变,热点位置改变时,各个传感器受不同热点位置的影响大小不同,接收到的声波信号变化也各不相同。最后提取变压器存在不同热点缺陷时各个传感器接收到声波信号的特征参量,利用不同的BP神经网络对过热缺陷的位置和温度大小进行识别。发现对热点位置识别的准确率在95%以上,对热点温度识别的准确率在77%左右,对热点位置和温度同时识别的准确率为80%。该方法对过热缺陷位置识别的准确率较高,这是因为热点位置对超声波传播的影响更大,热点位置不同时传感器接收到的超声信号变化明显,由此提取的特征参数的识别效果更好。

关键词： 油浸式电力变压器   电磁耦合   温度场   绕组受力   数字孪生  

摘要： 油浸式电力变压器是电力系统中最常用的电力设备之一,其主要作用是实现电能在不同电压等级之间的转换。它通过油这种介质实现对绕组的冷却和绝缘,同时也能够吸收和抑制变压器内部电磁场的干扰,保证电力系统的稳定运行。数字孪生是一种将现实世界的实体系统转化为数字模型的技术,用于实现虚实融合的设计、优化和监控。在油浸式电力变压器的应用中,数字孪生技术可以对变压器的运行状态进行实时监测,预测变压器可能出现的故障并提供及时的维护建议,从而提高变压器的可靠性和效率。然而,数字孪生技术在油浸式电力变压器运维中的应用尚未成熟,相应研究也较为匮乏。本文针对数字孪生技术在油浸式电力变压器运维中的应用展开分析,重点研究了油浸式电力变压器数字孪生建模与仿真过程,发掘了数字孪生应用于油浸式电力变压器、提升电力系统运行稳定性的积极意义。本文的主要工作如下:1)建立了油浸式电力变压器数字孪生电磁耦合模型并进行了仿真。本文首先介绍了变压器内部涡流场求解的数学模型,而后使用FreeFEM++软件建立了油浸式电力变压器的几何模型,通过对模型的剖分、对不同求解区域的赋值、对电磁场问题的定义,求解出了变压器内部的电磁场分布情况。对比验证了此数字孪生模型仿真结果的准确性、结果可视性和实时性,并分析了此模型与传统建模仿真的区别。2)本文在油浸式电力变压器数字孪生电磁耦合模型的基础上,求解出变压器内部损耗作为温度场热源,建立了油浸式电力变压器数字孪生温度场模型。在三维场景下,对变压器内部已达稳态的温度场进行了仿真分析。在二维场景下,对变压器内部从初始状态发展到稳态的温度场变化过程进行了仿真分析。将两次仿真结果进行了对比,验证了数字孪生温度场模型的仿真准确性。3)本文基于油浸式电力变压器数字孪生电磁耦合模型,通过对模型后处理建立了油浸式电力变压器数字孪生绕组受力模型。求解了油浸式电力变压器三相短路工况下的最大短路冲击电流,并进行了此工况下油浸式电力变压器绕组受力仿真分析,总结了此工况下油浸式电力变压器绕组受力规律。

关键词： 变压器   故障诊断   特征选择   不平衡样本处理   油中溶解气体浓度预测  

摘要： 电力变压器是电力系统的枢纽设备,在电能的传输、分配中发挥着重要作用,其能否正常稳定的运行将直接影响电网的供电可靠性,变压器发生故障时会破坏电力系统稳定和产生巨大的社会经济损失。因而,对变压器进行故障诊断和油中溶解气体预测,可提前对变压器的运行状况进行精准的分析,及早发现变压器的潜在性故障及其发展趋势,科学的安排维护和检修。本文以油中溶解气体数据为基础,结合机器学习算法开展了以下研究:(1)针对表征变压器故障的特征参量存在分歧,人为选择不当易造成特征缺失或特征冗余从而降低分类模型性能的问题,提出了一种利用随机森林算法对表征变压器故障类型的22维特征向量进行筛选的方法,以极端梯度提升树(XGBoost)为分类模型进行结果验证。算例结果表明,对比常用的5种特征气体、三比值、无编码比值,本文提出的10维特征作为输入时,BPNN、SVM、ELM、XGBoost等4种模型的故障诊断平均准确率都得到提高,验证了所提特征选择的可行性;在所选输入特征下,XGBoost模型的诊断平均准确率及对每类故障的召回率均优于其它3种模型,验证了模型的有效性。(2)针对变压器故障样本存在类不平衡和XGBoost模型关键参数难以确定的问题,提出了一种以自适应综合过采样算法(ADASYN)对数据预处理,同时采用蛇优化(Snake Optimizer,SO)算法寻找XGBoost模型的最优超参数的变压器故障诊断方法。首先使用ADASYN对故障数据集进行过采样处理,减小数据集的类不平衡性,降低分类模型的偏向性;然后采用SO算法迭代寻找XGBoost模型重要超参数的最优值,建立SO-XGBoost模型识别变压器故障类型。算例结果表明,SO算法相比遗传算法和粒子群算法,在全局搜索能力和收敛精度上表现更佳;ADASYN算法可以降低训练集的类不平衡度从而提高了模型诊断正确率;在不同样本训练集样本容量下,SOXGBoost模型的泛化性能均优于其它模型。(3)针对变压器油中溶解气体浓度预测精度偏低的情况,建立了一种基于卷积神经网络(CNN)和蛇优化双向长短期记忆网络(SO-Bi LSTM)的油中溶解气体预测模型。借助卷积神经网络对表征气体浓度变化的多维特征向量进行变换,构造成时间序列输入到双向长短期记忆神经网络(Bi LSTM),并使用SO算法对Bi LSTM网络中的超参数进行迭代寻优,建立CNN-SO-Bi LSTM预测模型。算例结果表明,与一般循环神经网络预测方法相比,所提预测模型精度更高。

关键词： 配电变压器   匝间短路   有限元法   多物理场耦合   特征检测  

摘要： 配电变压器是配电网中的核心设备,具有数量多、分布广、安装位置分散等特点,其稳定运行直接影响着广大用户的供电质量。由于单台设备成本较低,电网企业对配电变压器状态运维的关注度远不及主网设备。现场运行经验表明,匝间短路故障是配电变压器最易发生的故障类型之一,并且往往其严重程度较高。现有变压器匝间短路的研究主要针对于不同位置线匝发生永久性短路时的故障特性,而一旦发生永久性匝间短路,就会迅速导致保护跳闸、设备损坏甚至燃爆起火事故的发生,难以实现对故障的预警和有效遏制。本文基于配电变压器运行工况,聚焦绕组匝间短路故障前期的发展过程,对绕组载流、漏磁、电动力引发的损耗、发热、振动等特征量的发展演化特性进行研究。首先,采用ANSYS有限元仿真软件建立了 10kV配电变压器不同程度的匝间短路故障模型。通过仿真计算得到了匝间短路前后及不同短路阻抗下的电流、漏磁场和线匝电动力的变化情况,发现随着匝间短路程度的发展,绕组出线电流变化不大,而短路匝的电流、短路匝附近的漏磁场以及短路匝所受电动力显著增大,可达正常运行的数十倍。其次,利用多物理场耦合仿真,搭建“电磁—结构”场耦合模型,将电磁参数代入到温度场和谐响应分析模块进行有限元计算。仿真分析了变压器绕组匝间短路前后及不同短路阻抗下的有功损耗、发热和振动的变化特征。结果表明,伴随着匝间短路程度的发展,绕组温度急剧增大,振幅增加到正常运行的20倍。提出将有功损耗、温度和振动参量作为配电变压器匝间绝缘缺陷检测的重点。最后,在实验室建立了 10kV配电变压器匝间短路发展过程试验平台,设计制作了匝间短路故障线圈模型,试验验证了匝间短路故障发展过程中的温度、有功损耗以及振动参量的变化规律。同时结合试验结果、现场案例以及试验故障模型受力计算,发现故障模型下温度参量和振动参量是故障过程中绝缘破坏、故障恶化的主导因素,长时间受故障应力作用会使线圈烧蚀熔断、摩擦挤压变形,导致永久性匝间短路和故障进一步扩大,甚至造成绝缘击穿。