论文部分内容阅读
大型变压器是电力工业中最重要、最昂贵的关键设备之一,随着电力系统朝着超高压、大电网、大容量、自动化方向发展,其可靠运行关系到电力供应安全与否,对国民经济发展与人民生活影响重大。因此开展大型电力变压器的绝缘检测及故障诊断技术研究,及早发现电力变压器早期绝缘潜伏性故障,对于保证电力变压器及整个电力系统的安全、可靠、稳定运行具有重要的理论实际意义。目前的变压器油中溶解气体检测装置普遍存在两个主要问题,即传感器的精度和长期稳定性不高以及使用色谱柱不适于现场连续在线监测的固有缺陷。要解决这两个主要问题,需要选择新型的气体检测技术。论文从光声光谱应用于气体检测入手,针对氢气在红外波段内无吸收的特点,根据氢气浓度对光声信号相位影响的原理定性的分析了光声信号相位变化量与氢气浓度的关系特性;然后根据光声信号产生的机理得到了其幅值与其它六种特征气体浓度的关系特性。结合目前气体光声光谱检测技术的研究现状,以及应用于变压器运行现场的具体要求,对油中溶解气体检测试验平台组成部件进行了说明,分析了其中最为关键的部件——光声池的原理及设计实现。针对微弱光声信号检测过程中的强噪声干扰,采用小波阈值去噪和混沌检测相结合的方法来抑制检测中的噪声干扰提取出微弱光声信号,采用在LabVIEW平台中集成Simulink仿真模型的方法构建信号检测系统,实验结果表明该方法可以在很大程度上提高信噪比并且具有较高检测精度,能有效地抑制任意分布的噪声干扰。最后系统了分析诊断技术中经常使用的BP算法容易陷入局部极小和收敛速度慢等缺点的原因,引入了小波神经网络,并分析采用BP算法优化小波神经网络参数的缺点,提出采用自适应遗传算法优化小波神经网络的结构参数,通过变压器油中溶解气体数据对BPWNN和AGAWNN进行了比较,在收敛速度、结构优化和诊断效果等方面显示出AGAWNN比BPWNN具有较好的优越性能。