国家电网公司科技项目(SG10028)
- 作品数：8 被引量：164H指数：3
- 相关作者：张海龙卢文华聂德鑫鄢小虎谢齐家更多>>
- 相关机构：国家电网公司国网山西省电力公司国网湖北省电力公司电力科学研究院更多>>
- 发文基金：国家电网公司科技项目国家自然科学基金更多>>
- 相关领域：电气工程自动化与计算机技术更多>>
- 电力变压器故障诊断中交互式推理的研究与实现被引量：8
- 2013年
- 本文中介绍了电力变压器故障诊断专家系统模型,开发了与现场交互的电力变压器故障诊断专家系统,并给出了电力变压器故障诊断实例,对实例进行了分析。
- 邵苠峰樊伟陈江波张曦程军照
- 关键词：变压器专家系统
- 基于气体组分比组合的变压器故障诊断方法研究被引量：2
- 2014年
- 油色谱分析是判断变压器内部故障的有效方法,但传统油色谱分析方法的准确度有待提高。提出了一种基于气体组分比组合的变压器故障诊断新方法,将氢气、甲烷、乙炔、乙烯和乙烷等5种气体组成10组气体比值,从中选择了6组气体比值作为故障识别的基本参数,在此基础上将这6组气体比值组成15组气体比值组合,从中选择3组最有效的气体组分比组合作为故障分辨的特征参数,并划分了故障判别区域。通过对比试验表明,该方法的准确性高于Doernenburg、Rogers、IEC等传统油色谱分析方法。
- 王海鹏唐保国杜玮
- 关键词：变压器油色谱
- 一种基于萤火虫支持向量机的油色谱在线数据校正方法被引量：8
- 2013年
- 为了解决在线油色谱受外界环境和设备误差影响导致数据失真的问题,笔者提出了一种基于萤火虫支持向量机的油色谱在线数据校正的方法。首先将支持向量机中的一组错误惩罚因子,不敏感参数和核参数作为萤火虫个体,通过萤火虫算法对影响支持向量机性能的重要参数进行优化。然后计算油色谱离线数据间的分段函数,当在线数据超出分段函数误差允许的范围时,认为在线数据异常。利用少数准确的油色谱离线数据对支持向量机回归模型进行训练,当在线数据出现异常时,通过支持向量机回归模型对异常的在线数据进行校正。最后通过某台变压器油色谱的在线和离线数据对文中提出的方法进行验证,结果证明了该方法的可行性和有效性。
- 郑港鄢小虎谢齐家聂德鑫卢文华张海龙李敏
- 关键词：支持向量机油色谱数据校正萤火虫算法
- 基于HHT谱与分形特征的变压器振动模式识别方法被引量：3
- 2014年
- 针对绕组松动与铁心松动易引起变压器故障并影响电网安全运行的问题,提出了一种基于HHT谱与分形特征的变压器振动模式识别方法,对正常振动、绕组松动、铁心松动三种振动模式进行了模拟试验,采集试验过程中的变压器振动信号,应用希尔伯特—黄变换(HHT)分析方法对信号时频特征进行分析,得到不同情况下振动信号的希尔伯特谱(HHT谱)。并提取HHT谱的分维数及孔隙度特征,采用BP神经网络对振动模式进行分类与识别。结果表明,本文所提方法有效且鲁棒性较强。
- 梁建伟穆广祺杜玮
- 关键词：分维数孔隙度变压器振动
- 基于支持向量机的油色谱在线数据校准研究被引量：1
- 2014年
- 为了解决在线油色谱数据失真的问题,提出基于支持向量机的油色谱在线数据校准的方法。通过某台变压器油色谱的在线和离线数据对所提出的方法进行验证,结果证明了该方法的可行性和有效性。
- 鄢小虎何发智聂德鑫卢文华张海龙
- 关键词：支持向量机在线监测油色谱参数优化
- 基于AMSAA模型的变电设备寿期决策方法
- 2014年
- 针对传统的变电设备寿期决策方法多采用设备的更换数据进行分析来获取寿命分布曲线和可靠性指标,而忽略了运行过程中故障和维修对设备可靠性的影响问题,根据重要变电设备的维修数据远多于更换数据的特点,提出了采用AMSAA模型拟合变电设备在维修后的可靠性更新过程来获取设备的可靠性指标,克服了传统方法忽略维修和故障信息的缺点。实例应用结果表明,与传统方法相比,该方法提高了数据拟合的准确性,且得到的结果更符合变电设备的实际特点。
- 梁建伟穆广祺聂德鑫卢文华谷凯凯
- 关键词：变电设备AMSAA模型失效率
- 基于贝叶斯案例库的变压器故障诊断研究被引量：3
- 2014年
- 提出了一种基于贝叶斯案例库的变压器故障诊断方法。首先收集标准导则和专家经验,建立变压器故障案例库。然后将案例库中的状态量和故障模式标准化,以状态量为输入、故障模式为输出,训练朴素贝叶斯网络分类器。当需要进行故障诊断时,输入故障的状态量,利用训练好的分类器寻找该故障所属的故障模式。综合该模式的故障详情,得到该案例的故障诊断结果。最后通过变压器现场故障诊断的实例验证了此方法的可行性和有效性。
- 彭倩鄢小虎严磊刘凡张海龙
- 关键词：贝叶斯网络案例库变压器故障诊断分类器
- 人工神经网络和信息融合技术在变压器状态评估中的应用被引量：140
- 2014年
- 为满足电力系统对变压器资产管理和风险评估的需求,提出了一种基于人工神经网络和信息融合技术的变压器状态评估方法。以预防性试验数据和在线监测数据为例,选择具有代表意义的信息量作为开展评估的静态状态量,除此之外还选取部分静态状态量的变化趋势作为开展评估的渐变状态量,采用非线性指标评价函数对状态量进行归一化处理,综合应用人工神经网络(ANN)和Dempster-Shafer(D-S)证据理论构建多信息融合的变压器状态评估模型。通过对某台500 kV变压器数据的实例分析,验证了该评估模型应用于变压器状态评估中的有效性。该方法将在线监测数据与部分参数的变化趋势紧密结合,有助于提高变压器状态评估的时效性和准确性。
- 阮羚谢齐家高胜友聂德鑫卢文华张海龙
- 关键词：变压器状态评估D-S证据理论人工神经网络
