关键词： 煤直接液化   加氢稳定油   变压器油   催化加氢  

摘要： 为延伸煤直接液化产品的产业链、提高煤直接液化产业附加值和经济性，本文以神华鄂尔多斯直接液化工厂生产的煤直接液化加氢稳定油为原料，通过加氢精制反应-加氢异构反应-蒸馏切割的工艺路线制备变压器油。其中，一段加氢精制实验采用RNC-2为催化剂，在300 mL连续加氢装置上考察了不同反应温度、不同体积空速对加氢产品油性质及芳烃饱和反应的影响。结果表明，反应温度升高或体积空速降低，反应氢耗和气产率均增大；同时，各芳烃饱和率均随反应温度的升高而升高、随体积空速的增大而降低，且多环芳烃饱和率＞双环芳烃饱和率＞单环芳烃饱和率；随后，以一段加氢精制产品油为原料，采用THDW-5为催化剂在30 mL连续加氢装置上开展了二段加氢异构反应，反应压力15 MPa、反应温度350 ℃、体积空速1.2/h时的加氢产品油物性数据表明，经二段加氢异构反应后，产品油的倾点明显降低，由-12 ℃降低到-45 ℃，硫、氮元素含量均＜1 mg/L；最后，二段加氢产品进行实沸点切割得到280 ℃～295 ℃馏分，其物性分析结果显示该馏分可用作I-30℃变压器油。

关键词： 变压器   故障诊断   过采样算法   深度学习   开普勒优化算法  

摘要： 变压器是电力系统中贵重且重要的电气设备，其稳定运行是电力系统供电可靠性和运行稳定性的重要保障，但变压器故障是不可避免的，及时、准确的故障诊断是变压器安全运行的技术基础。变压器油中溶解气体分析（Dissolved Gas Analysis， DGA）数据的不均衡是影响诊断模型训练精度的重要因素，本文通过安全级过采样法对DGA数据进行增强，同时引入三比值法扩充特征，得出增强后的数据集。对于变压器故障诊断算法方面提出基于开普勒优化算法（Kepler Optimization Algorithm， KOA）的卷积神经网络（Convolutional Neural Network， CNN）-长短期记忆网络（Long Short-Term Memory，LSTM）变压器故障诊断算法。该算法通过CNN提取特征，LSTM提取深层次的特征，通过组合开普勒优化算法以及CNN-LSTM深度学习网络对变压器DGA增强数据集进行深度学习，得出优化诊断模型，以达到较高的诊断准确率。

关键词： 多端口DC-DC变换器   光伏直流汇集   功率失配   电压均衡  

摘要： 多端口输入独立输出串联（IIOS）型直流变换器具有独立最大功率点跟踪控制（MPPT）、高升压比和高效率等优点，适用于分布式光伏中压直流汇集场合。针对分布式光伏系统输入功率不匹配会造成子模块输出电压不均匀，导致器件过电压和系统最大输出功率损失的问题，本文提出了一种基于功率解耦多绕组变压器（PD-MWT）的多端口输入独立输出串联型双半桥IIOS变换拓扑结构，与现有其它多端口IIOS变换器相比，该拓扑结构将子模块变换器中的隔离变压器和用于电压均衡的多绕组变压器集成在一个PD-MWT中，可以显著减小整个IIOS系统体积和尺寸。此外，该变换器仅需在电路中配置较少的传感器就能实现MPPT控制和输出均压均衡，且网侧开关管比其他IIOS变换器具有更低的电流应力，最后通过MATLAB/Simulink仿真和三模块900W小型样机实验验证了该拓扑的工作原理和相关性能。

关键词： 对称型双芯移相变压器   本体保护   复合型差动保护   电平衡差动   故障定位  

摘要： 对称型双芯移相变压器(该文简称“移相变”)，能够实现输电线路传输功率的动态调节，提高系统潮流输送的灵活性。然而由于对称型双芯移相变压器拓扑结构复杂，内部故障特征耦合交错，为其本体保护方案的设计和配置优化带来了挑战。为解决这一问题，该文在分析移相变磁路结构的基础上，基于基尔霍夫电流定律、电磁感应定律等基本电路原理建立了一种适应于对称双芯移相变压器的复合型差动保护方案。该方案仅通过一套继电器便可以反映串联变压器和励磁变压器的匝间、匝地故障及其之间引线的短路故障。进一步的，通过附加电平衡差动，实现了移相变区内故障的定位功能，相较于已有保护方案，反映的故障类型更为全面的同时减少了电流互感器的配置数量，提高了经济性。最后，基于MATLAB/Simulink仿真平台搭建了对称型双芯移相变压器仿真模型，通过大量仿真实验，验证了该文所提方案的可行性和有效性。

关键词： 油浸式变压器   温升试验   热点温度   动态演化规律   推演计算模型  

摘要： 变压器绕组动态温度信息可有效衡量其负载能力和服役寿命，基于此本文开展了油浸式变压器绕组热点动态温升演化规律及推演计算模型研究。首先，基于“电磁-流-热”多场耦合仿真获得了不同负载率下变压器绕组的稳态温度分布，并通过温升试验验证仿真模型的有效性；然后，仿真分析了绕组热点动态温升演化规律，研究了热点动态温升与负载率的关联关系；最后，采用差分进化算法对温升曲线进行预测，研究提出了绕组热点温升推演计算模型。结果表明，本文多场耦合温度仿真结果与实测结果的最大误差小于5%；绕组热点温升值随负载电流施加时间的增长呈现出饱和型指数函数增长规律，稳态温升值随负载率的增大呈幂函数规律增长，动态温升时间常数值随负载率增大呈幂函数下降规律；采用本文推演计算模型求解获得的绕组热点稳态温升值的最大误差百分比仅为2.83%，温升时间常数值的最大误差百分比仅为4.76%。本文成果为采用小负载率温升试验数据推演获得大负载率电流下的温升数据提供了可行性，为解决现场变压器温升试验实施难、检测时间长的问题提供了技术参考。

关键词： 高频变压器   高频损耗   热点温度   最小二乘支持向量机   多目标优化设计  

摘要： 准确进行高频变压器(high frequency transformer， HFT)优化设计对其自身和所属系统的综合性能提升意义重大。然而，现有HFT优化设计方法通常利用简化解析公式计算磁心与绕组损耗、热点温度等电磁热参数，虽然这些解析公式的计算速度较快，但其精度较低，继而导致其所得优化设计结果的准确性与可靠性不高。为兼顾HFT优化设计的精度与速度，本文首次引入基于最小二乘支持向量机(Least Squares Support Vector Machines， LS-SVM)的HFT电磁热参数代理模型，并基于非支配排序遗传算法(non-dominated sorting genetic algorithm II，NSGA-II)提出了一种新的HFT优化设计方法。为验证本文所提LS-SVM代理模型的优越性，将其与循环神经网络和深度神经网络代理模型对比，结果表明LS-SVM精度更高。最后，基于所提优化设计方法对一台5kHz/10kW的HFT进行多目标优化，并用有限元对最优设计方案仿真。将所提HFT电磁热参数代理模型与传统解析模型计算值及有限元计算值对比，得到本文模型计算误差分别为2.77%、3.03%、0.92%，验证了本文所提优化设计方法的准确性与可靠性，所提方法对HFT多目标优化设计具有重要的参考意义。

关键词： 配网电力   变压器匝间   短路故障   处理  

摘要： 配网电力变压器作为电网中的关键设备,其运行稳定性直接影响到电力系统的供电质量.匝间短路故障是变压器常见的故障之一,可能导致设备损坏甚至引发安全事故.本文分析了绝缘老化、制造缺陷、操作不当等匝间短路故障的原因,介绍了局部放电检测、超声波检测等故障检测方法、绕组重绕、绝缘处理等故障修复技术及故障处理后的测试与验证流程.

关键词： 深度学习   超短时   长短时记忆   贝叶斯优化   顶层油温   自适应归一化  

摘要： 为了关联历史数据与预测数据，提升变压器超短期顶层油温预测精度，对比不同模型预测效果，提出了一种基于深度学习的变压器超短期顶层油温预测方法。该方法基于长短期记忆神经网络和贝叶斯理论优化为基础，利用主变压器油温值、高压侧电流值、环境温度值、高压侧有功值、环境相对湿度等数据信息在主成分分析白化处理，通过优化网络超参数后的深度学习模型拟合超短期变化趋势，实现深度学习下的变压器超短期顶层油温预测。利用贝叶斯优化方法通过较少的步数寻找到较好的超参数组合，进一步缩小历史数据信息对预测模型的影响。实验结果表明，所使用的算法模型在一周内的数据的预测误差均在±3.5%以内，相比其他两种预测模型具有更好的预测精度。