基于油中溶解气体分析的变压器光声光谱检测及绝缘诊断技术

论文摘要

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。

论文目录

• 中文摘要
• 英文摘要
• 1 绪论
• 1.1 变压器油中溶解气体光声光谱检测及诊断的目的和意义
• 1.2 气体光声光谱检测技术的现状
• 1.3 基于BP神经网络的诊断技术研究现状
• 1.4 本论文的主要研究内容
• 2 变压器油中溶解气体浓度与相应光声信号关系特性分析
• 2.1 氢气浓度与光声信号相位的关系特性
• 2.1.1 光声光谱法检测氢气浓度的原理
• 2.1.2 光声光谱法检测氢气浓度的定性分析
• 2.2 CO、CO2、CH4、C2H2、C2H6、C2H4六种特征气体浓度与光声信号幅值关系特性的分析
• 2.2.1 光声信号的产生过程
• 2.2.2 气体浓度与光声信号幅值的关系式
• 2.2.3 光声信号的归一化处理
• 2.3 小结
• 3 气体光声光谱检测原理及光声池的设计实现
• 3.1 光声光谱试验平台的设计
• 3.1.1 光声光谱试验平台组成
• 3.1.2 试验平台各部分原理及其作用
• 3.2 光声池的设计及实现
• 3.2.1 光声池的设计原则及分类
• 3.2.2 光声池相关参数的设置
• 3.2.3 用于试验平台的纵向共振光声池及特点
• 3.3 小结
• 4 基于Labview与Simulink结合的光声信号检测干扰抑制方法
• 4.1 光声光谱试验平台的抗干扰措施
• 4.1.1 试验平台随机噪声干扰的抑制
• 4.1.2 试验平台背景噪声干扰的抑制
• 4.2 微弱光声信号的检测方法
• 4.2.1 光声信号混沌检测方法
• 4.2.2 小波阈值去噪方法
• 4.3 基于LabVIEW与Simulink结合的光声信号检测系统及其算法
• 4.3.1 光声信号检测系统的组成
• 4.3.2 Simulink模型与LabVIEW平台的集成
• 4.3.3 系统与数据采集卡的通讯
• 4.4 光声信号检测干扰抑制的实验分析
• 4.5 小结
• 5 基于遗传算法小波神经网络的变压器故障诊断方法
• 5.1 BP神经网络
• 5.2 BP网络算法
• 5.3 基于BP算法的小波神经网络
• 5.3.1 小波神经网络的发展
• 5.3.2 小波神经网络
• 5.4 遗传算法
• 5.4.1 遗传算法的发展
• 5.4.2 遗传算法的原理
• 5.4.3 自适应遗传算法优化的小波神经网络
• 5.5 基于变压器油中溶解气体的BPWNN与AGAWNN性能比较
• 5.6 小结
• 6 结论
• 致谢
• 参考文献
• 附录
• A. 作者在攻读硕士学位期间发表的论文
• B. 作者在攻读硕士学位期间参加的科研项目