电力设备绝缘油智能化诊断系统

摘要

充油式电力设备在电力系统中应用广泛，典型的设备包括变压器，电抗器以及充油式互感器等。大型电力变压器作为电力输送的枢纽设备．其工作状况直接影响着电力系统的安全运行，一旦发生故障将对电力系统及终端用户造成重大的经济影响及危害。因此，研究变压器的绝缘状况及变压器故障诊断技术，及早发现变压器的潜伏性故障，对保证其安全运行，提高供电的可靠性具有重要意义。 油中溶解气体分析法是诊断变压器故障的有效方法，如何提高该法的故障诊断正确率和可靠性是目前研究热点之一。本文分析了变压器油中气体形成机理，以及国内外各种基于油中溶解气体分析的故障诊断传统方法及人工智能方法。在此基础上，选择了RBF人工神经网络构建故障诊断系统，并针对网络存在收敛速度慢、不易收敛等问题，应用Levenberg-Marquardt算法来提高神经网络的收敛速度，减少网络陷入局部极小点的可能性。大量实例诊断结果表明本文所用方法具有可信度。 为了表达变压器故障的模糊性，使用模糊数学方法对特征气体数据进行预处理，建立了基于模糊数学的神经网络绝缘油故障诊断方法，并以该方法为基础实现了一套绝缘油故障智能诊断系统。在系统中，结合特征气体的产气率、改良IEC三比值法进行了综合诊断。 本文在构建故障诊断的专家系统时，采用VB语言为开发工具，在程序设计中直接利用VB调用设计好的Matlab神经网络函数程序，读取待诊断数据进行分析及诊断。该系统界面友好，易于操作，运行快捷、故障诊断结果准确可靠，已用于湖南省超高压管理局的常规生产。

目录

文摘

英文文摘

声明

第一章绪论

1.1课题研究背景及意义

1.2故障诊断技术的国内外研究现状

1.3本课题的主要工作

第二章绝缘油中溶解气体产生机理及与故障关系

2.1变压器绝缘油中气体的产生机理

2.1.1绝缘油中溶解气体的来源

2.1.2特征气体产生的原因和特点

2.1.3气体在变压器油中的溶解与扩散

2.1.4内部故障与油中溶解气体的关系

2.2充油变压器的故障诊断方法

2.2.1有无故障的判断方法

2.2.2故障性质和类型的判断方法

2.2.3综合诊断的辅助方法

2.3本章小结

第三章模糊理论与人工神经网络

3.1模糊理论原理

3.2 BP网络及算法

3.2.1 BP网络

3.2.2 BP算法及改进

3.3 RBF网络及学习过程

3.3.1 RBF网络[29]

3.3.2 RBF网络学习过程

3.4 Elman网络及学习过程

3.4.1 Elman网络

3.4.2 Elman神经网络学习过程

3.5本章小结

第四章神经网络模型在绝缘油故障诊断中的应用

4.1数据的收集与处理

4.1.1训练样本的收集

4.1.2样本数据的处理

4.2基于BP网络的绝缘油故障诊断

4.2.1 BP网络设计

4.3.2 BP网络的样本组织和训练

4.3 RBF网络应用于绝缘油故障诊断

4.3.1 RBF网络模型设计

4.3.2 RBF网络参数选取

4.3.3 RBF网络训练方法的确定

4.4基于ELMAN网络的绝缘油故障诊断

4.4.1 Elman网络设计

4.4.2样本组织和训练

4.5仿真结果分析

第五章基于BP网络的绝缘油故障诊断系统设计

5.1系统构成

5.2开发平台

5.3数据库

5.4各功能模块的实现

5.4.1数据分析与诊断模块

5.4.2可视化模块

5.4.2检修策略模块

5.5诊断实例

结论

参考文献

致谢

附录