关键词： 电力变压器   故障诊断   蝗虫优化算法   支持向量机   气体检测  

摘要： 电力变压器是电网中必不可少的电压转换和传输设备，其运行状态密切关系着电网能否安全稳定地工作。基于油中溶解气体分析法(DissolvedGasAnalysis,DGA)的变压器故障识别是当前非常有效可靠的方法，在该领域中得到了广泛应用。传统的DGA诊断方法存在编码绝对和准确度较低等缺点，随着智能算法和气体检测技术的发展，智能的DGA诊断方法的普及已经成为一种趋势。　　由于变压器发生故障的几率低，并且变压器DGA数据的收集过程也很麻烦，使得带有明确故障的样本数量一直不多，而神经网络需要的数据量大且结构难以选择，因此，本文选择在小样本数据多分类问题中，具有处理非线性关系方便以及泛化性强等优势的支持向量机(SupportVectorMachine，SVM)作为构建变压器故障诊断模型的分类器。　　本文将支持向量机分类器应用于变压器故障诊断，针对支持向量机模型的超参数调整问题，提出了蝗虫算法优化的支持向量机的变压器故障诊断的新模型。由于常规的蝗虫优化算法(GOA)存在搜索前期易陷入局部最优、收敛速度过慢等缺点，本文提出多策略融合改进的蝗虫优化算法(MIGOA)。首先，采用Circle混沌映射初始化蝗虫个体位置，提高初始种群的多样性和每只蝗虫个体的利用效率，然后，提出一种自适应非线性权重系数递减方式，以平衡算法的全局勘探与局部开发能力，其次，通过t-分布算子使每个蝗虫个体的位置都有概率发生逐维变异，从而提高算法的搜索范围和跳出局部最优的能力，最后，利用7种测试函数对改进后的蝗虫算法进行性能检验，得出改进后的蝗虫算法(MIGOA)相较于常规的蝗虫算法、粒子群算法(PSO)、差分进化算法(DE)及遗传算法(GA)的搜索性能更强，寻优结果更接近全局最优值，并且收敛速度更快。　　将改进的蝗虫算法与支持向量机相结合，建立MIGOA-SVM故障诊断模型。该模型以变压器DGA数据作为输入，输出为故障类型，通过训练获得支持向量机优化后的最佳超参数，再利用该参数构建MIGOA-SVM变压器故障诊断模型，并使用测试集数据验证该模型的诊断预测能力。最后将基于MIGOA-SVM变压器故障诊断模型与GridSearch-SVM、PSO-SVM、DE-SVM、GOA-SVM模型进行实验对比，得出各模型的故障预测结果准确度分别为94.0%、81.9%、85.6%、89.7%、89.2%，因此，本文创建的模型能提高变压器的故障诊断准确率，具有一定的工程应用价值。

关键词： 变压器   气体浓度预测   机器学习   XGBoost  

摘要： 电力变压器作为电网运行中的关键设备之一,其工作状态与电力系统的安全与稳定运营有密切关系,一旦发生故障,会给社会用电安全和经济建设带来巨大损失,因此,对变压器故障诊断技术开展研究具有重要意义。变压器的故障诊断常采用油中溶解气体分析方法,随着智能电网的普及与在线监测技术的发展,借助于大数据,对变压器油中溶解气体的准确预测成为了可能。论文工作首次将XGBoost算法用于油中溶解气体的浓度预测,并考虑了外部环境因素和不同电压等级的变压器情况,预测了油中溶解气体的含量。首先,本文提出了一种改进的XGBoost模型,在验证了 XGBoost对气体浓度的预测具有可行性和可靠性的同时,为弥补原始模型的不足,运用孤立森林算法校正气体浓度数据,利用多项式拟合法对气体时间序列作去趋势处理,然后通过特征选择剔除冗余特征并添加预测中所欠缺的重要特征,并应用贝叶斯优化算法求取模型的最佳超参数组合。根据预测结果,XGBoost的预测精度在上述优化过程中不断提升,误差有效降低。最终,改进的XGBoost模型相比原始XGBoost模型,各气体浓度的预测均方根误差的减少率均在13.2%～91.4%之间,绝对百分比误差的减少率在20.1%～97.5%之间,模型拟合效果显著提升,验证了本文方法的有效性。接着,为了弥补油中溶解气体的预测较少考虑变压器外部环境参数影响的不足,论文工作基于四处不同地理位置变压器的油中溶解气体数据,结合当地的日平均温度、日平均相对湿度、日累计降水量及日平均气压,获得多维度的输入变量。从而观察气象数据对气体浓度预测的影响,并依据实验结果推断环境因素与气体之间的关系。研究表明,甲烷、氢气和一氧化碳对环境数据较为敏感,气象数据的输入可以有效提升对它们的预测准确度,而乙烷、乙烯以及二氧化碳则无法通过气象数据减少误差。最后,论文工作探究了对不同电压等级的变压器油中溶解气体预测的规律。利用来自两台110kV变压器、三台220kV变压器、三台500kV变压器与两台1000kV变压器的实时采样数据,应用改进的XGBoost模型对气体浓度的预测效果会由于电压等级的不同而有所差异,且不同类型气体的最佳模型预测精度也和变压器等级密切相关,但对1000kV变压器的气体预测时,误差总是相对较大。论文研究结果为不同等级变压器的油中溶解气体预测提供了有益的参考。

关键词： 电力电子变压器(PET)   电磁暂态(EMT)   等效建模   仿真步长选取   并行仿真  

摘要： 电力电子变压器(power electronic transformer,PET),也称固态变压器(solid-state transformer,SST),因兼具多端 口电能汇集和综合功率调控等功能,己逐渐成为大规模交直流混联和新能源并网的关键设备。然而,由于其节点多、频率高、仿真步长小的特点,基于PSCAD/EMTDC分立元件搭建的PET详细电磁暂态仿真(electromagenetic transient,EMT)效率极其低下,严重影响了科研人员的研究效率,因此建立高效的PET电磁暂态等效模型及高效仿真方法具有重要的工程意义。针对上述问题,论文的主要研究工作如下:首先,针对PET中经典拓扑——级联H桥(cascaded H-bridge,CHB)型PET,提出一种采用导纳单元预存的高效建模方法。以导纳是否可定为标准,将功率模块划分为不同导纳单元电路的组合,针对导纳时变的H桥,从有载二端口的角度,推导出其对外仅含2种等效导纳。将各导纳单元的导纳参数预存,利用叠加定理求取端口短路电流,即可快速获取功率模块等效电路参数,进而聚合形成PET等效模型。在PSCAD/EMTDC中,与分立元件搭建的详细模型进行对比仿真测试,验证所提等效模型的精度与提速效果。其次,为了优化模型仿真精度,从时域与频域两个角度,开展PET电磁暂态仿真误差分析与步长优化选取研究。通过仿真验证了步长选取不当会造成仿真误差变大,并从数值积分的角度分析了仿真误差的影响机理。从时域角度,以截断误差表征系统局部误差特性,在此基础上给出了基于相对均方根误差的最大仿真步长求取方法。考虑到谐振型变换器系统的特殊性,提出了基于复频域离散导纳相对误差的仿真步长选取方法。综合考虑时域、频域仿真误差和控制系统共同约束后,给出PET仿真步长的优化选取方案。最后,为进一步提高仿真效率与CPU利用率,提出一种PET多线程并行仿真框架,并为所提等效算法的适用性推广提供了思路。对采用导纳单元预存的PET高效算法流程进行可并行性分析,调用OpenMP并行计算接口,实现各模块独立子函数并行运算,并对并行效果的影响因素进行了理论分析。通过PSCAD/EMTDC仿真验证,所提并行仿真方法对于原有等效算法的精度完全保留,且可以实现对原有等效模型2～3倍的二次提速。

关键词： 变压器   故障诊断   RBF网络   鱼群算法  

摘要： 变压器在电网中承担着传输电力和变化电压的任务,重要地位不言而喻。尽早的发现变压器的运行隐患和故障,合理的部署检修计划,能有效的延长设备使用寿命,避免经济损失。本文重点围绕变压器故障诊断技术展开了研究,概述了传统电力变压器的故障诊断方法和人工智能诊断方法,提出了改进人工鱼群算法(IAFSA)优化RBF网络的变压器故障诊断技术。首先,使用单一 RBF 网络来完成变压器的故障诊断,RBF网络对大量的典型样本完成学习之后,通过自组织形式来完成学习和分类得到了诊断结果,成功实现了故障的分类。但是当变压器设备运行工况十分复杂时,所需的RBF网络规模巨大,会出现因为中心参数不好确定导致故障判断正确率欠佳的情况。为了确定出RBF网络的最优网络参数,本文引入了鱼群智能算法(AFSA)。其次,通过研究AFSA算法的原理和不足,对AFSA的参数和行为分别加以优化,采取了可变视野和步长、分段式拥挤因子,并引入了变异操作,设计了改进人工鱼群算法的诊断模型和流程图,改进后的鱼群算法的优势明显,搜索性能更好且不易陷入局部最优解。利用IAFSA来优化RBF网络的基函数中心和宽度,帮助RBF网络确定出最优网络参数,经过MATLAB完成仿真后,证明了经由IAFSA-RBF网络的诊断正确率更高,诊断方法更加可靠优异。最后,基于IAFSA-RBF网络的理论成果,使用MATLAB平台中的APP designer设计了变压器故障在线监测软件,结合了油在线技术成功实现了诊断结果的可视化,帮助运管人员更高效的掌握设备的运行状态,具有很强的使用价值。

关键词： 电力变压器   声纹振动   故障诊断   生成对抗网络  

摘要： 电力变压器作为电力设备中的重要一员,对其进行在线监测与故障诊断便成为当前亟待解决的一项重要课题。声纹振动分析法,因其与设备内部元件无直接电气联系且灵敏度较高,对于诊断变压器内部机械类型故障具有一定的优势,目前被广泛应用于变压器在线监测领域。与此同时,随着人工智能领域的发展,将深度学习中的先进算法应用于变压器故障诊断中,对于挖掘变压器振动数据的高维属性以及相关特征具有传统方法无可比拟的优势,且深度学习算法在数据生成方面可以较好解决变压器故障数据难以获得的问题。在此研究背景下,本文的研究工作摘要如下:在对人工智能领域中深度学习算法和生成对抗网络理论进行分析后,将先进的生成对抗网络衍生算法在改进后应用于变压器的异常诊断中,在对实验评价指标进行说明后,分析了三种衍生算法分别对于直流偏磁异常信号、高次谐波异常信号以及噪声异常信号的诊断能力。开发了基于STM32单片机的变压器智能声纹诊断设备,实现了对变压器声纹振动信号的边缘计算,搭配后台服务器,形成了一套可实时在线监测变压器运行状况并进行故障诊断的系统。并使用开发的智能声纹诊断设备在某直辖市110kV变电站完成了对变压器振动信号的采集工作。实现了生成对抗网络衍生算法在已开发设备上的移植。将训练好的生成对抗网络模型移植到开发的诊断设备中,在数据采集的同时,对信号进行实时诊断,并通过迪文屏将实时曲线与诊断曲线同时显示出来。实验证明,移植算法后的设备具有对异常声纹振动信号进行检测的能力。

关键词： 特高压换流变压器   励磁涌流   和应涌流   故障性涌流   差动保护  

摘要： 为了实现能源结构的转变,我国正在积极推进特高压直流输电技术。而其中的换流变压器是特高压直流输电系统中的关键部件,因此,其是否能安全稳定运行是十分重要的。由于特高压直流输电系统电压等级高、且为交直流混联系统,使其耦合关系更加密切,故换流变压器参数与普通变压器有较大差异,传统差动保护能否适用于特高压换流变压器仍有待考究。本文针对特高压换流变压器的涌流特性进行深入研究,分析发现新的涌流识别方法。本文开展的主要研究工作如下:首先,本文对特高压直流输电系统进行建模,并对特高压输电系统中各个组成元件展开了分析及参数说明,详尽的介绍了其控制模型原理和特高压输电系统所特有的多种运行方式,为后续研究奠定了基础。其次,对特高压直流输电系统换流变压器的励磁涌流及内部故障进行特性分析,并对其进行传统差动保护适应性分析,得出在发生励磁涌流及空载合闸于匝间故障时,传统差动保护不能准确对其进行判别。由于励磁涌流及内部故障波形趋势特征有较大差异,故引入斯皮尔曼系数对其波形进行区分。而针对空载合闸于匝间故障时其波形具有涌流特性的问题,将其网侧零序电流时间系数作为一辅助判据,通过PSCAD仿真验证,表明所提方法能有效区分励磁涌流及内部故障,换流变压器的安全性可以得到改善。再次,对特高压换流变压器和应涌流进行一定的特性分析,并在此基础上对传统差动保护及差动保护新方法的适应性进行分析,得出在发生考虑CT饱和情况下的和应涌流时,传统差动保护和差动保护新方法都不能准确的进行判别。根据和应涌流差动电流幅值远小于内部故障的特征,在提出的差动保护新方法上增加一基于差动电流幅值的判据,对和应涌流及内部故障进行初步判断后,仍用斯皮尔曼系数及零序电流时间系数对内部故障进行进一步判断。而对于差动电流幅值均很小的和应涌流及空载合闸于匝间等工况,则仅用零序电流时间系数即可进行判断。最后,针对特高压换流变压器故障性涌流进行特性分析,并对其进行传统差动保护及差动保护改进新方法适应性分析,可以得到:由于故障性涌流其电流具有明显涌流特性,导致传统差动保护及差动保护改进新方法都不能准确判断。根据故障性涌流的阀侧电流具有明显的涌流特性,因此,对其进行二次谐波含量分析可以得到,故障性涌流阀侧电流二次谐波含量较高,故增加一以阀侧电流二次谐波含量为判断的辅助判据,可有效保障元件安全运行。

关键词： 变压器故障诊断   油中溶解气体分析   RBST算法   天鹰算法   LightGBM  

摘要： 随着我国经济的迅速发展,居民用电需求急剧增加,作为输电线路中重要设备的电力变压器,其工作状况将直接关系到电网的稳定。因此,对变压器的运行状况进行识别、诊断并采取相应的处理措施,对于保障电力系统的安全稳定运行具有重要的意义。本文针对油中溶解气体分析(DGA)技术提出一种基于数据平衡与MIAO优化LightGBM的变压器故障诊断方法。首先,针对DGA数据集缺失值易损失重要样本携带的信息,而导致模型学习性能不佳,以及数据样本不平衡导致模型对样本量较少的类别识别度较低的问题,提出RBST处理方法,对DGA数据进行缺失值填充以及少类样本均衡化处理。为验证该方法对数据处理的有效性,将处理前、后的两类数据样本输入LightGBM等六种分类模型中,将得到的故障诊断结果进行相比,证明分类模型对本文方法处理后的数据识别能力更优,且该处理方法不受限于故障诊断模型,具有一定的普适性和泛化性。同时验证了LightGBM变压故障诊断模型良好的识别能力。其次,考虑LightGBM超参数对变压器故障诊断结果具有一定影响,且人为调整难以平衡多个参数性能,导致模型识别效果不佳等问题,提出MIAO-LightGBM变压器故障诊断模型。首先针对AO算法在求解复杂优化问题时存在易陷入局部最优等不足,采用镜像单纯形法策略、社会自由觅食策略以及阶梯步进策略,同时校正原有开发机制,以此提出多策略改进的天鹰优化算法(MIAO)。经10个基准测试函数和10个CEC2017测试函数对MIAO算法进行验证,通过与天鹰算法(AO)、麻雀算法(SSA)、其他改进天鹰算法(AOAOA)和改进海鸥算法(GSCSOA)进行对比,得出改进后的MIAO算法在收敛速度、精度和局部逃脱能力均有显著提升;最后采用MIAO算法对LightGBM模型的相关超参数进行寻参,建立MIAO-LightGBM变压器故障诊断模型,探索出一组最适合的超参数值进一步提升变压器故障识别精度,将诊断结果与AO-LightGBM和SSA-LightGBM方法的诊断结果进行对比验证,证明所提方法构建的变压器故障诊断模型的有效性。最后,为进一步提升集成模型MIAO-LightGBM的识别精度,将本文所提模型预测结果通过BP神经网络进行误差修正,经验证加入BP神经网络进行误差修正后能提升整体模型的诊断能力,最终建立基于数据平衡与MIAO优化LightGBM误差修正的变压器故障诊断集成模型(RBST-MIAO-LightGBM-BP)。结果验证本文方法能够更准确的识别变压器故障类别,做出可靠的诊断结果,具有一定的工程实用价值。该论文有图33幅,表26个,参考文献75篇。

关键词： 大型变压器   压缩性能试验   绕组刚度   有限元分析   水带压紧等效试验  

摘要： 社会经济的蓬勃发展带动了电力系统的飞速建设,其中,大型变压器作为重要的电压转换和电流输送设备,其制造与生产过程被认为是保证设备性能的重要环节。据变压器损坏事故统计,大部分故障发生在变压器绕组部分,而绕组出厂前需进行预压紧以抵抗短路电流带来的电动力等外力,增强绕组的机械及电气性能。目前,我国变压器制造厂对于绕组压紧结构的理论少有研究,并未深入分析各规格参数对结构压缩规律的影响,对内部结构变化的分析研究与国外发达国家存在一定差距。因此,分析绕组结构变化、模拟绕组在压紧过程中的受力和变形等情况对变压器的性能和安全至关重要。本文对变压器绕组水带压紧方法进行深入研究,通过压缩力学性能试验分析了绕组主要构件的压缩过程,并基于其变化规律建立了变压器绕组的刚度数学模型,采用有限单元法,对水带压紧过程进行动态特性仿真,得到了绕组的应力和位移分布规律,设计并搭建了变压器水带压紧试验台,研究了水带充压后绕组的应力分布和轴向位移变化情况,对水带压紧效果进行分析,具体研究内容如下:(1)利用电子万能试验机,测试了三种预处理条件下(未干燥、干燥、干燥后浸油)绕组主要构件(绝缘纸板、铜扁线圈)的压缩性能,分析了其刚度值变化情况,通过光镜观察部分试件结构变化,详细研究了其刚度值变化机理。通过Exp Assoc模型进一步拟合了圧缩过程曲线,建立了多重因素影响下的变压器多层绕组刚度数学模型。研究发现:变压器绕组刚度与线圈绕制根数、绝缘纸板层数、绕组预处理条件等因素有关。干燥和浸油处理能够降低绝缘纸板的压缩应变值,并且显著提升铜扁线圈的压缩应变程度,两种构件刚度值在加载初期突然降低。这是因为预处理后纸板被油品填充,更易产生变形,同时纸板结构和线圈外层绝缘纸压实后致密性提高。(2)首先,使用有限元软件模拟了水带压紧绕组过程,对绕组压紧过程的位移和应力分布情况进行了分析和对比,研究了充压过程中水带的空腔体积变化情况。研究发现:外侧水带的体积增速高于内侧,绕组轴向位移主要集中于垫片叠间的线圈上,与绕组下半部分相比,上半部分的位移和受力值更大。其次,位移情况主要按照波纹状分布,波峰位于下半部分垫片位置,绕组顶端线圈位移量最大,呈现下凹趋势。同时,应力主要集中在垫片附近,垫片两侧应力逐步降低。(3)为明确水带产生的压紧力大小,分析其变化趋势和规律,根据变压器实际安装结构,通过阻尼器设备等效变压器绕组,设计并制造了变压器水带压紧试验台,建立了水带压紧过程的平衡方程,计算了水带膨胀过程中对绕组结构产生的压紧力,分析了对应内压力与下压轴向位移的变化关系。研究发现:随着水带内压逐渐增大,其压紧力和下压产生的轴向位移随之增加。同时,压紧力大小与水带的横向和纵向接触长度有关,内侧水带的压紧力增幅高于外侧,外侧水带的部分体积增长出现在绕组外部的水带腔内。本文通过试验与仿真分析方法,研究了变压器绕组的水带压紧过程,基于不同规格和预处理条件内部构件的压缩试验数据,建立了变压器绕组刚度数学模型,分析了水带压紧过程的压紧力变化趋势和绕组的应力与位移分布情况,为变压器绕组水带压紧方法的研究和工程应用提供了可靠的数据支撑和理论指导,对提高变压器的性能,优化变压器压紧工艺具有重要意义。