★电力变压器论文摘要范文电力变压器论文摘要写

电力变压器论文摘要范文电力变压器论文摘要写 电力变压器是电网中能量转换、传输的核心,是电网安全第一道防御系统中的关键枢纽设备.目前,我国已有较多变压器运行年限超过20年,这些运行中的变压器面临着日益严重的如设备故障和绝缘老化问题,发生事故的概率不断增加.变压器一旦发生事故可能会造成设备资产和大停电等巨大损失,甚至会产生严重的社会影响.因此,对电力变压器进行有效的状态评估和深入的故障诊断研究,指导变压器的运行维护和状态检修,预防和降低故障的发生几率,具有重要的理论和实际意义. 论文在搜集大量技术标准、规程导则、专家经验以及变压器实际运行状态数据的基础上,深入研究了电力变压器状态评估的指标体系、评估方法和决策准则以及基于支持向量机和智能优化算法的变压器故障诊断技术,对变压器状态评估的集对分析方法和模糊与证据推理融合的绝缘状态评估模型进行了研究,在以油中溶解气体为特征量的变压器故障诊断方法研究上取得了一定进展,论文取得的创新性成果主要有： 在对变压器状态等级划分和指标参数提取的基础上,针对状态信息具有模糊和信息不完全所致的不确定性问题,提出了基于集对分析理论的电力变压器状态评估策略,构建了集对分析算法及实现步骤,用联系度及其数学表达式统一描述系统状态的不确定性问题,并结合信度准则实现了对变压器状态的评估,为电力变压器状态评估提供了一种新的思路. 针对变压器绝缘状态评估中存在影响评估结果因素多、评估因素不相容且影响程度又不尽相同的难题,提出了基于模糊和证据推理融合的变压器绝缘状态合决策模型,构建了模糊隶属度函数来描述评估模型的因素层指标,根据模糊评估结果确定证据推理决策模型的原始基本概率分配,利用证据融合得到了辨识框架中基本概率分配函数,最后基于最大基本概率分配函数决策规则进行评估目标判定. 将多分类最小二乘支持向量机（LS-SVM）应用于电力变压器故障诊断中,通过组合编码构造多个二分类LS-SVM分类器实现多类分类.利用粒子群优化（PSO）算法获得LS-SVM分类模型的最优参数,应用交叉验证（CV）的思想来提高分类算法的整体泛化性能,并采用加州大学欧文分校机器学习数据库的基准数据集进行验证.变压器故障诊断实例分析表明,提出的基于PSO和LS-SVM分类方法对电力变压器进行故障诊断是准确和有效的；与传统的IEC三比值法、反向传播神经网络（BPNN）、径向基神经网络（RBFNN）及标准支持向量机（SVM）的变压器故障诊断方法相比,提出的方法在训练和测试阶段都获得了较高的准确率. 针对经典PSO算法在实际应用中容易陷入局部最优的缺点,提出了带时变加速系数的PSO算法（PSO-TVAC）优化SVM模型.引入动态惯性权重和加速系数,控制了PSO算法的开发（exploitation）和探索（exploration）能力,平衡了PSO的全局搜索和局部搜索性能,实验证明,基于改进PSO算法的故障诊断收敛速度快,计算精度高,诊断效果更好. 研究了基于支持向量机回归（SVR）理论的预测方法,建立了基于PSO-TVAC优化最小二乘支持向量机回归（LS-SVR）和小波最小二乘支持向量机回归（W-LSSVR）的变压器油中溶解气体预测模型,避免了传统SVR方法中回归问题变量数目的膨胀,同时简化了支持向量机回归的参数优化.实例研究表明,提出的油中溶解气体预测模型较BPNN、RBFNN、广义回归神经网络（GRNN）及-SVR预测方法相比,无论在预测精度和稳定性方面均具有很大的优势. 在研究变压器油中溶解气体预测实质的基础上,为了能够进一步掌握油中溶解气体的发展变化趋势,首次提出了基于模糊信息粒化支持向量机回归的油中气体区间预测方法.建立了模糊信息粒化的时序模型,不丧失时间序列所蕴含的主要信息的基础上简化了时序的表现形式,利用PSO-TVAC优化的支持向量机回归模型来训练粒化集样本,根据获得的信息粒预测区间,得到了油中溶解气体变化趋势的最大值、最小值和平均值水平,与实际信息相吻合. 针对电力变压器单一故障和多故障诊断问题,模拟生物免疫系统,提出一种两级分类器级联的诊断算法.采用遗传算法优化支持向量机核函数参数的电力变压器故障和正常状态初分类器,和以灰关联度度量抗体与抗原之间亲和力的灰色人工免疫算法,设计了动态疫苗机制的高频变异操作.根据不同的故障类型,训练生成最佳记忆抗体集.采用5近邻综合决策法,根据最佳记忆抗体集诊断电力变压器故障类型.实验表明,遗传支持向量机和动态疫苗机制的灰色人工免疫算法相结合的电力变压器故障诊断算法,对电力变压器单一故障和多故障都能够有效地分类,提高了电力变压器故障诊断的准确率和速度. 实现电力变压器状态的准确评估不仅是施行状态检修的核心与基础,同时也是发展智能电网的需要.针对电力变压器故障机理错综复杂和本体绝缘状态具有不确定性,因而难以客观有效评估的问题,以220kV油浸式电力变压器为研究对象,提出了基于物元可拓分析的电力变压器本体绝缘状态评估策略.在对其本体状态评估物元分析的基础上,构造了各评估指标的关联函数,指标关联函数值在正常运行的量变范围内为正,当量变突变到质变时关联函数值取负,通过研究关联函数值与变压器状态的对应关系,探讨了变压器的状态评估策略.实例分析并与其他评估方法比较证明:该方法行之有效,基于物元可拓分析的电力变压器状态评估策略可以为实施状态检修提供参考. 综述了电力变压器油纸绝缘老化的研究现状,剖析了影响变压器油纸绝缘老化的各种因素.分析了变压器油纸绝缘热老化特征产物及规律,强调了水分对变压器油纸绝缘热老化的影响.分别总结了变压器油纸绝缘热老化的理化和电气特征量,并从微观形貌和分子动力学模拟层面探索绝缘纸内部纤维素的断链机理,从而讨论各种因素对绝缘热老化的影响机制.最后提出了电力变压器绝缘热老化领域后续关注的问题. 为了提高故障诊断的准确率,提出了一种多分类最小二乘支持向量机(LS-SVM)和改进粒子群优化(PSO)相结合的电力变压器故障诊断方法.引入最小输出编码构造多个2分类LS-SVM,实现了变压器诊断的多类分类.利用PSO算法获得LS-SVM诊断模型的最优参数,并采用交叉验证原理来提高分类算法的整体泛化性能.实例分析结果表明,采用LS-SVM和PSO算法可以准确、有效地对变压器进行故障诊断,与传统的电力变压器故障诊断方法相比,该方法的诊断准确率更高. 为了解决电力变压器套管绝缘状态评估中存在不确定性因素的问题,提出了一种新的状态评估方法.该方法全面考虑评估指标等级分类边界的随机性和模糊性,采用由云推理确定指标客观权重,由未确知理论确定主观权重的组合赋权法.建立了核向量空间模型,利用核函数将样本映射到高维特征空间的方法,在高维特征空间定义样本数据的指标有向线段和变压器套管绝缘等级标准的理想指标有向线段.进而通过计算两线段之间的夹角加权余弦获得样本与标准模式的贴近度,将绝缘评估问题转化为向量空间的模式识别问题,最终得出变压器套管所处的绝缘状态.实际算例表明该套管在第1次测试时,其绝缘状态贴近正常的贴近度最大即处于正常状态,第2次和第3次测试时,贴近故障的贴近度最大即处于故障状态. 电力变压器的状态评估不仅要求智能技术的融合,还应该考虑所有检测状态量之间的相互联系.根据信息数据关联规则和因素空间理论的变权综合概念,提出了一种对电力变压器进行状态评估的方法.通过分析变压器运行中各单项状态量参数与故障类型的关联性,建立综合状态量集合.引入关联规则方法,计算单项状态量的常权重系数,引入具备均衡函数的变权综合模式,计算综合状态量的变权重系数.由此结合既有检测规程,建立了一个较为客观、准确的变压器状态评估体系.运行实例分析表明,该状态评估方法有利于准确地评判电力变压器的真实运行状态. 介质响应技术是检测油纸绝缘含水量的一种无损诊断技术,该技术通过油纸绝缘的介质响应曲线判断其含水量.为推动该技术的发展和实际应用,以电介质理论为基础,对大型油纸绝缘电力变压器的介质响应特性开展了大量研究.结果表明,大型电力变压器介质响应曲线受频率、温度、含水量的影响具有较强的规律.提出了大型电力变压器油纸绝缘含水量的定性分析方法,并通过建立不同含水量、不同温度油浸纸板的复介电常数数据库及设备的X-Y模型,实现了大型电力变压器油纸绝缘含水量的定量计算,计算结果与实际基本相符. 针对电力变压器故障机理复杂,模糊评价隶属函数的确定具有主观性且未考虑随机性,仅凭油中溶解气体单一因素难以有效评估其潜在隐患的问题,提出了一种新的基于模糊云理论的变压器绝缘状态评估方法.建立了绝缘状态评估体系并进行了等级的划分,在用变权动态确定指标权重的基础上,采用隶属云模型描述其模糊性与随机性,并结合红外热像仪与油中溶解气体分析方法对其绝缘状态进行综合评价.通过实例研究,验证该方法有效易行,为变压器状态检修工作提供了一种新方法. 通过分析变压器箱体表面振动信号的特点并进行大量试验发现,除基频分量能够反映故障以外,50Hz分量及其部分倍频分量、基频的倍频分量等新特征频率也能够反映故障.计及电流、电压、温度等运行状态量对基频振动信号的影响,提出基频折算模型.文中建立了变压器绕组变