變壓器在線監(jiān)測與故障診斷系統(tǒng)研究.pdf

1、隨著世界上裝機容量的迅速增長,對供電可靠性的要求越來越高。對電力設(shè)備進行在線監(jiān)測與故障診斷,是實現(xiàn)設(shè)備預(yù)知性維修的前提,是保證設(shè)備安全運行的關(guān)鍵,也是對傳統(tǒng)的離線預(yù)防性試驗的重大補充和拓展。 本文以變壓器狀態(tài)在線監(jiān)測與故障診斷系統(tǒng)為研究對象,在深入研究最小二乘支持向量機(LS-SVM)和經(jīng)驗?zāi)B(tài)分解(EMD)理論的基礎(chǔ)上,將其引入到變壓器故障診斷系統(tǒng)中,著重對油中溶解氣體分析(DGA)和局部放電監(jiān)測中的信號抗干擾兩個方面進行了研

2、究。 DGA是變壓器絕緣監(jiān)督的一個重要手段,但放電和過熱兩類故障共存時的故障難分辨會導(dǎo)致診斷正判率較低。本文對多種故障類型作了詳細分析后提出了兩種故障識別方法：基于LS-SVM多分類的DGA方法,通過相關(guān)統(tǒng)計分析和數(shù)據(jù)預(yù)處理,選擇變壓油中典型氣體作為LS-SVM的輸入,然后利用典型故障氣體的相對含量在高維空間的分布特性進行變壓器故障類型診斷；基于鄰域粒子群算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的DGA方法,選擇油中典型氣體作為神經(jīng)網(wǎng)絡(luò)的輸入,然后

3、利用訓(xùn)練好的鄰域粒子群算法優(yōu)化后的神經(jīng)網(wǎng)絡(luò)進行變壓器故障類型診斷。試驗結(jié)果表明,這兩種方法具有很好的分類效果,較好地解決了變壓器放電和過熱共存時故障的難分辨問題,對故障診斷的正判率較高。 近年來局部放電監(jiān)測一直是國內(nèi)外研究的熱點問題,而干擾抑制一直是其中的難點。本文針對窄帶干擾,提出了兩種方法：基于LS-SVM回歸的頻域分析法,將原始時域信號變換到頻域,利用LS-SVM對信號干擾頻率最大幅值點附近的數(shù)據(jù)進行拓延,最后逆變換以得到

4、抑制干擾后的信號,該方法有效地拓展了干擾頻帶的寬度,較好地抑制了窄帶干擾殘余；基于EMD和自適應(yīng)噪聲對消的方法,首先在頻域中降低干擾幅值,接著利用EMD的分頻特性將寬頻帶的窄帶干擾分解到不同頻帶,各頻帶內(nèi)的窄帶干擾頻率相差有限,然后進行自適應(yīng)噪聲對消。針對白噪聲干擾,提出了一種全新的方法：基于EMD和固有模態(tài)函數(shù)(IMF)重構(gòu)的方法,首先對含噪的局部放電信號進行EMD,得到含特征頻率的IMF,然后對所得的IMF分量進行自適應(yīng)閾值處理后重