基于油中气体分析和局部放电检测的变压器故障诊断技术研究

发布时间：2020-01-30 22:22

【摘要】：电力变压器是电力系统最重要的输变电设备,变压器故障诊断有助于保证系统运行的安全与稳定。在变压器故障前期,会伴随有电脉冲、局部发热以及绝缘材料分解气体等现象,通过量化和测量可以得到描述变压器状态的数据,从这些数据中提取特征值,并使用算法进行分析,实现变压器的故障判断和故障类型识别。论文主要研究了变压器故障诊断中的数据采集、信号(图像)处理、数据分析和模式识别等内容。 在利用变压器油色谱在线监测结果形成的变压器故障诊断方法的研究中,应用数学形态学对色谱仪的输出信号进行滤波,并通过图像处理提取电压,利用支持向量机实现电压——气体浓度的非线性回归,设计一种多核多分类支持向量机,并针对支持向量机核参数难以选择的问题,设计了一种核参数优化方法,实现对变压器故障类型的识别。研究和实验表明,采用该优化算法的支持向量机能够获得很好的分类性能,且具有收敛速度快、样本需求小、诊断准确性好的优点。 在利用变压器局部放电检测结果构成的变压器故障诊断研究中,设计了自适应形态滤波器滤除放电检测干扰,通过归一化形态谱提取单次放电波形的特征值,并利用支持向量机实现放电类型识别。综合滤波实验表明,自适应形态滤波器克服了传统形态滤波器统计偏移的特点,无论是对周期性干扰还是白噪声都有显著的抑制效果。在放电类型识别实验中,对多分类支持向量机与BP神经网络进行性能比较,实验表明,多分类支持向量机诊断精确度更高,更适合小样本学习。 最后,对论文工作进行了简要总结,并指出了有待进一步改进的内容。
【学位授予单位】：南京理工大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TM41

【参考文献】

相关期刊论文 前10条

1 肖燕彩;张清;;基于模糊支持向量机的变压器故障诊断[J];北京交通大学学报;2012年01期

2 宋小杉;蒋晓瑜;罗建华;姚军;;基于类间距的径向基函数-支持向量机核参数评价方法分析[J];兵工学报;2012年02期

3 杜洋;用“无编码比值法”分析和判断变压器故障性质[J];变压器;1999年03期

4 孙才新,李新,杨永明;从白噪声中提取局部放电信号的小波变换方法研究[J];电工技术学报;1999年03期

5 王梦云;2004年度110kV及以上变压器事故统计分析[J];电力设备;2005年11期

6 王万宝;李永宁;周迎新;杨琦欣;綦巍;;GIS超声波局部放电检测技术的应用分析[J];电气技术;2012年02期

7 宋云亭;张东霞;吴俊玲;彭冬;梁才浩;邱野;陈志刚;吴琼;曹静;;国内外城市配电网供电可靠性对比分析[J];电网技术;2008年23期

8 李剑;王小维;金卓睿;孙才新;程昌奎;;变压器局部放电超高频信号多尺度网格维数的提取与识别[J];电网技术;2010年02期

9 赵春晖,孙锐,孙圣和;形态滤波器结构元的自适应优化算法[J];电子与信息学报;2002年03期

10 王有元;徐海霞;陈伟根;周军;袁园;;电力变压器状态维修策略的灰局势决策方法[J];重庆大学学报;2009年12期

相关博士学位论文 前1条

1 武中利;电力变压器故障诊断方法研究[D];华北电力大学;2013年

，

本文编号：2574828