變壓器在線監(jiān)測(cè)與故障診斷系統(tǒng)研究.pdf

1、隨著世界上裝機(jī)容量的迅速增長(zhǎng),對(duì)供電可靠性的要求越來(lái)越高。對(duì)電力設(shè)備進(jìn)行在線監(jiān)測(cè)與故障診斷,是實(shí)現(xiàn)設(shè)備預(yù)知性維修的前提,是保證設(shè)備安全運(yùn)行的關(guān)鍵,也是對(duì)傳統(tǒng)的離線預(yù)防性試驗(yàn)的重大補(bǔ)充和拓展。 本文以變壓器狀態(tài)在線監(jiān)測(cè)與故障診斷系統(tǒng)為研究對(duì)象,在深入研究最小二乘支持向量機(jī)(LS-SVM)和經(jīng)驗(yàn)?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(duì)油中溶解氣體分析(DGA)和局部放電監(jiān)測(cè)中的信號(hào)抗干擾兩個(gè)方面進(jìn)行了研

2、究。 DGA是變壓器絕緣監(jiān)督的一個(gè)重要手段,但放電和過(guò)熱兩類故障共存時(shí)的故障難分辨會(huì)導(dǎo)致診斷正判率較低。本文對(duì)多種故障類型作了詳細(xì)分析后提出了兩種故障識(shí)別方法：基于LS-SVM多分類的DGA方法,通過(guò)相關(guān)統(tǒng)計(jì)分析和數(shù)據(jù)預(yù)處理,選擇變壓油中典型氣體作為L(zhǎng)S-SVM的輸入,然后利用典型故障氣體的相對(duì)含量在高維空間的分布特性進(jìn)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(jìn)行變壓器故障類型診斷。試驗(yàn)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(guò)熱共存時(shí)故障的難分辨問(wèn)題,對(duì)故障診斷的正判率較高。 近年來(lái)局部放電監(jiān)測(cè)一直是國(guó)內(nèi)外研究的熱點(diǎn)問(wèn)題,而干擾抑制一直是其中的難點(diǎn)。本文針對(duì)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(shí)域信號(hào)變換到頻域,利用LS-SVM對(duì)信號(hào)干擾頻率最大幅值點(diǎn)附近的數(shù)據(jù)進(jìn)行拓延,最后逆變換以得到

4、抑制干擾后的信號(hào),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(duì)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(jìn)行自適應(yīng)噪聲對(duì)消。針對(duì)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(duì)含噪的局部放電信號(hào)進(jìn)行EMD,得到含特征頻率的IMF,然后對(duì)所得的IMF分量進(jìn)行自適應(yīng)閾值處理后重