基于油中气体分析和局部放电检测的变压器故障诊断技术研究

摘要

电力变压器是电力系统最重要的输变电设备，变压器故障诊断有助于保证系统运行的安全与稳定。在变压器故障前期，会伴随有电脉冲、局部发热以及绝缘材料分解气体等现象，通过量化和测量可以得到描述变压器状态的数据，从这些数据中提取特征值，并使用算法进行分析，实现变压器的故障判断和故障类型识别。论文主要研究了变压器故障诊断中的数据采集、信号（图像）处理、数据分析和模式识别等内容。
　　在利用变压器油色谱在线监测结果形成的变压器故障诊断方法的研究中，应用数学形态学对色谱仪的输出信号进行滤波，并通过图像处理提取电压，利用支持向量机实现电压——气体浓度的非线性回归，设计一种多核多分类支持向量机，并针对支持向量机核参数难以选择的问题，设计了一种核参数优化方法，实现对变压器故障类型的识别。研究和实验表明，采用该优化算法的支持向量机能够获得很好的分类性能，且具有收敛速度快、样本需求小、诊断准确性好的优点。
　　在利用变压器局部放电检测结果构成的变压器故障诊断研究中，设计了自适应形态滤波器滤除放电检测干扰，通过归一化形态谱提取单次放电波形的特征值，并利用支持向量机实现放电类型识别。综合滤波实验表明，自适应形态滤波器克服了传统形态滤波器统计偏移的特点，无论是对周期性干扰还是白噪声都有显著的抑制效果。在放电类型识别实验中，对多分类支持向量机与BP神经网络进行性能比较，实验表明，多分类支持向量机诊断精确度更高，更适合小样本学习。
　　最后，对论文工作进行了简要总结，并指出了有待进一步改进的内容。

目录

声明

摘要

图表目录

1 绪论

1．1 选题背景和研究意义

1．2 变压器故障诊断概述

1．2．1 变压器油中气体检测

1．2．2 变压器局部放电检测

1．3 基于DGA的变压器故障检测研究现状

1．4 变压器局部放电检测研究现状

1．4．1 抑制局部放电检测干扰

1．4．2 局部放电的模式识别

1．5 论文主要工作

2 支持向量机与数学形态学

2．1 引言

2．2 支持向量机

2．2．1 支持向量机原理

2．2．2 支持向量机的设计

2．2．3 支持向量机的改进

2．2．4 凸边界的多分类支持向量机

2．3 数学形态学

2．3．1 数学形态学概述

2．3．2 多尺度形态学运算

2．3．3 数学形态谱

2．3．4 形态滤波器

2．4 基于支持向量机和数学形态学的故障识别系统设计

3 变压器油色谱在线监测

3．1 引言

3．2 变压器油色谱在线监测系统概述

3．3 油中气体谱图分析

3．2．1 基于数学形态学的气体谱图滤波器设计

3．2．2 谱图波峰的识别和基线值的整定

3．2．3 测量气体浓度峰值电压

3．4 谱图电压与气体浓度的非线性回归

3．4．1 电压—浓度关系分析

3．4．2 支持向量机回归理论

3．4．3 利用支持向量机提取气体浓度

3．5 基于支持向量机的变压器故障识别

3．5．1 核参数对支持向量机分类性能的影响

3．5．2 单核多分类SVM的核参数优化过程

3．5．3 多核多分类SVM的核参数优化过程

3．5．4 变压器故障诊断实例

3．6 本章小结

4 变压器局部放电检测

4．1 引言

4．2 形态学滤波器抑制局部放电检测干扰

4．2．1 局部放电检测干扰特点

4．2．2 自适应形态滤波器设计

4．2．3 自适应滤波器抑制周期周期性干扰

4．2．4 自适应滤波器抑制白噪声

4．2．5 自适应形态滤波器的综合滤波效果

4．3 典型局部放电模型的实验分析

4．4 局部放电类型与形态谱提取

4．4．1 一维多值离散条件下的形态谱研究

4．4．2 形态谱提取放电特征量

4．5 基于支持向量机与形态谱的放电类型识别

4．5．1 机器学习参数设置

4．5．2 识别结果对比

4．6 本章小结

5 结论与展望

5．1 论文工作总结

5．2 今后研究方向与展望

致谢

参考文献

附录 攻读硕士学位期间发表的论文情况