摘要：预测变压器潜伏性故障对评估其健康状态至关重要。提出一种新型变压器故障预测方法,首先以LSTM网络为载体搭建时间注意力机制预测框架,并采用IALO算法优化其参数;其次利用优化的模型预测变压器油中溶解气体;然后采用MPA算法优化的SVM模型对气体预测结果进行故障诊断;最后统计诊断结果并与实际运行状态对比验证模型。实验结果显示在第42~58天内运行状态异常次数最多为29次,未来两个月内运行异常几率为86.89%,其中中温过热故障占比最高为88.67%,与实际情况误差仅为2.46%和1.29%,预测结果与实际运行情况符合较高,证明了所提方法在准确预测变压器运行状态异常时间点和故障类型中的可行性。

摘要：文中提出了一种基因多点交叉遗传算法，设计了基于该遗传算法、自动调整网络参数、连接权重和偏差的最优神经网络，建立了一套集溶解气体分析(DGA)技术、遗传算法和神经网络为一体的变压器故障诊断系统。由于基因多点交叉遗传算法的全局搜索能力和神经网络的高度非线性映射属性，文中的故障诊断系统能够较好地自动识辨变压器油中溶解气体与故障的对应关系，离线试验和现场运行结果表明，该诊断系统对变压器的过热、放电和受潮等故障诊断有一定的准确性。

摘要：提出一种改进的三比值变压器故障诊断方法。以模糊粗糙集为数学基础建立信息决策系统,采用数据挖掘技术解决这一建立过程中的若干问题。考虑到信息源的连续取值对模糊粗糙推理的影响,利用模糊集方法处理连续取值型属性。利用数据库知识发现技术挖掘数据库中隐含的聚类信息,设置属性的模糊取值并确定隶属函数。并在此基础上基于包含度对模糊规则进行约简和剔除。设计了适用于模糊粗糙规则提取的数据挖掘算法,从数据库中提取规则,按属性集建立多表决策库的拓扑结构。诊断结果表明,该决策库故障正判率较高,模糊判断规则适应现场条件。

摘要：设计了一种新型的变压器油中溶解气体实时在线监测系统。系统由三部分组成:油气分离、多组分气体检测和控制系统。在油气分离部分,通过采用特富龙膜和优化的油气回路设计,实现了1 h/次的脱气周期;将固体氧化物高温燃料电池(SOFC)引进到微量气体检测,取得的气体体积分数为0.1μL/L,通过与色谱双柱连用实现了多组分气体的单通道检测;控制系统采用ARM和DSP,实现了与电力信息管理系统(MIS)和远程监控中心的同步安全接入,并可实时进行故障跟踪。实验与现场运行证明,该系统具有实时检测、高精度和高性价比的特点。

摘要：考虑到模糊边界问题以及变压器个体之间的差异性特征,提出了一种基于大数据挖掘的电力变压器健康状态差异预警规则策略。应用模糊C-均值法辨识变压器的最优特性,通过概率图验证所提方法能最大限度地反映变压器的个性化特征,且所选特特征下的全套溶解数据符合Weibull模型。然后对溶解气体分布特征与缺陷/故障率进行关联分析,计算出相应的报警阈值。将气体浓度和气体增加率与已建立的警告相关联,可以识别变压器的运行状态,在此基础上,提出了基于不同阈值的预警规则,并将其应用于现场运行的变压器。试验结果表明:提出的方法准确率高达98.21%,证明了本文方法具有良好的状态监测性能。

摘要：根据极端气象条件下变压器产生故障时的环境参数,结合变压器故障预测中常用的油中溶解气体的含量,提出一种基于深度学习网络的故障预测方法。针对已有的变压器故障诊断方法泛化能力弱、时效性低、精度低等缺点,引入极端气象参数,并通过对多组数据序列进行时因分析,提取数据随着时间的变化关系;其次,设计一种新型的神经网络,将油气参数与极端气象参数的时间特征融合,并通过深度学习网络进行故障分类与预测。仿真实验结果表明,相比于其他传统故障预测方法,所提出的极端气象条件下基于深度学习网络的变压器故障预测方法准确率有显著提高。

摘要：变压器用环境友好绝缘液的应用近年得到了快速发展,天然酯、合成酯和改性酯等绝缘液成为变压器新型绝缘材料研究的热点。随着其在110 kV及以上变压器中的推广应用,矿物油填充变压器的溶解气体分析(DGA)故障诊断方法对酯类绝缘液填充变压器不再适用,亟需针对酯类绝缘液提出新的故障分析与诊断的方法。本文将设计的考虑铜油温差的热故障模拟系统用于低温热故障试验,以大豆基天然酯、菜籽基天然酯、山茶籽基天然酯、合成酯和棕榈基改性酯5种绝缘液为研究对象,对比分析了其在200℃和300℃低温热故障时纯绝缘液和绝缘液浸渍纤维素纸绝缘系统下的油中溶解气体实验结果,并讨论了IEC三比值法和Duval五边形法两种判据方法的适用性。结果表明:IEC三比值法仍适用于天然酯、合成酯的200℃和300℃低温热故障判定;Duval五边形法能够用于天然酯的低温热故障判定,经修正调整可对合成酯进行判定,但是改性酯的DGA判定结果与矿物油、天然酯判据规律不一致,基于矿物油的Duval五边形法不适用于棕榈基改性酯的低温热故障判定。

摘要：理论分析和实践表明,电力变压器绝缘故障与油中特征气体组分含量及特征气体组分比值密切相关。融合上述两类信息,对充油电力变压器DGA数据进行分析,提出针对特征气体组分含量和组分比值的规格化及提升与压缩数据处理方法,使用权值表示各类数据对于故障划分的相对重要程度,完成故障聚类,并设计出一种加权模糊聚类算法,该算法可实现故障聚类,计算故障聚类原型,完成权值的计算和优化。

摘要：不久前，精科公司与上海复旦大学联合承接的市科委攻关项目——“变压器油溶解气体分析在线色谱仪”通过了市科委专家的验收。专家们认为该在线色谱仪“各项功能及技术指标均达到或优于项目课题任务书的要求”，并对项目其中的两个进样系统技术申请了发明专利表示支持。“变压器油溶解气体分析在线色谱仪”实现了自动化操作，能够自动开机、打开气源、点火、加载热导池桥电流、进样、数据采集和数据处理等，在设计中采用了多项新技术，包括采用国内最先进的双气路分时进样系统和自动六通阀进样系统，具有自主的知识产权，为创新设计。