论文部分内容阅读
电力变压器作为电力网络中最重要的一次设备之一,其安全、稳定、可靠的运行对国民生产和生活具有非常重要的意义。传统变压器维护采用定期停电检修的方法,该方法具有非常大的局限性,停电期间电力供应的不足、非检修期突发故障不可预测、无故障定期检修对人力物力造成大量浪费。为解决此问题,国内外研究机构提出了变压器故障在线监测系统。但监测系统大都为单一的气体监测,其诊断结果模糊,故障类型过于宽泛,不能实现高效、精确的故障诊断。本文在此背景下,提出了建立多参量变压器在线监测系统。为解决变压器工作状态和故障类型之间存在复杂的非线性关系,本文以IEC三比值法为例,讨论了使用BP神经网络建立变压器工作状态在线监测系统的详细步骤。同时针对传统神经网络本身存在的一些缺点,易陷入局部最小和收敛过慢,讨论了多种改进算法,并依次进行仿真验证,根据仿真结果选择适当的算法。针对多参量系统,讨论了各个监测子系统输出数据值相差较大的问题,提出数据归一化方法,为将神经网络可靠的应用于多参量监测系统提供了保证。针对现有的变压器状态在线监测系统故障诊断结果模糊,预测结果过于宽泛的问题,提出建立多参量综合性变压器状态在线监测系统。根据不同监测子系统特性,讨论了多参量综合性监测系统的组成方式。列举出了各子系统所诊断的故障类型,以及不同系统所监测故障类型的交集,根据其监测故障交集情况,确定各个监测系统的故障诊断重叠区,即同一故障可由多个监测系统同时诊断。根据重叠区内故障类型和对应的多个监测系统之间的关系,确立综合性在线监测系统构建策略,实现多个监测系统配合诊断故障。最终根据故障重叠区各监测系统的信息,以弹性BP神经网络为拟合工具,建立了旨在缩小故障诊断范围的多参量智能变压器在线监测系统,大大提高了故障类型诊断的精度,取得了更精确的故障诊断结果。最后采用离线验证的方式对系统的有效性进行考证,事实证明本系统可以有效预测变压器故障,对故障类型和部位进行更详细的定位和诊断。