一、变压器试验(一)(论文文献综述)
谢龙君,李黎,程勇,卢明,姜立秋,腾云[1](2015)在《融合集对分析和关联规则的变压器故障诊断方法》文中进行了进一步梳理结合集对分析和关联规则各自的特点,提出了一种电力变压器故障诊断的新方法。该方法通过分析变压器运行中各故障征兆参数之间的关联性,建立了故障类型集合;通过对比计算关联规则的支持度与置信度,同时引入变权公式,得到故障类型和故障征兆的权重系数,有效避免专家意见或经验的主观性的问题;根据集对分析的可扩展性,采用5元联系度提高变压器故障诊断中处理不确定性因素的精度。实例对比分析表明,与关联规则、集对分析方法相比,该方法具有较好的诊断效果,在多故障问题处理中也表现优异。
李黎,张登,谢龙君,俞斌,林福昌[2](2013)在《采用关联规则综合分析和变权重系数的电力变压器状态评估方法》文中指出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。
孙翔,何文林,詹江杨,郑一鸣,刘浩军,周建平[3](2016)在《电力变压器绕组变形检测与诊断技术的现状与发展》文中研究表明随着电网容量的日益增大,短路故障造成的变压器损坏事故呈上升趋势。及时有效采取检测手段对变压器绕组变形进行测试,能有效防止变压器已有变形的进一步恶化,最大限度地保证变压器不发生事故。从绕组变形的检测方法、检测原理、检测结果的影响因素和判断准则等几个方面进行归纳,综述了近年来变压器绕组变形领域的重要研究成果。同时,结合实际应用案例,从检测方式、测试结果的影响因素、检测信息量、检测灵敏度、变形判断方法及检测标准等角度对不同检测方法进行了分析比较。结果表明,扫频阻抗法能够较好地弥补低电压短路阻抗法和频率响应法在不同形式绕组变形灵敏度上的差异,提高绕组变形诊断的有效性;振动带电检测法无需停电就可开展变压器绕组变形检测。相比其它检测方法扫频阻抗法和振动带电检测法具有较明显优势,建议开展进一步现场应用研究,提高检测手段成熟度和变形判断方法的准确性。
付强[4](2013)在《电力机车主变压器故障诊断技术研究》文中研究说明摘要:二十一世纪我国铁路事业在“客运高速、货运重载”的主题下实现了跨越式发展。随着列车运营速度的提高、单列机车牵引吨位的增加,对机车、车辆装备的检修和维护提出了更高的要求。电力机车主变压器作为电力机车能量的来源,是电力机车的心脏,其安全可靠运行对于保障铁路运输的安全、高效具有重要作用。但与电力机车主变压器的重要作用形成鲜明对比的是,对电力机车主变压器故障诊断技术的研究明显不足。因此,开展电力机车主变压器的故障诊断技术研究对于提高机车检修保障水平,完善电力机车故障诊断技术理论,增强电力机车/电动车组运行的安全性和可靠性具有重要意义。本文以电力机车主变压器为主要研究对象,在概述了电力机车主变压器结构和应用特点的基础上,从机械振动学、电磁学、电化学、电气学出发,研究分析了电力机车主变压器油箱壁振动信号、变压油中溶解气体的特点。并深入探索了符合我国目前电力机车主变压器检修工作实际需求和发展机车“状态维修”需要的电力机车主变压器故障诊断技术。针对机车主变压器绕组、铁芯变形故障,本文提出了基于油箱振动信号的电力机车主变压器故障诊断技术,该技术不但灵敏度高,而且为发展机车主变压器在线状态监测提供了基础。本文首先从变压器的振动产生机理出发,对机车主变压器振动信号的来源进行了详细的分析,探讨了机车主变压器油箱振动信号测量位置的选择。同时,本文一方面利用质量-弹簧模型建立了机车主变压器绕组振动的等效数学模型,推导了机车主变压器稳态运行时绕组振动的加速度方程;另一方面深入探讨了引起机车主变压器铁芯振动的主要原因及影响其振动信号特征的因素。针对机车主变压器绕组变形的故障检测,本文从麦克斯韦方程组和变压器等效电路出发,推导了变压器电磁场耦合方程组,并利用ANASYS软件对HXD1C型电力机车用主变压器进行了实体有限元建模,研究了在不同预紧力下绕组振动信号的变化特点,提出了利用绕组轴向100Hz振动信号对变压器绕组预紧力进行监测的方法。针对变压器铁芯振动信号的特点,本文提出了一种基于混合粒子群优化算法的小波神经网络训练算法,并将该算法训练的小波神经网络应用于电力机车牵引变压器铁芯松动的故障诊断。MATLAB仿真测试表明应用该算法训练的小波神经网络对基于振动信号的电力机车牵引变压器铁芯松动诊断具有更快的收敛速度以及更高的诊断精度。针对DGA技术在电力机车主变压器故障诊断中遇到的问题,本文在系统分析了DGA技术的原理和已有DGA诊断算法的基础上,将多种DGA诊断方法有机的整合起来,结合机车主变压器的特点,提出了一套完整的电力机车主变压器DGA诊断流程。同时,本文提出了一种自组织RBF神经网络训练算法,并将其应用于电力机车主变压器DGA故障诊断。该算法利用平均粒距描述粒子的集中程度,结合Gaussian随机数,按一定概率加大PSO算法中的惯性因子,从而增强了传统PSO的全局搜索能力;同时将FCM算法和Gaussian-PSO算法融合应用到RBF神经网络隐层节点的选择和网络连接权值的优化,改善了以往RBF神经网络的不足,并利用鸢尾属植物数据集及葡萄酒数据集对算法进行了验证。MATLAB仿真测试表明该算法确实具有更高的诊断精度,但训练时间较长。最后,针对目前机车主变压器检修试验装备较为落后的现状,本文在详细研究了机车主变压器型式试验的基本要求和目前机车主变压器检修工作存在的主要问题的基础上,详细给出了机车主变压器综合测试及故障诊断系统的软、硬件设计方案。该系统可以满足目前国内主流电力机车用主变压器的所有型式试验要求并能利用变压器油中溶解气体数据、变压器表壁振动信号和型式试验数据对被试变压器进行综合诊断。
陈彬,李琳,赵志斌[5](2017)在《双向全桥DC-DC变换器中大容量高频变压器绕组与磁心损耗计算》文中指出精确预估非正弦波激励下高频变压器绕组与磁心损耗、研究不同模态下变压器损耗的变化趋势,对于电力电子变压器(PET)精细化设计至关重要。在对PET中间级——隔离式双向全桥DC-DC变换器工作原理进行分析的基础上,建立变换器的近似等效电路模型,得到一种适用于隔离式双向全桥DC-DC变换器中高频变压器绕组损耗计算方法。在计算方波、梯形波电压激励下的磁心损耗时,推导出修正的Steinmetz经验公式简化解析计算式,引入仅与占空比和上升时间有关的修正系数,据此可直接利用正弦波激励下的损耗系数,快速获取典型工作模态下磁心损耗。设计制作一台1.2k V/0.3k V/5k V·A非晶合金磁心高频变压器试验模型,将所提方法的计算结果与有限元仿真和试验测量结果对比,验证了所提方法的有效性。
严小强[6](2019)在《配电变压器智能监测技术及系统研究》文中研究指明配电变压器作为配电网电能运输的核心设备,一旦故障发生影响范围极大,若不能得到及时维修,往往会造成大范围长时间停电,给居民日常生活和工农业生产带来严重的影响。因此实现对变压器运行状态的实时监测和故障定位,为保障配电网的稳定运行起着关键作用。本文综合比较目前变压器所需监测的参数及功能,提出了一套配电变压器智能监测系统方案。主要研究内容如下:(1)分析电能参数、运行环境参数、局部放电对变压器性能的影响,阐述了各参数的检测方法。建立了一种基于优化粒子群算法的空间定位数学模型,并通过MATLAB仿真,验证了模型的可行性,为基于该模型的局部放电定位提供理论依据。(2)设计了配电变压器智能监测系统硬件电路。采用以STM32F407为微处理器,采用电压、电流互感器,信号调理电路和ADE7878电路,完成了电能参数采集电路的设计;采用PT100、光电式传感器、SHT31温湿度传感器,完成了油温、油位、环境温湿度的检测;采用超声波检测方法完成了局部放电检测。(3)设计了配电变压器智能监测系统软件。主要包括配电变压器现场监测终端软件、上位机软件、服务器软件和网络通信协议。该系统软件以检测参数为基础进行任务划分,在实时操作系统平台上对独立任务之间进行调度,从而实现各参数的检测、存储与传输,且该系统软件融合了粒子群算法,完成对故障点定位。(4)构建了配电变压器智能监测系统平台,分别在“江西省计量测试研究院”和企业现场完成系统测试。分别完成了电能参数和运行环境参数检测对比实验、局部放电定位测试等实验。结果表明,本文设计的监测终端能够很好的实现对配电变压器运行状态的检测,能够完成故障定位、三相不平衡识别与决策等功能。本文所研究的配电变压器智能监测系统,运用传感器技术、通信技术和互联网技术,将采集到的变压器的多个状态参数进行在线监测及远程传送,并且在分析实际需求的基础上,实现了具体的实时监测、数据采集、数据存储、信息传输、故障定位、三相不平衡识别与决策等功能,达到了系统预期的效果。这对提升和保障配电变压器安全稳定运行具有重要意义。
赵志刚,李光范,李金忠,张书琦,刘锐,高飞[7](2014)在《基于有限元法的大型电力变压器抗短路能力分析》文中指出为验证基于有限元法的变压器抗短路能力计算方法的有效性,通过开展变压器基于磁场有限元方法的计算分析,并进行了突发短路试验的220 kV变压器的试验结果和计算结果对比,以及因输电线路短路导致故障的500 kV变压器实际受损部位与计算分析结果对比。由通过了突发短路试验的新变压器与在运变压器的数据对比,分析了变压器低压线圈辐向宽度、所用电磁线尺寸、撑条以及电磁线Rp0.2对变压器抗短路能力的影响。结果表明:通过变压器短路试验的产品在低压线圈辐向宽度增加了10%22%,其电磁线的子导线尺寸增加了35%50%。通过此项研究,验证了该分析方法关于绕组机械强度分析的有效性,为新采购变压器的抗短路能力分析评估提供了手段。
赵妙颖[8](2019)在《配电变压器数据感知与智能维护决策研究》文中研究指明智能电网的发展对配电变压器的智能化与可靠性提出了更高要求。对配电变压器进行有效的状态评估与健康管理对于建设坚强智能电网,保障电力系统的安全平稳运行具有重要意义。目前配电变压器健康管理领域的研究成果较分散,尚未集成体系化,且各层面的研究还不尽完善,有待改进。通过对配电变压器数据感知与智能维护决策关键技术展开研究,旨在形成集成化的配电变压器智能健康管理技术体系,提高变压器健康评估与智能维护的有效性和准确度,为配电变压器的健康管理提供较为完整的技术理论支撑与实施过程指导。数据感知是指对设备数据进行有效采集,建立统一的数据环境,并通过对采集数据的进一步分析感知,提取当前设备状态数据信息,完成对设备健康状态的诊断分析。根据配电变压器智能健康管理技术体系需求,配电变压器数据感知与智能维护决策关键技术主要包括配电变压器智能数据采集、信息特征提取、健康状态评估以及智能维护决策四方面内容。针对现有固定、无差别数据采集策略易产生大量冗余数据且采集效率较低等问题,提出配电变压器智能感知数据采集方法。根据各类数据对配电变压器状态评估的重要性以及对数据采集的实时性要求,采用四象限图结合模糊综合评价方法判别数据采集优先级,并对应不同的数据采集策略。针对实时数据采集,提出一种自适应感知采集策略。根据设备状态突变对数据变化程度影响,基于数据波动程度制定采集间隔应激式调整方案。根据采集间隔与数据变化量的动态比例关系调整采集间隔变化尺度,实现高精度的数据采样间隔自适应调整。仿真实验表明该方法可在保证采集质量的同时减少数据采集量,提高运算效率,在数据源保障并提高配电变压器健康状态评估的可靠性。针对配电变压器运行状态数据的有效特征提取,提出了基于经验小波变换(Empirical Wavelet Transform,EWT)与多尺度熵(Multiscale Entropy,MSE)的数据特征提取方法。采用经验小波变换将配电变压器运行状态数据自适应分解为经验小波函数分量。对各分量进行Hilbert变换,提取信号不同频率特征信息,建立信号时频表示。计算各经验小波函数分量与原信号之间的相关系数,通过阈值设定选取与原信号相关度较高的有效分量,并计算其多尺度熵,组合构造原始信号特征向量,以表征信号特征所体现出的配电变压器运行状态信息。仿真实验表明,该方法可有效实现对配电变压器运行状态数据的特征提取,为配电变压器健康状态评估提供高价值密度信息。针对当前配电变压器性能退化建模研究匮乏、健康状态评估较少考虑机械故障影响,且评估方法较片面等问题,提出多元指标下基于EWT-MSE与k-medoids的配电变压器性能退化评估方法,以及综合在线性能评估与离线状态评估的配电变压器剩余良性运行时间预测方法。以能够反映配电变压器机械性能的振动信号和能够反映其化学、电气故障的油中溶解气体等在线监测数据为参考指标,采用EWT-MSE方法对配电变压器不同运行状态指标数据进行特征提取,以此为基础,利用k-medoids聚类建立变压器性能退化评估模型。通过层次分析法对不同指标下的变压器健康置信度加权运算,得到最终配电变压器性能退化在线评估结果。综合变压器役龄、试验信息与故障缺陷信息等历史数据,基于健康指数计算公式实现配电变压器离线健康状态评估。综合在线评估健康置信度与离线评估健康指数,进行配电变压器剩余良性运行时间计算。仿真实验验证了此方法在配电变压器性能评估与剩余良性运行时间预测中的有效性和准确度。为后续配电变压器智能维护决策提供理论依据。针对配电变压器维护检修周期决策研究较匮乏的现象,为解决现有维护检修中过维护造成的资源浪费与欠维护导致的设备故障等问题,提出基于故障率模型的配电变压器维护周期决策优化方法。利用Levenberg-Marquardt(L-M)参数估计方法建立基于Weibull分布的配电变压器基本故障率模型,根据检修记录与性能退化评估结果对模型进行修正,以可靠度函数作为阈值约束条件进行配电变压器维护周期计算。仿真试验表明,与现有计划性维护和状态检修相比,该方法可有效提高正常工作状态但性能有所退化的配电变压器的维护周期准确度,从而避免过维护或欠维护问题发生。为在一定程度上实现配电变压器的智能自维护,提出配电变压器智能维护信息物理系统(Cyber Physical System,CPS)模型框架。分别建立变压器物理系统模型与信息系统模型,通过信息量对物理系统的造访与反馈控制,实现配电变压器自维护。以实现配电变压器输出稳压调节为目的的智能维护CPS模型为仿真算例,验证了 CPS技术在配电变压器智能自维护应用中的可行性与有效性。
周雨[9](2013)在《一种220kV高阻抗变压器工程设计新方法》文中研究说明变压器作为电力系统的枢纽设备,一旦损坏会给电网带来严重的危害,造成巨大的损失。随着电力系统容量的日益增长,短路电流也越来越大。为降低短路电流对变压器及其他电力设备的危害,高阻抗变压器逐渐应用于电力系统当中。统计数据表明,近年来三绕组高阻抗变压器在电网中的应用越来越广泛。而现有的高阻抗变压器的存在着制造成本高昂、损耗高、维护工作量大等问题。因此,研制经济、节约、便于维护的变压器具有重要的理论意义和工程实用价值。本文提出了一种新的220kV三绕组有载调压高阻抗变压器工程设计方法。该方法要求高压绕组靠近铁心放置,向外依次为中压绕组、调压绕组、低压绕组。新结构的高阻抗变压器的实质是通过增大中压绕组和低压绕组间主空道尺寸的手段,增大纵向漏磁面积,从而达到提高阻抗的目的。该方法仅增大了中压及低压绕组间空道尺寸,因此在提高了高-低阻抗、中-低阻抗的同时,并不影响高-中阻抗。而且由于高压绕组内置,大大减小了高压绕组直径,从而降低了高压绕组导线电阻,可以缩小高压对中压绕组运行时的负载损耗。本文详细推导了高阻抗变压器阻抗的工程计算方法,结合传统的计算方法,确定了电磁计算方案。考虑到本台产品的特殊性,利用有限元分析的方法通过计算磁场能量,对阻抗进行了仿真验证。由于变压器改变了绕组排列方式,也改变了电容分布,本文还计算了全波雷电冲击电压分布情况。在结构设计时,针对器身绝缘等特殊部件进行特殊设计,最后进行样机制造、试验。最终试验结果表明,本文提出的设计方法完全满足规定参数要求,达到预期目的,且经济性较好,是一种较为理想的高阻抗变压器设计方法。
郑含博[10](2012)在《电力变压器状态评估及故障诊断方法研究》文中指出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。论文在搜集整理大量技术标准、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方法中回归问题未知变量数目的膨胀,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ε-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。
二、变压器试验(一)(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、变压器试验(一)(论文提纲范文)
(1)融合集对分析和关联规则的变压器故障诊断方法(论文提纲范文)
0 引言 |
1 关联规则与集对分析理论基础 |
1.1 关联规则理论 |
1.2 集对分析原理 |
2 集对分析和关联规则相结合的变压器故障诊断方法 |
2.1 故障类型的划分和故障征兆的选取 |
2.2 故障类型与故障征兆的关联关系 |
2.3 集对分析理论的应用 |
2.4 同异反评价矩阵的计算 |
2.5 差异度系数的确定 |
2.6 故障诊断过程 |
3 实例分析 |
4 结论 |
(2)采用关联规则综合分析和变权重系数的电力变压器状态评估方法(论文提纲范文)
0 引言 |
1 电力变压器综合状态量的构造 |
2 确定常权重系数的关联规则方法 |
3 变权重系数的应用 |
4 电力变压器状态评估步骤 |
5 运行实例分析 |
6 结论 |
(4)电力机车主变压器故障诊断技术研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 课题研究的意义 |
1.2 机车主变压器概述 |
1.3 机车主变压器的特点 |
1.4 机车主变压器的故障类型 |
1.5 国内外相关技术的发展现状 |
1.5.1 变压器铁芯和绕组变形故障诊断 |
1.5.2 变压器绝缘材料缺陷的故障诊断 |
1.5.3 电力机车主变压器型式试验 |
1.6 本课题的主要研究思路 |
1.7 课题来源及本文的结构 |
2 机车主变压器振动信号特性研究 |
2.1 机车主变压器油箱振动信号的来源 |
2.1.1 机车主变压器油箱振动信号的来源 |
2.1.2 机车主变压器油箱振动信号测量位置的选择 |
2.2 机车主变压器绕组振动特性研究 |
2.2.1 机车主变压器绕组的轴向动态结构模型 |
2.2.2 机车主变压器绕组的电磁力的计算 |
2.2.3 机车主变压器绕组轴向振动加速度 |
2.2.4 绕组轴向振动加速度与预紧力的关系 |
2.3 机车主变压器铁芯振动特性研究 |
2.3.1 机车主变压器铁芯振动的机理 |
2.3.2 机车主变压器铁芯状态对振动信号的影响 |
2.4 本章小结 |
3 基于振动信号的机车主变压器故障诊断技术研究 |
3.1 机车主变压器的基本结构 |
3.1.1 电力机车用主变压器的总体结构 |
3.1.2 电力机车用主变压器的线圈绕组 |
3.1.3 电力机车用主变压器的铁芯 |
3.1.4 电力机车用主变压器的其他附属设施 |
3.2 机车主变压器绕组的有限元仿真分析 |
3.2.1 多物理场耦合有限元仿真概述 |
3.2.2 机车主变压器绕组的电磁场耦合 |
3.2.3 机车主变压器绕组的有限元仿真 |
3.3 基于振动信号的机车主变压器故障诊断算法 |
3.3.1 机车主变压器铁芯振动信号的特点 |
3.3.2 小波神经网络概述 |
3.3.3 混合粒子群优化算法(HPSO) |
3.3.4 基于HPSO-WNN的机车主变压故障诊断算法 |
3.4 本章小结 |
4 基于DGA数据的机车主变压器故障诊断技术研究 |
4.1 油中溶解气体(DGA)算法 |
4.1.1 DGA算法的基本原理 |
4.1.2 基于DGA的故障诊断算法 |
4.2 DGA技术在机车主变压器故障诊断中的应用研究 |
4.2.1 机车主变压器DGA故障诊断方法基本流程的研究 |
4.2.2 机车主变压器DGA故障诊断应用实例 |
4.3 自组织RBF神经网络训练算法 |
4.3.1 RBF神经网络概述 |
4.3.2 模糊C值聚类算法 |
4.3.3 Gaussian随机分布PSO算法 |
4.3.4 自组织RBF网络训练算法的流程 |
4.3.5 自组织RBF网络训练算法测试 |
4.4 自组织RBF网络训练算法的应用 |
4.4.1 自组织RBF神经网络在牵引变压器故障诊断中的应用 |
4.4.2 测试结果分析 |
4.5 本章小总结 |
5 机车主变压器综合测试及故障诊断系统研制 |
5.1 机车主变压器综合测试及故障诊断系统的设计依据 |
5.1.1 机车主变压器型式试验的主要内容 |
5.1.2 机车主变压器故障检修中存在的问题 |
5.1.3 系统主要技术特点 |
5.2 机车主变压器综合测试及故障诊断系统的硬件设计 |
5.2.1 综合测试及故障诊断系统的总体设计 |
5.2.2 各子系统的设计实现 |
5.2.3 系统抗干扰设计 |
5.3 机车主变压器综合测试及故障诊断系统的软件设计 |
5.3.1 系统的PLC程序设计 |
5.3.2 系统主程序设计 |
5.3.3 故障诊断程序设计 |
5.4 本章小结 |
6 总结 |
参考文献 |
攻读学位期间主要的研究成果目录 |
致谢 |
(5)双向全桥DC-DC变换器中大容量高频变压器绕组与磁心损耗计算(论文提纲范文)
0 引言 |
1 双向全桥DC-DC变换器工作原理 |
1.1 变换器的拓扑、近似等效电路和相量图 |
1.2 变换器的典型工作电压、电流波形 |
2 绕组损耗的计算方法 |
2.1 交流电阻系数的计算 |
2.2 谐波电流的计算 |
3 磁心损耗的计算方法 |
3.1 正弦波激励下的磁心损耗计算 |
3.2 非正弦波激励下的磁心损耗计算 |
4 试验模型与计算方法的验证 |
4.1 高频变压器试验模型 |
4.2 绕组损耗的计算 |
4.2.1 交流电阻系数计算及有限元验证 |
4.2.2 谐波电流计算方法的验证 |
4.2.3 波形特征参数对绕组损耗的影响 |
4.3 磁心损耗的计算 |
4.3.1 波形特征参数对磁心损耗的影响 |
4.3.2 试验模型磁心损耗测量及误差分析 |
5 结论 |
(6)配电变压器智能监测技术及系统研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.3 存在的问题与发展趋势 |
1.4 课题来源与主要研究内容 |
1.4.1 本课题来源 |
1.4.2 主要研究内容 |
1.4.3 章节安排 |
第2章 配电变压器智能监测系统总体方案设计 |
2.1 配电变压器智能监测系统功能需求分析 |
2.2 配电变压器智能监测系统组成及工作原理 |
2.3 系统整体方案设计 |
2.3.1 硬件整体方案设计 |
2.3.2 软件整体方案设计 |
2.4 本章小结 |
第3章 配电变压器状态参数检测方法与理论研究 |
3.1 关键状态参数对变压器性能影响分析 |
3.1.1 电能参数对变压器性能影响分析 |
3.1.2 运行环境参数对变压器性能影响分析 |
3.1.3 局部放电对变压器性能影响分析 |
3.2 配电变压器状态参数检测方法 |
3.2.1 变压器电能参数检测 |
3.2.2 变压器运行环境参数检测 |
3.2.3 变压器局部放电检测 |
3.3 变压器局部放电定位数学模型及算法研究 |
3.3.1 局部放电数学模型的建立 |
3.3.2 定位算法研究 |
3.3.3 定位算法仿真分析 |
3.4 本章小结 |
第4章 配电变压器智能监测系统硬件设计 |
4.1 硬件总体结构设计 |
4.2 变压器状态参数监控系统设计 |
4.2.1 电能参数检测电路 |
4.2.2 超声波检测电路 |
4.2.3 多路传感接口电路 |
4.2.4 三相不平衡补偿单元 |
4.3 变压器通信电路设计 |
4.3.1 GPRS通信技术 |
4.3.2 以太网技术 |
4.4 微处理器系统 |
4.4.1 微处理器的选型 |
4.4.2 存储电路 |
4.4.3 电源模块 |
4.4.4 系统辅助电路 |
4.5 整体硬件设计实物图 |
4.6 本章小结 |
第5章 配电变压器智能监测系统软件设计 |
5.1 配电变压器监控终端软件设计 |
5.1.1 变压器监测终端系统任务设计 |
5.1.2 电能参数检测任务设计 |
5.1.3 局部放电检测任务设计 |
5.1.4 三相不平衡调控任务设计 |
5.1.5 油温油位检测任务设计 |
5.1.6 数据处理任务设计 |
5.1.7 环境温湿度检测任务设计 |
5.1.8 其他任务设计 |
5.2 网络通信设计 |
5.2.1 通信协议 |
5.2.2 GPRS通信任务 |
5.2.3 以太网通信任务 |
5.3 管理平台设计 |
5.3.1 上位机设计 |
5.3.2 服务器设计 |
5.4 本章小结 |
第6章 系统实验研究 |
6.1 实验室系统验证 |
6.1.1 变压器电能测试 |
6.1.2 三相不平衡调节测试 |
6.1.3 变压器油温油位测试 |
6.1.4 变压器环境温湿度测试 |
6.1.5 变压器局部放电定位测试 |
6.2 企业现场测试验证 |
6.3 本章小结 |
第7章 总结与展望 |
7.1 总结 |
7.2 展望 |
致谢 |
参考文献 |
附录A 攻读硕士学位期间从事的科研项目和发表的论文 |
(8)配电变压器数据感知与智能维护决策研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 选题背景与研究意义 |
1.2 国内外研究现状 |
1.2.1 配电变压器信号特征提取研究现状 |
1.2.2 配电变压器健康状态评估与寿命预测研究现状 |
1.2.3 配电变压器维护检修决策研究现状 |
1.3 论文主要研究内容 |
1.4 论文组织结构 |
第2章 配电变压器数据感知与维护决策基本理论 |
2.1 配电变压器信号特征提取理论与方法 |
2.1.1 小波分析方法 |
2.1.2 经验模式分解 |
2.1.3 熵理论 |
2.2 配电变压器性能状态评估与寿命预测方法 |
2.2.1 基于状态评价导则的配电变压器状态评价方法 |
2.2.2 数据驱动方法 |
2.3 配电变压器维护检修决策理论与方法 |
2.3.1 马尔可夫决策理论 |
2.3.2 灰色决策理论 |
2.4 本章小结 |
第3章 配电变压器智能数据采集与信号特征提取 |
3.1 配电变压器智能感知数据采集 |
3.1.1 数据采集优先级判别 |
3.1.2 智能感知实时数据采集 |
3.2 基于经验小波变换与多尺度熵的配电变压器信号特征提取 |
3.2.1 经验小波变换 |
3.2.2 多尺度熵理论 |
3.2.3 基于EWT-MSE的配电变压器信号特征提取 |
3.3 仿真实验与结果分析 |
3.3.1 配电变压器智能感知数据采集实验分析 |
3.3.2 配电变压器信号特征提取实验分析 |
3.4 本章小结 |
第4章 配电变压器性能退化评估与剩余良性运行时间预测 |
4.1 多元指标下基于EWT-MSE与k-medoids的配电变压器性能退化评估 |
4.1.1 k-medoids聚类算法 |
4.1.2 基于EWT-MSE与k-medoids聚类的配电变压器性能退化评估 |
4.2 配电变压器剩余良性运行时间综合预测 |
4.2.1 基于健康指数的配电变压器离线状态评估 |
4.2.2 考虑在线性能评估与离线状态评估的剩余良性运行时间预测 |
4.3 仿真实验与结果分析 |
4.3.1 配电变压器性能退化评估实验分析 |
4.3.2 配电变压器剩余良性运行时间实验分析 |
4.4 本章小结 |
第5章 配电变压器智能维护决策研究 |
5.1 基于故障率模型的配电变压器维护周期决策优化 |
5.1.1 基于L-M参数估计的配电变压器故障率模型 |
5.1.2 考虑检修记录与在线性能评估的故障率模型修正 |
5.1.3 基于阈值约束的配电变压器维护周期优化决策 |
5.2 配电变压器智能维护信息物理系统(CPS)模型 |
5.2.1 信息物理系统概念与特征 |
5.2.2 配电变压器智能维护CPS建模 |
5.3 算例分析 |
5.3.1 配电变压器维护周期决策优化算例分析 |
5.3.2 配电变压器智能维护CPS模型算例分析 |
5.4 配电变压器数据感知与智能维护决策实例分析 |
5.4.1 配电变压器数据感知与智能维护决策实施流程 |
5.4.2 配电变压器数据感知与智能维护决策实例数据 |
5.4.3 配电变压器数据感知与智能维护决策实验分析 |
5.5 本章小结 |
第6章 结论与展望 |
6.1 论文工作总结 |
6.2 未来工作展望 |
参考文献 |
攻读博士学位期间发表的论文及其它成果 |
攻读博士学位期间参加的科研工作 |
致谢 |
作者简介 |
(9)一种220kV高阻抗变压器工程设计新方法(论文提纲范文)
摘要 |
Abstract |
目录 |
第1章 概述 |
1.1 课题研究的背景及意义 |
1.2 国内外研究现状 |
1.3 本文主要工作 |
第2章 变压器电磁计算的基础理论 |
2.1 变压器电磁计算简介 |
2.1.1 变压器电磁计算的任务 |
2.1.2 电磁计算的一般程序 |
2.2 变压器短路阻抗计算 |
2.2.1 变压器短路阻抗简介 |
2.2.2 漏电抗计算假定的理想条件 |
2.2.3 短路阻抗工程计算方法的推导 |
2.3 变压器冲击分布计算 |
2.3.1 变压器冲击分布计算的任务 |
2.3.2 变压器冲击分布计算原理 |
2.4 本章小结 |
第3章 高阻抗变压器电磁计算结果 |
3.1 变压器设计参数 |
3.2 电磁计算结果 |
3.2.1 铁心、绕组基本参数 |
3.2.2 绕组参数简介 |
3.2.3 阻抗计算 |
3.2.4 损耗计算 |
3.2.5 温升计算 |
3.2.6 短路能力计算 |
3.3 计算验证 |
3.3.1 阻抗验证 |
3.3.2 冲击分布验证 |
3.4 本章小结 |
第4章 高阻抗变压器绝缘结构简介 |
4.1 概述 |
4.2 器身绝缘结构 |
4.3 本章小结 |
第5章 变压器试验 |
5.1 变压器试验简介 |
5.1.1 变压器试验的任务 |
5.1.2 变压器试验的项目及流程 |
5.2 试验结果 |
5.2.1 绝缘特性试验 |
5.2.2 电压比测量及电压矢量关系校定 |
5.2.3 绕组电阻测量 |
5.2.4 外施耐压试验 |
5.2.5 感应耐压试验 |
5.2.6 开路试验及短路试验 |
5.2.7 全波雷电冲击耐压试验 |
5.2.8 温升试验 |
5.2.9 过电流试验 |
5.3 试验参数对比 |
5.4 经济参数对比 |
5.5 本章小结 |
第6章 结论和展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
攻读硕士学位期间发表的论文及其它成果 |
致谢 |
作者简介 |
(10)电力变压器状态评估及故障诊断方法研究(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 本文研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 电力变压器状态评估的研究现状 |
1.2.2 电力变压器故障诊断研究现状 |
1.2.3 电力变压器故障预测研究现状 |
1.3 本文研究的目的和研究内容 |
1.3.1 本文研究的目的 |
1.3.2 本文研究的主要内容 |
2 电力变压器状态评估指标体系 |
2.1 引言 |
2.2 电力变压器状态评估指标体系建立原则 |
2.3 油色谱指标 |
2.4 电气试验指标 |
2.5 油化试验指标 |
2.6 附件及运检记录指标 |
2.7 本章小结 |
3 电力变压器状态评估方法研究 |
3.1 引言 |
3.2 变压器评估指标权重确定 |
3.3 基于集对分析理论的电力变压器状态评估 |
3.3.1 状态评估指标选取及相对劣化度确定 |
3.3.2 状态评估等级化分及检修策略制定 |
3.3.3 集对分析的评估方法 |
3.3.4 实例研究 |
3.4 基于模糊和证据推理融合的变压器绝缘状态评估 |
3.4.1 电力变压器绝缘状态评估构架 |
3.4.2 模糊评估模型 |
3.4.3 证据推理融合评估模型 |
3.4.4 电力变压器绝缘状态评估的程序步骤 |
3.4.5 实例研究 |
3.5 本章小结 |
4 基于支持向量机的电力变压器故障诊断 |
4.1 引言 |
4.2 以油中溶解气体为特征量的电力变压器故障诊断 |
4.2.1 油中溶解气体的产生原理 |
4.2.2 电力变压器内部故障与油中溶解气体的关系 |
4.2.3 基于油中溶解气体的电力变压器故障诊断框架 |
4.3 基于支持向量机理论的故障诊断算法 |
4.3.1 支持向量机分类理论 |
4.3.2 支持向量机的多分类方法 |
4.3.3 基于多分类最小二乘支持向量机的故障诊断方法 |
4.4 基于粒子群优化最小二乘支持向量机的变压器故障诊断 |
4.4.1 支持向量机的参数优化 |
4.4.2 粒子群优化理论 |
4.4.3 基于粒子群优化最小二乘支持向量机模型的故障诊断 |
4.4.4 变压器故障诊断实例分析 |
4.5 基于改进粒子群优化支持向量机的变压器故障诊断 |
4.5.1 改进粒子群优化算法 |
4.5.2 基于改进粒子群优化支持向量机的变压器故障诊断 |
4.6 本章小结 |
5 基于支持向量机的电力变压器故障预测 |
5.1 引言 |
5.2 基于支持向量机回归理论的预测算法 |
5.2.1 支持向量机回归预测原理 |
5.2.2 基于最小二乘支持向量机的回归预测方法 |
5.3 基于改进粒子群优化最小二乘支持向量机回归的油中气体预测 |
5.3.1 改进粒子群优化最小二乘支持向量机回归的油中气体预测模型 |
5.3.2 变压器油中溶解气体预测实例分析 |
5.4 基于小波最小二乘支持向量机回归的油中溶解气体预测 |
5.4.1 构造支持向量机核函数的条件 |
5.4.2 小波核函数构架 |
5.4.3 小波最小二乘支持向量机回归的油中溶解气体预测 |
5.5 基于模糊信息粒化支持向量机回归的油中溶解气体区间预测 |
5.5.1 变压器油中溶解气体发展趋势的时序预测 |
5.5.2 模糊信息粒化的时序模型 |
5.5.3 基于模糊信息粒化和支持向量机回归的油中溶解气体区间预测 |
5.5.4 变压器油中溶解气体区间预测实例分析 |
5.6 本章小结 |
6 结论与展望 |
6.1 主要结论 |
6.2 后续研究工作的展望 |
致谢 |
参考文献 |
附录 |
A. 作者在攻读博士学位期间发表的论文目录 |
B. 作者在攻读博士学位期间参加的科研项目目录 |
四、变压器试验(一)(论文参考文献)
- [1]融合集对分析和关联规则的变压器故障诊断方法[J]. 谢龙君,李黎,程勇,卢明,姜立秋,腾云. 中国电机工程学报, 2015(02)
- [2]采用关联规则综合分析和变权重系数的电力变压器状态评估方法[J]. 李黎,张登,谢龙君,俞斌,林福昌. 中国电机工程学报, 2013(24)
- [3]电力变压器绕组变形检测与诊断技术的现状与发展[J]. 孙翔,何文林,詹江杨,郑一鸣,刘浩军,周建平. 高电压技术, 2016(04)
- [4]电力机车主变压器故障诊断技术研究[D]. 付强. 中南大学, 2013(02)
- [5]双向全桥DC-DC变换器中大容量高频变压器绕组与磁心损耗计算[J]. 陈彬,李琳,赵志斌. 电工技术学报, 2017(22)
- [6]配电变压器智能监测技术及系统研究[D]. 严小强. 东华理工大学, 2019(01)
- [7]基于有限元法的大型电力变压器抗短路能力分析[J]. 赵志刚,李光范,李金忠,张书琦,刘锐,高飞. 高电压技术, 2014(10)
- [8]配电变压器数据感知与智能维护决策研究[D]. 赵妙颖. 华北电力大学(北京), 2019(01)
- [9]一种220kV高阻抗变压器工程设计新方法[D]. 周雨. 华北电力大学, 2013(01)
- [10]电力变压器状态评估及故障诊断方法研究[D]. 郑含博. 重庆大学, 2012(02)