基于数据驱动的电力变压器剩余使用寿命预测方法研究

摘要

现代信息技术的发展，为电力设备的全生命周期管理提供了更好的技术手段。电力变压器作为电力系统最为重要的设备之一，如若故障将对电力系统的安全稳定运行产生明显的消极影响。在数据完备的情况下，对其进行适当的状态维护或预防性维护，对电力系统安全稳定运行具有显著的积极作用。然而当前的研究大多关注变压器健康管理的某一层面或某一阶段，致使研究成果较为孤立、集成性较差。首先，梳理了目前变压器研究存在的主要问题，并给出了基于故障预测与健康管理的解决思路；然后，初步界定了变压器故障预测与健康管理周期。 针对电力变压器故障的深度诊断问题，提出一种深度置信网络与D-S证据理论相结合的方法。采用深度置信网络对电力变压器故障的多维数据进行特征提取及分类，并结合D-S证据理论解决故障诊断中的不确定性问题，构造了电力变压器故障诊断的多级决策融合模型。以变压器油中溶解气体、局放量以及历史故障数据和家族质量史等数据为样本，仿真实验结果表明所提方法对于具备大量多源信息的电力变压器故障诊断问题是有效的。 将剩余使用寿命预测结果与合理的维修模型相结合，有助于提高电力变压器的可用性，同时也能降低维修费用。以电力变压器油纸绝缘退化数据分布情况为基础，提出了一种多元 Weibull 分布下的电力变压器剩余使用寿命预测模型。首先，在统计学 Weibull 参数退化模型的基础上实现多变量多参数的退化建模；然后，基于性能退化数据利用极大似然估计法估计模型参数，获得电力变压器的可靠性函数；最后，利用诊断结果作为故障指标预测其剩余使用寿命。仿真结果表明，该方法能够较为真实准确的反映变压器退化状态和剩余使用寿命。

目录

第一个书签之前

摘要

Abstract

第1章 绪论

1.1 选题背景及意义

1.2 研究现状

1.2.1 故障诊断研究现状

1.2.2 故障预测研究现状

1.3 论文研究内容及目标

1.4 论文组织结构

1.5 本章小结

第2章 电力变压器PHM周期

2.1 电力变压器故障复杂性

2.1.1 影响电力变压器正常运行的因素

2.1.2 电力变压器的故障树

2.1.3 电力变压器故障原因的力学分析

2.2 电力变压器PHM的概念与内涵

2.2.1 PHM方法的分类

2.2.2 PHM的主要任务

2.3 本章小结

第3章 基于多级决策融合模型的电力变压器故障深度诊断方法

3.1 神经网络模型

3.1.1 神经元

3.1.2 神经网络

3.2 深度置信网络

3.2.1 预训练

3.2.2 调优

3.3 D-S证据理论

3.4 变压器DBN特征提取和分类过程

3.5 变压器D-S证据理论中概率分配函数的定义

3.6 变压器多级决策故障诊断模型

3.7 算法流程

3.8 故障诊断实例

3.8.1 数据集描述

3.8.2 仿真实验

3.9 本章小结

第4章 多元Weibull分布下的电力变压器RUL预测

4.1 威布尔分布

4.1.1 Weibull参数退化模型

4.1.2 多元Weibull分布的多参数退化模型

4.1.3 参数估计

4.2 电力变压器退化特征参量的确定

4.3 可靠度函数的确定流程

4.4 电力变压器性能退化数据

4.5 可靠度模型的建立

4.6 剩余使用寿命预测

4.7 本章小结

第5章 结论与展望

5.1 结论

5.2 展望

参考文献

攻读硕士学位期间发表的论文及其它成果

攻读硕士学位期间参加的科研工作

致谢