基于油中气体分析和局部放电检测的变压器故障诊断技术研究.doc

硕士学位论文作者：张庆磊副教授年月 明本学位论文是我在导师的指导下取得的研究成果，尽我所知，在本学位论文中，除了加以标注和致谢的部分外，不包含其他人已经发表或公布过的研究成果，也不包含我为获得任何教育机构的学位或学历而使用过的材料。与我一同工作的同事对本学位论文做出的贡献均已在论文中作了明确的说明。研究生签名：整是垒 硕士论文变压器故障诊断技术研究电力变压器是电力系统最重要的输变电设备，变压器故障诊断有助于保证系统运行的安全与稳定。在变压器故障前期，会伴随有电脉冲、局部发热以及绝缘材料分解气体等现象，通过量化和测量可以得到描述变压器状态的数据，从这些数据中提取特征值，并使用算法进行分析，实现变压器的故障判断和故障类型识别。论文主要研究了变压器故障诊断中的数据采集、信号枷处理、数据分析和模式识别等内容。在利用变压器油色谱在线监测结果形成的变压器故障诊断方法的研究中，应用数学形态学对色谱仪的输出信号进行滤波，并通过图像处理提取电压，利用支持向量机实现电压气体浓度的非线性回归，设计一种多核多分类支持向量机，并针对支持向量机核参数难以选择的问题，设计了一种核参数优化方法，实现对变压器故障类型的识别。研究和实验表明，采用该优化算法的支持向量机能够获得很好的分类性能，且具有收敛速度快、样本需求小、诊断准确性好的优点。关键词：电力变压器，故障诊断，油中气体检测，局部放电，数学形态学，支持向量机 ， 甌珼 壅垦矍蔓堕堡堑垫查塑塑 目摘目录窒蛄炕胧翁窒蛄炕怼窒蛄炕纳杓啤窒蛄炕母慕贡呓绲亩喾掷嘀窒蛄炕数学形态学基于支持向量机和数学形态学的故障识别系统设计 硕士论文变压器故障诊断技术研究 奎堡壁垫堕堡堑垫查堑至录” 图炯腁一形曲线图一形曲线图自适应组合滤波器设计一图仿真局部放电信号图自适应的组合形态滤波算法结构框图一 图表目录表神经网络识别结果表两种机器学习的识别结果对比表两种机器学习方法的性能比较 选题背景和研究意义变压器在电力系统输配电中起到关键的作用，所以变压器是否能安全运行直接影响整个电力系统运行的安全与稳定性。随着科技的发展和科研投资的不断加大，近年来我国在保证电力系统运行稳定性与可靠性方面取得了长足的进步，但变压器故障仍然时有发生。据统计，年耙陨媳溲蛊髂晏喂收下饰，年为晡狾，年全年全国共发生变压器非计划停运巍緇。 变压器故障诊断概述变压器故障也有多种诊断方法，各自具有不同的检测手段和监测对象。例如根据实验室热劣化和放电劣化模拟实验以及故障变压器内部检查结果，明确了油中溶解气体组分与内部故障性质的对应关系，提出根据油中溶解气体成分来判断设备故障；高频局部放电检测技术使用以上的检测频率对局部放电信号进行采集、分析、判断，能够在设备不停电的情况下对设备绝缘状态进行检测，及早发现设备缺陷的征兆油中溶解气体成份、对应浓度以及变化趋势与内部故障存在某种对应关系，变压器油中气体分析 ，技术利用气色相色谱仪分析溶解于油 硕士论文变压器局部放电时会伴随电脉冲、红外辐射以及分解气体等物理现象，根据这些，诊断的判据主要来源于经验，通诊断中，克服了单个神经网络不能给出诊断结果可信度的缺点，获得了更加精确的诊 遗传算法是一种优秀的全局优化方法。具有全局最优、鲁棒性强和适合并行处理支持向量机结构简单、理论推导严谨，尤其在小样本条件下表现出优良的性能，得到了许多故障诊断领域研究人员的注意。文献通过最小化置信范围来控制诊断变压器局部放电检测研究现状相关函数特征的分析，提出了从小波反变换后的自相关函数中提取局部放电信号的方 硕士论文第一章简要介绍了变压器故障诊断的方法，其中详细介绍了油中气体检测和局部放电检测的内容，说明了国内外在故障诊断中信号处理和模式识别的研究现状。第二章主要介绍了支持向量机和数学形态学，其中分析了传统支持向量机的优点和不足，并介绍了一些国内外学者对支持向量机的改进。简要介绍了数学形态学的概念，在此基础上分析了其具体工程运用：数学形态谱和形态滤波器。第三章表述了变压器油色谱仪的结构、原理和工作方式，说明了一个完整的油色谱仪具有哪些功能。然后对油中气体的谱图进行了相关信号和图像处理，通过支持向量机实现电压浓度的非线性回归，设计了一种新的支持向量机核参数优化方法，并将其运用到变压器故障识别中。 硕士论文在变压器故障诊断中，有许多问题是非线性的，使用线性的理论和方法很难取得支持向量机支持向量机，是为了获得仅有一个非线性单元的结构风险最小化原则导出，这使得它的理论基础更加严谨和深刻。不同于普通前馈 图支持向量机结构自由的。表总结了支持向量机的三个普遍内积核函数：多项式学习机器、径向基函数网络和两层感知器。 硕士论文芶，瑇，在式和式中，杂牡趇个样本被称为支持向量，这也是支持向量所有分类边界的最优化条件在一个式子中表现。但文献指出这种单一目标优化方法同时需要考虑的变量过多，在样本较大、类型较多的情况下该算法很难在工程上实个核函数，提出了多分类多核学习的惴诖车薙基础上再增加了 应的参数有籿蚥。图训练得到的分类器可表示为：其中 硕士论文试样本在校蛴猚猚辉贘：中则相反，即綼有类凸多边形的间隔之和，即籚，蔖在目标函数中其中硎臼粲诶鄁和类的所有样本之问的内积。目标函数可以化为一厂艵 姐，哆琄蔿其中，蟊瓦琠咖为核函数同样，将内积以核函数代替，分类器最终可表示为續，瓁，；，数学形态学不同于传统的数值建模与分析的信号处理方法，数学形态学从集合的角度来刻画和分析图像。传统的信号处理时用解析的方式描述信号，而数学形态学用几何的方式描述信号，这种特性使得数学形态学更适合有关视觉信息的处理和分析。数学形态学通过几种简单的形态变换算式就可以实现全部的算法功能。形态变换主要包括腐蚀、膨胀，形态开、形态闭。下面介绍这四种基本变换。设有一集合眉呛臕】表示集合韵蛄縔的平移，即那么集合赜诩螧的腐蚀和膨胀分别定义为： 硕士论文式中，集合莆蟈的结构元素集合赜诩螧的开运算和闭运算分别定义为：可以证明开、闭运算具有平移不变性，即则采用，尺度的多尺度运算可定义为二值集合蔙”相对结构元素曰的形态谱定义为：。 位移不变性证明：当，保菔的开运算位移不变性，耯，假设图像埔坏阈=嵌取玫叫碌耐枷馣，则有。，珺，曰骸刎：一般采用旋转不变的结构元素缫桓鲈才。尺度敏感性其中，蟈定义的维度。瑀，：籵，元显然，为了获得较好的特征提取效果，数学形态谱需要做一些改进。具体内容 硕士论文 图形态滤波器的统计偏倚示例 硕士论文弧!狫图故障识别系统流程图 系统地说明变压器油色谱在线监测仪的工作原理；对采样得到的气体谱图数据处理，以获得提取气体浓度；利用支持向量机实现电压一浓度的非线性回归；设计了一种多核多分类支持向量机，并利用这种向量机实现变压器的故障诊断。变压器油色谱在线监测装置作为一个系统，具有以下功能：抽取变压器油，并把气体从油中分离；利用传感器把气体的浓度转化为电信号；利用采样电路把电信号转化为离散数据；数据处理分析，实时获得气体浓度的数据；分析气体浓度，诊断变压器故障；通讯。 硕士论文出气口图变压器油色谱在线监测装置衅的采样谱图 衅的采样谱图 硕士论文土一图气体谱图分析过程么仍然可以获得较为理想的处理结果。因此形态滤波器的统计偏移缺陷是可以接受形态滤波器的主要问题是结构元素的大小，假设用表示理想信号， 图误差一结构元尺度关系曲线 硕士论文 硕士论文图使用最优结构元后的滤波效果厶。，一只、，第三个波峰的数 土上上 硕士论文衅第七个气体浓度电压峰值计算公式如式所示硎镜诤蟾霾宥杂幕咴诘鉵处的值。 硕士论文衅衅谱图电压与气体浓度的非线性回归 表各气体浓度下的对应峰高 硕士论文在传统的统计学和现有的神经网络等学习理论中，人们将大部分注意力集中到如何更好地最小化经验风险上。但是概率论中的大数定理只能证明当样本数趋于无穷大时，经验风险将在概率上趋近期望风险。然而实际问题中样本数目往往是有限的，尤其是本文讨论的情况，在工程实际中，受经费影响，不可能提供很多的标定气体作为训练样本，这时统计学方法和神经网络很难取得良好的学习效果。续的区间内都有定义，考虑使用线性回归函数籱扣旷 獁，一躶上式是基于一不敏感损失函数得出的，该函数吲。表示如下：原因是考虑样本受微小噪声下影响而避免机器学习退化。响应。利用拉格朗日方程和对偶优化，式等价于最小化目标函数： 硕士论文和峨琣：昙窆，一籥；梗筧拟合的函数为：表两种估计方法的性能对比 从表可以得到三点结论： 硕士论文其中，：瑄岛一欢蘇唬，一， 柳而霞的对角元素为蟹嵌越窃K囟嘉8海赃宓 硕士论文籐核参数的优化过程可以表述为“最大最小化”过程，即在核参数奶跫鹿毫預牛蠼馇餉褂枚喂婊蠼庾钣胖担鸵话鉙最优化算法相同， 速下降法求解最优值，下面研究两步最优过程能否最终获得理想的结果。后，描绘了面保持不变的条件下，形关于谋浠撸缤虚线所示。虚线实际就反映了蠼獾腁，和全局最优点总都落在初值的同一边，可以度，迭代步长因为考虑梯度所以在迭代过程可以保证迭代值不会越过极点。所以在迭代初期放宽迭代精度，就可以达到防止振荡、加速收敛的效果。 硕士论文琈的模型来作进一步研究选取核函数为琙埔痪置一互，置与橇邢蛄縳和趂个元响较小，若值较大，则表示分类结果对这一特征量更为敏感。所以将核函数分解为一置城吵踔登去，卢，。硎臼粲趉类样本的标签集合最优化求解面：形蟊 论文搜集了确定了实际故障结果的组变压器油中气体分析检测记录，其中喝铡！：。的含量作为样本输入特征量，输入量为摹，五。，誓，溶解气表不同方法的诊断结果比较际结果吻合的很好。相比样本训练数目要求较多的神经网络，该算法拥有更高的 硕士论文 变压器局部放电检测是指利用计算机代替人对局部放电进行描述和分类，以便进局部放电检测最主要的一个难点是抗干扰问题。干扰类型和来源主要包括周期性干扰和白噪声，这两种干扰在局部放电检测中最普遍且干扰性最强。周期性干扰主要来源有载波通讯、高次谐波以及无线电通讯等。白噪声的来源有检测线路中半导体器件的干扰、地网噪声、线圈热噪声、配电线路和继电保护信号线中耦合混入的电磁干扰等。 硕士论文总有偏差。使用组合形态滤波器来改善滤波器性能，考虑式的滤波器形式；权重决定对滤波器统计偏移的补偿性能，而结构元素的选择直接决定形态滤波器的滤波性能。结构元素的参数包括结构元素的大小和形状。在一维离散多值的条件下，结构元素的大小指的是其数据长度，其选取原则是：结构元素的长度大于干扰的最大尺寸，小于信号所有有价值的频率分量中最小的尺寸。器就可以表示为如下形式：，瑂胛粂对均方差求偏导那么滤波器参数的递推公式为，帧，一聆砂，猓却一， 表示，硎驹怂愕奈恢茫辏硎驹怂愕闹掷啵瑂，时为腐蚀运算，阂时为器筟印一郇一邸慧 硕士论文图自适应组合滤波器设计 表局部放电参数图仿真局部放电信号和共銎德剩敲凑芷诟扇趴梢员硎疚J放电信号已被完全淹没了；图为图的幅频特性。 硕士论文形态学滤波器其本质是去除较小的细节干扰，保留较为强烈的背景。从放电波形的时域分析中可以看出，由于局部放电脉冲相对较弱，在实际放电谱图中处于弱势地位，甚至完全被噪声掩盖，所以形态学滤波器是无法在时域中把放电脉冲提取出来的。然而在频域分析中，纵坐标采用对数尺度后，局部放电脉冲信号就被凸显出来，而窄带周期性干扰成为局部的毛刺。滤除周期性干扰的滤波器的构成原理如图所示，先把含噪声的信号作傅里叶变换，保留相频特性曲线，对幅频特性曲线进行自适应形态滤波处理，然后进行快速傅立叶反变换，恢复局部放电信号。 波后的幅频特性， 硕士论文图含白噪声干扰下局部放电波形 硕士论文典型局部放电模型的实验分析为了从局部放电信号提取特征量，有必要设计建立相应的放电模型和实验装置进形如图所示。 局部放电类型与形态谱提取数学形态学是一种具有代表性的非线性处理方法，其理论严谨、算法简单直观，逐渐 硕士论文蚀和膨胀运算为：同样的，作为级联运算的开、闭运算也有：硎境任!甑钠浇峁乖K兀敲唇峁乖K氐囊员壤齬作全尺度变换就可以表示为 、掌奠三鬪一赢籰搿 乱 基于支持向量机与形态谱的放电类型识别 硕士论文为了与多分类支持向量机的学习方法作比较，建立一个网络，利用实验分由表中内容可知，多分类苑诺缪镜氖侗鹇示负醮锏。这说明神经网络的识别结果如表所示，然后将神经网络的识别结果与多分 表两种机器学习方法的性能比较本章小结 硕士论文为了克服传统形态滤波器统计偏移的缺陷，针对局部放电检测干扰噪声的不同成分，设计了相应的自适应组合形态滤波器，获得了良好的滤波效果。研究了一维离散条件下数学形态谱的尺度不变性，对归一化形态谱作出一些改进，使其更容易运用到工程实践中，成功地从单次放电波形中提取了放电特征量。利用支持向量机对这些特征量进行分析，实现了局部放电类