神经网络与三比值法混合方法及其在变压器故障诊断中的应用

神经网络与三比值法混合方法及其在变压器故障诊断中的应用

论文摘要

随着大庆油田电力事业的迅猛发展,变压器的应用越来越广泛,而且在数量和容量上都逐年递增。在电力系统中的地位也变得越来越重要。电力变压器一般都在户外运行,其工作环境都比较恶劣,因而对电力变压器故障分析和诊断技术的研究是一件非常重要的工作。大庆油田电网是国内最大的企业电网,年供电量平均在100亿千瓦时以上。电能在油田开发成本中所占比例越来越大,将近40%。目前,油田开发处于中后期,高产、稳产要求供电必须平稳连续。一座110KV变电所全所失电,将导致几千口油井的停产,如果停电时间长,原油将凝固在输油管道里,导致输油管道的报废和原油产量的损失,其经济损失不可估量。而变压器是变电所的核心设备,一旦发生事故,就要尽快查明原因,予以消除,尽量减少可能带来的直接和间接经济损失。变压器产生故障时,会带来两方面的危害,其一自身损失,其二影响整个电网的安全优质运行,后者的经济损失可能会更大,随着变压器设计、制造水平的不断提高,变压器的容量也越来越大,造价也越来越高,其产生严重后果的损失也就越来越大。大庆油田近几年来变电所主变压器的数据结果表明,故障产生的原因有许多相似之处,一般情况下,有6种情况,由于产品设计缺陷和产品制造质量问题造成的缺陷;由于包装和运输不当产生的;安装、运行操作失误,多次受冲击,超负荷运行及维护不当;地震,经常受到雷击和非预见性问题等;绝缘老化和受潮;人为故意损坏(如偷盗变压器油等)。因为变压器在变电站属核心设备,经济价值较高,确保其安全、平稳运行尤为重要,用户根据自己的实际情况制订维护、检修和试验计划,可避免由于变压器故障而带来的直接和间接经济损失。一般情况下,可以从变压器油的检验和日常维护两个方面加强工作。油田电网设备状况各有不同,先进的设备监测与故障诊断技术应用的深度和广度还远远不够,在线监测技术在精度和可靠性上仍有大幅度提高的可能,同时覆盖的范围还比较小,变电设备的在线监测技术发展空间很大。电力集团的张铁匠一次变、星火一次变在线监测技术在经过一定时间的运行后,将在油田电网110KV级变电所中逐步推广使用。完善大型变压器故障诊断技术,把设备状态监测与故障诊断技术有机融合,不断提高设备检测水平,为快速、准确、及时发现并消除设备缺陷提供强有力的科学依据,为整个油田电网设备的科学管理,为持续发展的状态检修技术工作提供可靠、详实的依据。变压器故障诊断技术一直受到广泛关注。变压器内部故障不发展到一定程度,其电气特性往往不会发生改变,因此,普通的电气试验往往不能准确地判定变压器的状态。本文提出了将神经网络和三比值法两种方法同时应用于变压器故障诊断,通过训练好的神经网络模型和对变压器油的三比值法理论应用,对于准确地判定变压器内部故障还是十分奏效的。结合庆新一次变和头台一次变主变过热情况的分析,将神经网络和三比值法同时应用于变压器内部故障判断,效果明显,判断准确。通过实践证明,本文提出的方法在实际应用中对变压器故障诊断具有极强的准确性,适宜推广和应用。

论文目录

  • 摘要
  • Abstract
  • 第1章 绪论
  • 1.1 课题研究的目的和意义
  • 1.2 国内外技术发展动向
  • 1.3 大庆油田变压器诊断技术现状及存在问题
  • 1.4 论文的主要内容
  • 第2章 变压器故障检测原理
  • 2.1 电力变压器故障分类
  • 2.1.1 变压器外部故障
  • 2.1.2 变压器内部故障
  • 2.2 电力变压器故障检测
  • 2.2.1 电力变压器预防性试验
  • 2.2.2 电力变压器油中溶解气体气相色谱分析
  • 2.2.3 三比值法
  • 第3章 基于 BP 神经网络和三比值法的变压器故障分析研究
  • 3.1 变压器故障判断方法
  • 3.1.1 变压器有无异常情况的判断
  • 3.1.2 产气速率
  • 3.1.3 应用三比值法判别变压器故障类型
  • 3.2 应用 BP 神经网络技术实现变压器的故障判断
  • 3.3 实例应用
  • 3.3.1 庆新一次变主变过热情况分析
  • 3.3.2 头台一次变主变过热情况分析
  • 3.4 小结
  • 3.4.1 变压器故障产生的原因
  • 3.4.2 变压器日常维护
  • 第4章 结论
  • 参考文献
  • 攻读硕士学位期间成果
  • 致谢
  • 相关论文文献

    • [1].基于深度置信网络和多维信息融合的变压器故障诊断方法[J]. 电力工程技术 2019(06)
    • [2].基于人工蜂群算法优化支持向量机的变压器故障诊断[J]. 科技创新与应用 2020(02)
    • [3].堆栈稀疏降噪自编码网络在变压器故障诊断中的应用[J]. 中国科技论文 2019(11)
    • [4].基于模糊关系与自组织竞争网络的变压器故障诊断[J]. 科技创新与应用 2020(08)
    • [5].基于混沌粒子群优化核极限学习机的变压器故障诊断方法[J]. 微处理机 2020(02)
    • [6].基于加权中智C均值算法的变压器故障诊断模型[J]. 水电能源科学 2020(05)
    • [7].基于色谱分析的变压器故障诊断[J]. 甘肃科技 2020(12)
    • [8].一种基于深度收缩自编码网络的变压器故障诊断方法[J]. 科技创新导报 2020(16)
    • [9].基于深度森林的变压器故障诊断方法[J]. 电力科学与工程 2020(09)
    • [10].电力变压器故障诊断及检修探讨[J]. 无线互联科技 2020(13)
    • [11].综合三比值特征量与帝国竞争优化支持向量机的变压器故障诊断模型[J]. 广西电力 2019(03)
    • [12].红外激光光谱分析的变压器故障诊断[J]. 激光杂志 2016(11)
    • [13].混合神经网络在变压器故障诊断中的应用[J]. 电子测量与仪器学报 2017(01)
    • [14].基于混合算法与支持向量机的电力变压器故障诊断[J]. 电气开关 2017(03)
    • [15].在线检测装置在变压器故障诊断中的应用[J]. 当代化工研究 2017(05)
    • [16].电力变压器故障诊断方法初探[J]. 能源技术与管理 2017(04)
    • [17].基于机器学习的电力变压器故障诊断的研究进展[J]. 电子世界 2017(15)
    • [18].变压器故障诊断中的神经网络技术发展[J]. 宜宾学院学报 2015(12)
    • [19].基于支持向量机的变压器故障诊断研究[J]. 电气开关 2016(02)
    • [20].论电力变压器故障诊断方法[J]. 科技展望 2014(18)
    • [21].关于发电厂变压器故障诊断及处理措施思考[J]. 科技与企业 2015(02)
    • [22].变压器故障诊断技术探析[J]. 中国新技术新产品 2015(08)
    • [23].基于可拓理论的变压器故障诊断[J]. 电气开关 2015(02)
    • [24].模糊支持向量机在变压器故障诊断中的应用[J]. 电测与仪表 2015(08)
    • [25].改进型三比值法在变压器故障诊断中的应用[J]. 水电站机电技术 2015(08)
    • [26].基于神经网络的变压器故障诊断研究[J]. 数字技术与应用 2015(08)
    • [27].电力变压器故障诊断方法应用[J]. 通讯世界 2015(15)
    • [28].基于灰狼算法优化支持向量机的变压器故障诊断[J]. 信息技术与信息化 2020(11)
    • [29].基于数据清洗和知识迁移的变压器故障诊断模型[J]. 电工电能新技术 2020(01)
    • [30].基于故障树分析的电力变压器故障诊断[J]. 新型工业化 2020(01)

    标签:;  ;  ;  ;  

    神经网络与三比值法混合方法及其在变压器故障诊断中的应用
    下载Doc文档

    猜你喜欢