基于油中溶解气体分析的电力变压器故障诊断技术的研究

论文摘要

本文在深入研究电力变压器油中溶解气体与故障类型之间关系的基础上,从状态评估、故障诊断和故障预测三方面研究基于油中溶解气体分析的电力变压器故障诊断技术。主要研究内容如下:(1)针对电力变压器状态评估,提出了基于加权灰靶理论的电力变压器状态评估方法。以不同程度故障的均值构造标准模式,并提出了档次分级和具体评分相结合的分级策略,提高了评估方法的稳定性和通用性。(2)针对电力变压器故障诊断,提出了基于改进的非线性同伦BP算法的电力变压器故障诊断方法。在避免陷入局部极小点的能力大大提高的同时,也提高了故障诊断的准确性和可靠性。(3)针对电力变压器故障预测,提出了基于改进的灰色预测GM(1,1,ρ)模型的电力变压器故障预测方法。能够有效预测变压器油中溶解气体在未来时刻的浓度,为故障预测提供依据。(4)构建了电力变压器故障诊断专家系统,并设计了其软件平台。提出了基于综合关联度分析的最佳源范例推理机制,在一定程度上弥补了专家系统浅层推理的不足。本文提出了对电力变压器进行状态评估、故障诊断和故障预测三位一体的研究理念,为电力变压器的状态维修提供了理论依据,对降低电力变压器的维修费用和提高电力变压器的可靠性具有重要的理论意义和实际应用价值。

论文目录

• 提要
• 第1章 绪论
• 1.1 引言
• 1.2 电力变压器故障诊断技术的国内外研究现状
• 1.2.1 电力变压器故障诊断研究现状
• 1.2.2 电力变压器状态评估研究现状
• 1.2.3 电力变压器故障预测研究现状
• 1.3 本文主要研究内容
• 1.4 本章小结
• 第2章 电力变压器内部故障与油中溶解气体的关系
• 2.1 引言
• 2.2 电力变压器油中溶解气体产生的机理
• 2.2.1 气体产生的原理
• 2.2.2 气体在油中的溶解
• 2.2.3 正常运行时油中溶解气体含量
• 2.3 电力变压器内部故障与油中溶解气体的关系
• 2.4 本章小结
• 第3章 电力变压器状态评估方法的研究
• 3.1 引言
• 3.2 灰靶理论的基本思想
• 3.2.1 灰模式
• 3.2.2 标准模式
• 3.2.3 灰靶变换
• 3.2.4 靶心度分级
• 3.2.5 状态评估的计算流程
• 3.3 基于灰靶理论的电力变压器状态评估方法
• 3.3.1 基于均权灰靶理论的电力变压器状态评估方法
• 3.3.2 基于加权灰靶理论的电力变压器状态评估方法
• 3.3.3 电力变压器状态分级策略
• 3.3.4 实验结果分析
• 3.4 结论
• 3.5 本章小结
• 第4章 电力变压器故障诊断方法的研究
• 4.1 引言
• 4.2 人工神经网络理论
• 4.2.1 人工神经元模型
• 4.2.2 神经网络的类型
• 4.2.3 神经网络的学习方式
• 4.3 BP网络原理及其学习算法
• 4.3.1 BP网络的原理
• 4.3.2 BP网络学习算法的不足及常用改进方法
• 4.4 同伦 BP算法
• 4.4.1 同伦算法的基本理论
• 4.4.2 同伦BP算法
• 4.4.3 非线性同伦BP算法
• 4.5 基于非线性同伦BP算法的电力变压器故障诊断方法
• 4.5.1 输入和输出模式的确立
• 4.5.2 网络数据的归一化处理
• 4.5.3 训练样本的获取
• 4.5.4 激活函数的选择
• 4.5.5 初始权值的选取
• 4.5.6 网络隐含层数及隐含层神经元数的确定
• 4.5.7 BP算法的选取
• 4.6 仿真实验分析
• 4.6.1 网络模型的训练
• 4.6.2 电力变压器故障诊断实验分析
• 4.7 结论
• 4.8 本章小结
• 第5章 电力变压器故障预测方法的研究
• 5.1 引言
• 5.2 灰色预测 GM（1，1）模型
• 5.2.1 GM（1，1）模型的建立
• 5.2.2 模型精度检验
• 5.2.3 GM（1，1）模型的建模步骤
• 5.3 基于改进的灰色预测 GM（1，1，ρ）模型的电力变压器故障预测方法
• 5.3.1 模型数据预处理
• 5.3.2 数据模型的选取
• 5.3.3 模型背景值的改进
• 5.3.4 预测模型的改进
• 5.3.5 改进 GM（1，1，ρ）模型的建模步骤
• 5.4 实验结果分析
• 5.5 结论
• 5.6 本章小结
• 第6章 电力变压器故障诊断专家系统的设计及软件实现
• 6.1 引言
• 6.2 专家系统
• 6.2.1 专家系统的定义
• 6.2.2 专家系统的组成
• 6.3 基于综合关联度分析的电力变压器故障诊断方法
• 6.3.1 面积关联度分析方法
• 6.3.2 斜率关联度分析方法
• 6.3.3 综合关联度分析方法
• 6.4 基于 DGA的电力变压器故障诊断专家系统设计
• 6.4.1 知识库
• 6.4.2 数据库
• 6.4.3 推理机
• 6.5 专家系统的软件实现
• 6.5.1 专家系统的结构
• 6.5.2 应用系统功能构成
• 6.6 诊断实例
• 6.7 本章小结
• 第7章 全文总结与展望
• 7.1 全文总结
• 7.2 工作展望
• 参考文献
• 攻读博士学位期间发表的学术论文及其他成果
• 致谢
• 摘要
• ABSTRACT