基于气体成分分析的变压器过热隐患预警方法

摘要
图/表
参考文献
相关文章 (15)

全文: PDF (990 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要目前,油中溶解气体分析是油浸式变压器状态分析最为可靠的方法之一。本文针对变压器过热隐患,提出一种基于气体成分分析的变压器过热隐患预警方法。首先,采用K级差分法及一分类支持向量机建立能够识别变压器早期隐患的预警模型;其次,遵循特定的告警触发机制,综合判断当前变压器是否存在过热隐患;最后,经过变压器真实数据验证表明,本文所述方法具有较高的辨识灵敏度。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	谭翼坤
	陈明
	黄腾
	乔苏朋
	李志军

关键词 ：油中溶解气体分析（DGA）, 一分类支持向量机, 预警

Abstract：At present, the analysis of dissolved gas in oil is one of the most reliable methods for the condition analysis of oil-immersed transformers. Aiming at the hidden danger of transformer overheating, this paper proposes an early warning method for the hidden danger of transformer overheating based on gas composition analysis. Firstly, the K-level difference method and one-class support vector machine are used to establish an early warning model that can identify the early hidden dangers of transformers. Secondly, following a unique alarm triggering mechanism, it is com- prehensively judged whether the current transformer has hidden dangers of overheating. Finally, the verification of real transformer data shows that the proposed method has high identification sensitivity.

Key words： dissolved gas analysis (DGA) in oil one-class support vector machine early warning

收稿日期: 2022-05-22

作者简介: 谭翼坤（1992—）,男,湖南株洲人,本科,助理工程师,主要从事燃煤电厂电气配电检修维护、电气高压试验等方面研究工作。

引用本文:

谭翼坤, 陈明, 黄腾, 乔苏朋, 李志军. 基于气体成分分析的变压器过热隐患预警方法[J]. 电气技术, 2022, 23(10): 51-58. TAN Yikun, CHEN Ming, HUANG Teng, QIAO Supeng, LI Zhijun. An early warning method for transformer overheating based on gas composition analysis. Electrical Engineering, 2022, 23(10): 51-58.

链接本文:

http://dqjs.cesmedia.cn/CN/Y2022/V23/I10/51

[1] 郭兆龙. 基于油色谱数据的变压器故障状态预测方法研究[D]. 西安: 西安理工大学, 2021.
[2] 代杰杰. 基于深度学习的变压器状态评估技术研究[D]. 上海: 上海交通大学, 2018.
[3] 苟家萁. 基于深度学习的变压器油中溶解气体浓度预测研究[D]. 昆明: 昆明理工大学, 2021.
[4] 张燕, 方瑞明. 基于油中溶解气体动态网络标志物模型的变压器缺陷预警与辨识[J]. 电工技术学报, 2020, 35(9): 2032-2041.
[5] 付文光, 刘志林. 一起典型变压器铁心多点接地故障的跟踪分析与现场处理[J]. 电气技术, 2020, 21(10): 114-116.
[6] 王云皓, 厉伟. 变压器局部放电超声波信号处理方法研究[J]. 电气开关, 2021, 59(2): 32-36.
[7] 殷健. 大型油浸式变压器绕组温度场分布特征提取方法研究[J]. 机械与电子, 2022, 40(3): 21-24.
[8] 张勇, 李勇, 杨应昊, 等. 变压器空载合闸振动信号递归图分析[J]. 电气技术, 2021, 22(8): 34-38.
[9] 梁永亮, 郭汉琮, 薛永端. 基于特征气体关联特征的变压器故障诊断方法[J]. 高电压技术, 2019, 45(2): 386-392.
[10] 杨飏, 邢光兵. 基于三比值法的变压器故障诊断识别[J]. 机电信息, 2021(11): 11-12.
[11] 王健一, 李金忠, 凌愍, 等. 新版电力行业标准《变压器油中溶解气体分析判断导则》解读[J]. 变压器, 2014, 51(12): 49-53.
[12] 张峪维. 基于模糊罗杰斯四比值法的变压器故障诊断[J]. 电工技术, 2021(12): 89-92.
[13] 苑津莎, 秦英, 何亚军. 变压器大卫三角形法故障诊断结果的基本信任分配函数研究[J]. 电测与仪表, 2015, 52(1): 13-18.
[14] 变压器油中溶解气体分析和判断导则: DL/T 722—2014[S] DL/T 722—2014[S]. 北京: 中国电力出版社, 2014.
[15] SCHOLKOPF B, PLATT J C, SHAWE-TAYLOR J, et al.Estimating the support of a high-dimensional dis- tribution[J]. Neural Computation, 2001, 13(7): 1443-1471.
[16] XIAO Yingchao, WANG Huangang, XU Wenli.Para- meter selection of Gaussian kernel for one-class SVM[J]. IEEE Transactions on Cybernetics, 2015, 45(5): 927-939.