油浸式变压器电弧放电故障检测研究
发布时间：2020-12-13 06:10
油浸式变压器是电力系统中广泛使用的关键变电设备。其发生内部故障往往会造成变压器停运,甚至损毁事故等,直接威胁电网运行安全。目前,已有针对其故障主要包括油中溶解气体检测、局部放电检测以及振动检测等方法。但在高温,高压,油密封的工况中,由于恶劣工作环境,强噪声等因素,已有方法要实现快速准确的变压器故障检测与识别仍存在挑战。论文针对油浸式变压器危害较为严重的电弧光放电故障,开展了油浸环境下电弧放电故障检测研究。初步讨论并验证了电弧光检测、分析与基于机器学习方法的电弧放电故障判别方法。论文主要工作和取得的成果包括了:(1)通过实验方法明确油浸环境下电弧光光谱成分特性。分析了电弧放电发生机理,利用交流电焊机搭建了电弧放电故障模拟装置,设计并搭建了光谱分析的实验平台和电弧光信号采集平台。通过实验明确了在油浸环境中铜材料电弧光谱为700~1000nm的红外波段,完成了100个无故障,200个电弧放电故障样本数据的采集。(2)构建了基于小波包分解的电弧光信号特征提取方案,实现了信号的特征提取和特征筛选。通过分析信号频带能量变化特点,设采用5层小波包分解,归一化频带能量计算确定了弧光信号的32个频带能量...
【文章来源】：福建工程学院福建省
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
变压器油中电弧放电物理现象图
光谱提取的实验装置连接示意图
图 2-4 PG-2000 光谱仪实物图 图 2-5 FIB-600-L(1.0m)-XSR 光纤探头表 2-2 光谱仪参数探测范围 信噪比 A/D 位数 积分时间 光学分辨率200~1100nm 400：1 16bits 1ms~120s 0.13-7.05nm
【参考文献】：
期刊论文
[1]一种新的电力变压器超声局部放电定位方法研究[J]. 秦少瑞,王彦博,丁国成,季坤,李坚林,朱太云,甄超,谢佳,张晨晨,张冠军. 绝缘材料. 2019(02)
[2]基于改进的RBF神经网络的滚动轴承故障诊断[J]. 张远绪,程换新,宋生建. 工业仪表与自动化装置. 2018(06)
[3]基于Relief算法与ReLU核ELM的煤矿开采最大下沉预测模型研究[J]. 魏勇,唐延东,喻强,杨春兰. 煤矿开采. 2018(05)
[4]浅析SVM核函数对手写数字识别的影响[J]. 武昭盟,张成刚. 电脑知识与技术. 2018(27)
[5]基于支持向量机的电机故障诊断方法综述[J]. 蒋波涛,张博,黄新波. 微电机. 2018(07)
[6]电力变压器故障检测技术的现状与发展趋势[J]. 孙玉凤. 山东工业技术. 2018(16)
[7]基于FUZZY-SVM的软件质量综合评价[J]. 郑鹏. 长春工业大学学报. 2018(03)
[8]基于能量强度的电力变压器故障严重性评估方法研究[J]. 王健一,李阳,汪可,任明,李金忠,董明. 绝缘材料. 2018(05)
[9]基于振动信号分形维数的变压器松动诊断方法[J]. 赵莉华,丰遥,谢荣斌,薛静,张霖,王仲. 电测与仪表. 2018(03)
[10]基于振动特征的变压器的故障诊断[J]. 刘玉芝,张鑫宇,张守梁. 河北师范大学学报(自然科学版). 2018(01)
博士论文
[1]空气高压放电紫外特性及多光谱成像技术研究[D]. 房陈岩.中国科学院研究生院(上海技术物理研究所) 2016
[2]电力变压器局部放电信号的特征提取与模式识别方法研究[D]. 尚海昆.华北电力大学 2014
[3]基于RBF网络逼近的机器人自适应动态面控制方法研究[D]. 罗绍华.重庆大学 2013
[4]电力变压器故障诊断方法研究[D]. 武中利.华北电力大学 2013
硕士论文
[1]基于关联气体和优化支持向量机的变压器故障诊断[D]. 柴俊岭.西安理工大学 2018
[2]变压器油色谱分析及故障诊断[D]. 尹河.河北科技大学 2018
[3]Relief特征选择与混合核SVM在疾病诊断中的研究[D]. 麻书琴.太原理工大学 2017
[4]基于Relief算法的siRNA特征选择研究[D]. 舒崇河.吉林大学 2017
[5]基于振动分析法的变压器状态监测系统的研究与实现[D]. 吴曾雄.华南理工大学 2016
[6]光伏交流汇流中故障电弧的检测研究[D]. 徐保.西安科技大学 2016
[7]支持向量机核函数及关键参数选择研究[D]. 尹嘉鹏.哈尔滨工业大学 2016
[8]基于油气相色谱分析的变压器内部故障诊断[D]. 郎金慧.华北电力大学 2016
[9]基于小波包能量谱与HHT的隔膜泵主轴故障诊断研究[D]. 印嘉.昆明理工大学 2013
[10]视觉检测在自动晶圆划片系统中的应用研究[D]. 曹成兵.华东理工大学 2013
本文编号：2914054
【文章来源】：福建工程学院福建省
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
变压器油中电弧放电物理现象图
光谱提取的实验装置连接示意图
图 2-4 PG-2000 光谱仪实物图 图 2-5 FIB-600-L(1.0m)-XSR 光纤探头表 2-2 光谱仪参数探测范围 信噪比 A/D 位数 积分时间 光学分辨率200~1100nm 400：1 16bits 1ms~120s 0.13-7.05nm
【参考文献】：
期刊论文
[1]一种新的电力变压器超声局部放电定位方法研究[J]. 秦少瑞,王彦博,丁国成,季坤,李坚林,朱太云,甄超,谢佳,张晨晨,张冠军. 绝缘材料. 2019(02)
[2]基于改进的RBF神经网络的滚动轴承故障诊断[J]. 张远绪,程换新,宋生建. 工业仪表与自动化装置. 2018(06)
[3]基于Relief算法与ReLU核ELM的煤矿开采最大下沉预测模型研究[J]. 魏勇,唐延东,喻强,杨春兰. 煤矿开采. 2018(05)
[4]浅析SVM核函数对手写数字识别的影响[J]. 武昭盟,张成刚. 电脑知识与技术. 2018(27)
[5]基于支持向量机的电机故障诊断方法综述[J]. 蒋波涛,张博,黄新波. 微电机. 2018(07)
[6]电力变压器故障检测技术的现状与发展趋势[J]. 孙玉凤. 山东工业技术. 2018(16)
[7]基于FUZZY-SVM的软件质量综合评价[J]. 郑鹏. 长春工业大学学报. 2018(03)
[8]基于能量强度的电力变压器故障严重性评估方法研究[J]. 王健一,李阳,汪可,任明,李金忠,董明. 绝缘材料. 2018(05)
[9]基于振动信号分形维数的变压器松动诊断方法[J]. 赵莉华,丰遥,谢荣斌,薛静,张霖,王仲. 电测与仪表. 2018(03)
[10]基于振动特征的变压器的故障诊断[J]. 刘玉芝,张鑫宇,张守梁. 河北师范大学学报(自然科学版). 2018(01)
博士论文
[1]空气高压放电紫外特性及多光谱成像技术研究[D]. 房陈岩.中国科学院研究生院(上海技术物理研究所) 2016
[2]电力变压器局部放电信号的特征提取与模式识别方法研究[D]. 尚海昆.华北电力大学 2014
[3]基于RBF网络逼近的机器人自适应动态面控制方法研究[D]. 罗绍华.重庆大学 2013
[4]电力变压器故障诊断方法研究[D]. 武中利.华北电力大学 2013
硕士论文
[1]基于关联气体和优化支持向量机的变压器故障诊断[D]. 柴俊岭.西安理工大学 2018
[2]变压器油色谱分析及故障诊断[D]. 尹河.河北科技大学 2018
[3]Relief特征选择与混合核SVM在疾病诊断中的研究[D]. 麻书琴.太原理工大学 2017
[4]基于Relief算法的siRNA特征选择研究[D]. 舒崇河.吉林大学 2017
[5]基于振动分析法的变压器状态监测系统的研究与实现[D]. 吴曾雄.华南理工大学 2016
[6]光伏交流汇流中故障电弧的检测研究[D]. 徐保.西安科技大学 2016
[7]支持向量机核函数及关键参数选择研究[D]. 尹嘉鹏.哈尔滨工业大学 2016
[8]基于油气相色谱分析的变压器内部故障诊断[D]. 郎金慧.华北电力大学 2016
[9]基于小波包能量谱与HHT的隔膜泵主轴故障诊断研究[D]. 印嘉.昆明理工大学 2013
[10]视觉检测在自动晶圆划片系统中的应用研究[D]. 曹成兵.华东理工大学 2013
本文编号：2914054
本文链接：https://www.wllwen.com/kejilunwen/dianlidianqilunwen/2914054.html
