基于油氣分析的油浸式變壓器時變停運模型及故障診斷研究.pdf

1、油浸式變壓器是目前電力系統(tǒng)的重要組成設備,承擔著電壓轉換與電能輸送的重要任務,其健康、安全、穩(wěn)定的運行可大大降低電力系統(tǒng)運行風險。運行管理人員需要實時掌握變壓器運行狀態(tài)及其對電網(wǎng)的影響,以便及時有效地消除潛在因素可能導致的失效停運,降低系統(tǒng)運行風險,同時結合故障診斷的實施以縮短停電時間,降低運行成本。
　　 變壓器在運行過程中,絕緣油中有溶解氣體產(chǎn)生。由經(jīng)驗可知,油中氣體的含量可反映變壓器健康狀態(tài),產(chǎn)氣速率可反映該狀態(tài)下器身內(nèi)部

2、潛伏性故障的發(fā)展程度。據(jù)此原理,建立適用于電力系統(tǒng)風險評估的變壓器時變停運模型。模型首先根據(jù)氣體含量進行變壓器狀態(tài)劃分,并考慮實時修復的影響建立多狀態(tài)馬爾科夫模型,得出故障率基值。同時,基于產(chǎn)氣速率建立時變停運指數(shù)模型,既體現(xiàn)變壓器實時運行特性,又準確反映了變壓器內(nèi)部潛伏性故障的發(fā)展情況。通過算例分析對模型進行驗證,為系統(tǒng)風險評估提供基礎。
　　 支持向量機(SVM)適合變壓器故障診斷這種小樣本分類問題,但其對于核函數(shù)及模型參數(shù)

3、十分敏感,多核學習可降低模型的參數(shù)敏感性。提出了基于BPSO優(yōu)化的多核學習SVM分類方法(BPSO-MKSVC)進行變壓器故障診斷。多核學習支持向量機(MKSVC)采用由多個基核線性組合的多核進行學習,其中每一個基核完成從特定樣本空間提取故障特征,通過多面故障特征的線性組合,將學習分類問題轉化為相應的凸規(guī)劃問題進行迭代求解。采用BPSO優(yōu)化算法對MKSVC中的基核數(shù)及模型參數(shù)進行優(yōu)化,實現(xiàn)了參數(shù)的自主選擇.算例分析表明,模型具有更低的參