变压器故障多信息融合诊断方法研究

论文摘要

变压器是电力系统的枢纽设备,在电力系统输变电过程中起着举足轻重的作用,其运行的可靠性直接关系着电力系统的安全运行。为了保证电力系统的安全稳定运行,必须加强对变压器的故障诊断。目前,用于变压器故障诊断研究最多的特征量是油中溶解气体含量和局部放电信号。油中溶解气体分析能够诊断变压器故障类型,局部放电的模式识别能够及时发现绝缘内部局部缺陷及放电发展程度,可以将故障消灭在萌芽状态。因此本文利用油气特征含量和局部放电信号进行变压器综合故障诊断。本文首先基于油中溶解气体特征含量构建BP网络结构,采集数据样本,进行网络训练,然后应用信息融合原理搭建分层故障诊断模型,分析判断变压器的故障类型,并在此基础上应用DS证据理论缩小故障范围。论文针对变压器放电故障的放电类型进行诊断,在实验室搭建了三种典型缺陷局部放电模型,采用升压法对不同放电模型进行试验,分析了各种不同放电模型的发展特性,提取了统计特征量,为局部放电模型识别提供输入参量。同时在实验过程中,采集了油气数据来研究变压器典型缺陷局部放电发展过程中的油中溶解气体变化规律,发现不同缺陷的局部放电,油中溶解气体的变化规律不同,可以应用油中溶解气体进行局部放电类型的诊断。通过以上的研究,本文提出了一种基于油气含量和局部放电信号统计特征参量的多信息融合变压器故障诊断的研究方法,经过对局部放电模型识别的实例的验证,证明该方法可行;最后,通过Labview这个软件平台开发了一种分层、可靠、开放的变压器多信息融合故障诊断系统。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 变压器故障诊断多信息融合技术研究意义
• 1.2 变压器故障诊断的研究现状
• 1.2.1 油中溶解气体色谱分析发展现状
• 1.2.2 局部放电模式识别研究发展现状
• 1.3 信息融合在变压器故障诊断中的发展现状
• 1.4 本文主要研究内容
• 2 以 DGA 为特征量的变压器信息融合诊断方法研究
• 2.1 变压器故障类型
• 2.2 DS 信息融合算法
• 2.2.1 DS 证据理论与信息融合
• 2.2.2 DS 证据理论的组合规则
• 2.2.3 基于DS 证据推理的故障诊断模型
• 2.3 BP 神经网络
• 2.3.1 BP 网络的结构
• 2.3.2 BP 网络的算法
• 2.3.3 BP 算法的实现
• 2.3.4 BP 算法的改进
• 2.4 BP 网络和DS 证据融合的变压器故障诊断模型
• 2.4.1 BP 网络结构的确定
• 2.4.2 变压器故障诊断的融合模型
• 2.4.3 实例分析
• 2.5 本章小结
• 3 变压器局部放电试验研究及特征量提取
• 3.1 局部放电试验及放电模型
• 3.1.1 局部放电试验电路
• 3.1.2 实验装置
• 3.1.3 放电模型
• 3.2 试验步骤
• 3.3 局部放电信号统计特征分析方法
• 3.3.1 二维谱图的构造
• 3.3.2 对二维谱图提取统计算子
• 3.4 油中沿面放电
• 3.5 油纸气隙放电
• 3.6 油中电晕放电
• 3.7 本章小结
• 4 变压器典型缺陷局部放电与油中溶解气体关系特性研究
• 4.1 油样的采集
• 4.2 油中溶解气体的分析
• 4.2.1 从油中脱出溶解气体
• 4.2.2 气相色谱仪分析气体
• 4.3 油中溶解气体在典型缺陷局部放电模型中的变化特性
• 4.3.1 油中沿面放电
• 4.3.2 油纸气隙放电
• 4.3.3 油中电晕放电
• 4.4 试验结果分析
• 4.5 本章小结
• 5 变压器故障多信息融合诊断系统开发
• 5.1 变压器故障多信息融合诊断结构
• 5.2 基于DGA 和局放信号的放电类型识别
• 5.3 变压器多信息融合故障诊断的系统开发
• 5.3.1 系统开发平台（Labview）简介
• 5.3.2 变压器多信息融合故障诊断系统结构
• 5.3.3 DGA 数据分析
• 5.3.4 局放数据存储
• 5.3.5 信息融合数据分析
• 5.3.6 数据库管理
• 5.3.7 故障诊断
• 5.4 本章小结
• 6 结论及展望
• 6.1 结论
• 6.2 展望
• 致谢
• 参考文献
• 个人简历、在学期间发表的学术论文及取得的研究成果