论文部分内容阅读
随着我国电力事业的不断发展,对电力设备的状态评估技术的研究愈发重要。有载分接开关作为有载调压变压器中的关键部件之一,是一种在不中断输出的情况下改变变压器匝数比的机械装置。保证有载分接开关的机械工艺制造水平以及运维检修水平是其正常运行的关键,它也将影响有载调压变压器以及整个电网的安全稳定。
有载分接开关的故障是造成变压器各种事故的一种主要原因,而在有载分接开关的故障类型中,机械故障占据了绝大多数。有载分接开关的机械故障会影响其切换动作过程,导致切换过程中过渡电路的开关参数发生改变,其电气特性因而发生相应变化;另一方面,振动信号中包含着丰富的机械状态信息,机械故障的发生会使切换动作时的振动信号发生明显变化。对有载分接开关机械状态的评估关系到整个设备及电网的安全稳定运行,对此,本文从切换过程中的电气特性及机械特性两方面出发,对有载分接开关的综合状态评估技术进行研究。本文所开展的主要研究工作如下:
(1)真空有载分接开关切换过程电气性能研究。为揭示变压器有载分接开关切换过程的电气特性,选取常用的真空式单电阻双隔离转换触点过渡结构的有载分接开关,对其过渡原理进行了研究。搭建相应的有载分接开关电磁暂态仿真模型,研究正常工况下的有载分接开关电流、电压等电磁暂态特性,重点研究该结构过渡电路触头间的恢复电压及环路电流以验证有载分接开关可以顺利完成档位切换的必要条件。同时仿真研究不同过渡电阻阻值及多种异常状态对真空开关切换过程电磁暂态特性的影响,为有载分接开关的设计选型及状态评估提供参考。
(2)有载分接开关操动过程机械振动信号特征提取算法研究。当有载分接开关发生异常状况时,其操动过程中的机械振动信号也会发生变化,其中蕴含着故障后的特征信息。为了准确的提取和反映故障特征,本文寻求更加有效且适用于有载分接开关工程领域的特征提取算法。将基于自适应噪声的完备经验模态分解算法引入有载分接开关机械振动信号的处理中;提出能量比值、K-L散度及自相关函数相结合的分量优选准则,以有效选取分解得到的一系列有限带宽本征模态函数;最终提取相应的样本熵、均方根值特征参数。
(3)有载分接开关机械状态综合评估技术研究。在有载分接开关电磁暂态特性及振动特征提取算法研究基础之上,采用了概率神经网络,通过麻雀搜索算法对概率神经网络的平滑因子进行优化。利用Bagging集成算法,通过异构分类器的方式,将优化后的概率神经网络与其他弱分类模型进行集成。将切换过程的电流电压等电气特征参数与机械振动信号的特征参数输入至改进的集成概率神经网络中进行状态评估,最终结果表明本文提出的模型提高了分类准确度,可在状态评估领域中进一步应用。
有载分接开关的故障是造成变压器各种事故的一种主要原因,而在有载分接开关的故障类型中,机械故障占据了绝大多数。有载分接开关的机械故障会影响其切换动作过程,导致切换过程中过渡电路的开关参数发生改变,其电气特性因而发生相应变化;另一方面,振动信号中包含着丰富的机械状态信息,机械故障的发生会使切换动作时的振动信号发生明显变化。对有载分接开关机械状态的评估关系到整个设备及电网的安全稳定运行,对此,本文从切换过程中的电气特性及机械特性两方面出发,对有载分接开关的综合状态评估技术进行研究。本文所开展的主要研究工作如下:
(1)真空有载分接开关切换过程电气性能研究。为揭示变压器有载分接开关切换过程的电气特性,选取常用的真空式单电阻双隔离转换触点过渡结构的有载分接开关,对其过渡原理进行了研究。搭建相应的有载分接开关电磁暂态仿真模型,研究正常工况下的有载分接开关电流、电压等电磁暂态特性,重点研究该结构过渡电路触头间的恢复电压及环路电流以验证有载分接开关可以顺利完成档位切换的必要条件。同时仿真研究不同过渡电阻阻值及多种异常状态对真空开关切换过程电磁暂态特性的影响,为有载分接开关的设计选型及状态评估提供参考。
(2)有载分接开关操动过程机械振动信号特征提取算法研究。当有载分接开关发生异常状况时,其操动过程中的机械振动信号也会发生变化,其中蕴含着故障后的特征信息。为了准确的提取和反映故障特征,本文寻求更加有效且适用于有载分接开关工程领域的特征提取算法。将基于自适应噪声的完备经验模态分解算法引入有载分接开关机械振动信号的处理中;提出能量比值、K-L散度及自相关函数相结合的分量优选准则,以有效选取分解得到的一系列有限带宽本征模态函数;最终提取相应的样本熵、均方根值特征参数。
(3)有载分接开关机械状态综合评估技术研究。在有载分接开关电磁暂态特性及振动特征提取算法研究基础之上,采用了概率神经网络,通过麻雀搜索算法对概率神经网络的平滑因子进行优化。利用Bagging集成算法,通过异构分类器的方式,将优化后的概率神经网络与其他弱分类模型进行集成。将切换过程的电流电压等电气特征参数与机械振动信号的特征参数输入至改进的集成概率神经网络中进行状态评估,最终结果表明本文提出的模型提高了分类准确度,可在状态评估领域中进一步应用。