论文部分内容阅读
随着电力系统的不断发展,电网规模日益扩大,电力变压器的数量也随之增加,电力变压器是电力系统中重要的电力传输和转换设备之一,它的运行状态将直接影响整个电力系统的安全和稳定运行。因此,对变压器发生灾难性故障之前故障诊断的研究具有十分重要的意义。 变压器复杂的结构和恶劣的使用环境导致变压器非常容易发生故障。变压器故障类型和故障特征之间存在非线性和不确定性关系,故障之间和特征之间又互相耦合,使得变压器故障诊断的数学模型难以建立,仅靠单一方法和单一特征量难以对故障进行准确判断。因此,本文采用基于多源信息融合的故障诊断方法提高变压器故障诊断的准确性。 本文首先介绍大型油浸式电力变压器故障诊断的研究现状,分析变压器常用的故障诊断方法和不足之处。然后,阐述油浸式电力变压器的基本结构,变压器内部故障和故障特征之间的耦合关系。最后,详细介绍多源信息融合的故障诊断框架下故障诊断的两种具体方法。 多源信息融合的故障诊断框架主要由基于DGA的故障诊断方法和基于电气及相关量的故障诊断方法组成,把变压器内部作为一个整体对待,避免只采用单一方法的局限性和只针对某一特征量诊断的片面性。基于DGA的故障诊断方法将变压器油中5种特征气体作为输入,采用ICSBP算法根据气体的组分和含量与不同故障之间的关系来诊断故障的类型和程度。ICSBP算法是改进的布谷鸟搜索算法优化BP神经网络,在布谷鸟搜索算法中引入惯性权重,同时在步长和发现概率方面做出改进。通过验证,ICSBP在收敛速度和分类准确性等方面都有提高,可以更好地应用于变压器故障诊断中。基于电气及相关量的故障诊断方法是由各类传感器、调理电路、AD转换电路和DSP等组成在线监测系统对变压器内部重点对象:铁芯、绕组、微水和油温等进行实时监测,可以及时发现DGA难以察觉的突发性异常。最后,把两种方法的故障诊断结果进行融合,对变压器的内部故障做出更加准确全面的诊断。