油中溶解气体分析
油中溶解气体分析的相关文献在1999年到2022年内共计182篇,主要集中在电工技术、自动化技术、计算机技术、物理学
等领域,其中期刊论文147篇、会议论文8篇、专利文献1023443篇;相关期刊77种,包括电测与仪表、电工技术学报、电力系统自动化等;
相关会议8种,包括第三届国际信息技术与管理科学学术研讨会、全国火电600MWe级机组能效对标及竞赛第十四届年会、2007年全国电气设备安全与信息技术研讨会暨中国电机工程学会能源与信息专委会学术年会等;油中溶解气体分析的相关文献由528位作者贡献,包括朱永利、孙才新、王允志等。
油中溶解气体分析—发文量
专利文献>
论文:1023443篇
占比:99.98%
总计:1023598篇
油中溶解气体分析
-研究学者
- 朱永利
- 孙才新
- 王允志
- 冷永生
- 李彦明
- 杨依军
- 徐志钮
- 杨宁
- 董明
- 陈伟根
- 严璋
- 云玉新
- 何怡刚
- 吴晓欣
- 夏宇兴
- 宋斌
- 律方成
- 是艳杰
- 李征
- 李枫林
- 杨虎
- 段嘉珺
- 潘翀
- 王伟
- 石鑫
- 苑津莎
- 袁帅
- 郭创新
- 高成岳
- 黄昕
- 黄鞠铭
- 井雨淳
- 付裕
- 任堂正
- 任学刚
- 任宝龙
- 任雁铭
- 余翔
- 兰柏
- 关睿
- 其他发明人请求不公开姓名
- 刘伟
- 刘佳佳
- 刘冠伯
- 刘奕路
- 刘钊
- 吴志强
- 吴晓辉
- 周步祥
- 唐喜
-
-
陈图南;
马凤翔;
王刘芳;
韩冬;
张国强
-
-
摘要:
油中溶解气体分析是变压器状态检测最为常见且可靠的方法,油气分离技术则是溶解气体分析中重要的一环。在油气分离技术中,渗透膜是一种较为新颖且颇具前途的分离技术。相较于传统的油气分离方法,渗透膜技术具有结构简单、体积较小、免于维护等优点,因此该方法是油中溶解气体分析研究的热点之一。该文首先对近年来应用于油气分离的高分子渗透膜材料及其结构进行了综述;然后,结合现有研究对几种常见的不同类型的高分子渗透膜进行归纳、总结和对比;最后,在总结当前研究的基础上,提出并讨论高分子渗透膜在变压器油中溶解气体分析领域中未来的发展方向。
-
-
邓佳乐;
孙辰昊;
胡博;
岳一石;
易洲楠;
李绍龙
-
-
摘要:
关联规则挖掘算法常用于基于油中溶解气体分析的变压器故障诊断中。为进一步提升诊断效果,提出一种基于改进关联规则挖掘模型的变压器故障诊断方法。首先,构建可调整的状态重要度评估标准计算方式,能够适应不同输入特征并将其中的罕见高危数据纳入分析,从而有效应对现实应用过程中可能出现的极端状况;其次,直接基于输入特征量导致的故障风险而非特征量的数据占比或出现频率求解相应故障风险权重,能够更加准确地衡量各特征量所带来的影响;最后应用Relim算法进行关联规则挖掘,从而改善挖掘效率。实例仿真结果表明,所提出方法相较采用固定重要度评估标准计算方式、传统风险权重求解方法以及Apriori关联规则挖掘算法的故障诊断方法,具有更好的诊断准确率、实际可行性以及运算效率。
-
-
陈希颖;
邱舰洋
-
-
摘要:
对某500 kV高压电抗器内油中溶解特征气体组分含量异常数据进行分析,并结合其他试验数据,找到引起油色谱数据异常的原因,并对该设备采取了相应的处理措施,消除该设备存在的安全隐患。最终,该设备内油中溶解特征气体组分含量均回归正常且稳定的区间,设备继续安全、平稳运行。
-
-
刘文君;
贺馨仪;
王彬;
董明;
马庆华
-
-
摘要:
油中溶解气体分析技术作为输变电在线监测技术中应用最广泛的技术之一,目前仍然存在受到复杂的现场环境影响导致数据质量普遍不高和数据采集标准化无法统一的问题,极大地限制了应用油色谱技术进行设备状态监测的有效性、准确性和及时性。该文提出了一套基于异常特征提取的油色谱在线监测数据无监督异常检测的集成方法,搭建了油色谱在线监测系统数据的质量评价体系,以达到增强输变电在线监测系统中油色谱数据可用性的效果。以某220 kV变电站在运的交流220 kV变压器为例进行了实例分析,对数据质量评估体系的有效应用进行验证。
-
-
马凤翔;
赵跃;
李辰溪;
郭珉;
朱峰;
杭忱;
陈珂
-
-
摘要:
为了满足变压器中绝缘纸板因过热或者放电故障产生的一氧化碳气体的在线监测需求,提出了一种基于光纤光声传感的油中溶解一氧化碳气体检测技术。采用光声光谱气体检测技术、并结合光纤传感和膜分离技术,设计了集成油气分离和气体检测功能于一体的光纤光声传感探头,油中溶解的一氧化碳气体通过油气分离膜进入到光纤探头中的微型气腔;采用两根光纤将探头连接到解调仪器,分别传输近红外激发光和探测光;气体吸收光能产生的光声信号被光纤法布里-珀罗传感器探测,并被设计的光纤光声解调模块进行信号处理,获得系统对一氧化碳气体体积分数的检测灵敏度为0.345pm/10^(-6)。结果表明,所设计的光纤传感系统对油中溶解一氧化碳气体体积分数检出限达到5×10^(-6)。该研究具有精度高、抗电磁干扰、脱气简单的优势,为变压器油中溶解一氧化碳气体的检测提供了新方法。
-
-
朱文江;
余银辉;
李辰溪;
安冉;
陈珂
-
-
摘要:
CH_(4)和C_(2)H_(2)是变压器发生故障时两种重要的特征气体。为了实现对变压器中溶解的微量CH_(4)和C_(2)H_(2)气体含量检测的需求,采用激光光声光谱气体检测技术,通过分析CH_(4)和C_(2)H_(2)气体的近红外吸收谱线,选取合适的激光光源并确定激光调制参数;设计并搭建了一套以双激光光源和非共振光声池为核心的光声光谱微量CH_(4)和C_(2)H_(2)气体检测系统,获得了系统对CH_(4)和C_(2)H_(2)气体检测灵敏度和低含量检测误差。结果表明,CH_(4)和C_(2)H_(2)气体分别在体积分数为0~1000×10^(-6)和0~500×10^(-6)的范围内具有良好的线性响应,每10^(-6)体积分数的检测响应度分别为5.8969μV和16.1831μV;在低含量CH_(4)/C_(2)H_(2)混合气体对系统的重复性和精度测试中,CH_(4)气体体积分数为3.00×10^(-6)时的检测最大绝对误差为0.30×10^(-6),C_(2)H_(2)气体体积分数为0.50×10^(-6)时的检测最大绝对误差为0.20×10^(-6)。此研究结果满足测量误差的技术指标要求,实现了对微量CH_(4)和C_(2)H_(2)气体的高灵敏度检测。
-
-
沈晓峰;
孙进;
顾华;
吴继健;
张佳栋
-
-
摘要:
针对目前常用的变压器油中溶解气体分析方法的不足,本文尝试根据油色谱在线监测系统产生的大量数据,利用机器学习算法对变压器故障进行诊断和鉴别。由于变压器故障诊断中存在样本小的特点,普通机器学习算法泛化能力较差,本文提出基于极端梯度提升(XGBoost)算法,结合油中气体和故障特征的理论基础,筛选气体并构造特征,基于特征重要度、网格搜索和交叉验证调参优化模型,使用SoftMax函数计算潜在故障预警。以334组变压器的油中溶解气体含量作为算例进行验证,XGBoost算法可以对故障样本特征进行高效学习,形成故障诊断模型,能够较为准确的识别故障类别。相较于SVM算法,模型精确度提高5.39%,模型鲁棒性提升7.56%。与几种常见机器学习算法的性能进行比较,实验结果表明,使用XGBoost特征提取方法结合简单的分类器可以取得很好的效果。
-
-
张又文;
冯斌;
陈页;
廖伟涵;
郭创新
-
-
摘要:
为了提高油浸式变压器故障诊断的精度及可靠性,研究了一种基于遗传算法优化极端梯度提升(XGBoost)的油浸式变压器故障诊断方法.首先,以油中溶解气体分析(DGA)为依据,采用无编码比值方法提取油浸式变压器的9维故障特征,并对数据样本进行归一化处理;以归一化样本为输入建立基于XGBoost的故障诊断模型,并采用遗传算法对模型中的多个超参数同时进行优化.在算例部分,收集547例故障类型确定的DGA数据进行对比实验,结果表明与现有传统方法相比,所提方法的诊断精度和稳定性有显著提升;同时验证了遗传算法对故障诊断模型的优化提升效果.
-
-
张宝全;
马雅丽;
关睿;
白诗婷;
李静;
胡伟涛;
徐志钮
-
-
摘要:
为了提高基于人工神经网络方法的充油电气设备油色谱故障诊断的准确性及诊断结果的可靠性,基于神经网络理论分析指出了采用不同训练算法、隐层神经元数量、初始权值和阈值训练得到多个网络输出的均值作为诊断结果能提高故障诊断的准确性,根据多个网络输出的标准差可以获得诊断结果的可靠性.根据搜集得到的大量油色谱样本,分别采用振荡传播(resilient propagation,RPROP)算法、共轭梯度法、拟牛顿法和Levenberg-Marquardt算法训练共计得到40个结构相似的神经网络,将训练得到神经网络应用于基于油色谱的充油电气设备故障诊断,同时比较了不同算法的训练时间和诊断结果的准确性.结果 表明多个网络输出的平均可提高故障诊断的准确性,根据多个网络输出的标准差可获得诊断结果的可靠性,而且表明神经网络结构相似时,4种算法训练得到的神经网络具有相近的故障诊断准确性,但从训练时间上看,RPROP算法、拟牛顿法和Levenberg-Marquardt算法非常接近,而共轭梯度法的训练时间为其他3种算法的6倍左右.同时考虑到Levenberg-Marquardt算法计算速度最快,可在充油电气设备油色谱故障诊断中用于训练神经网络.
-
-
张弛;
吴东;
王伟;
刘力卿;
谢军
-
-
摘要:
为提高变压器故障诊断效果,并改善训练样本数量不平衡对故障诊断的不利影响,提出了一种基于变分自编码预处理深度学习和油中溶解气体分析(dissolved gas-in-oil analysis,DGA)的变压器故障诊断方法.该方法以各样本DGA特征量为诊断模型输入,以各故障状态概率分布为诊断模型输出.首先通过变分自编码器对少数类训练样本进行预处理,在学习确定少数类训练样本分布特征的基础上实现训练样本自动生成,进而提高训练样本的均衡性.基于3隐层结构堆栈稀疏自编码器深度学习网络构建变压器故障诊断模型,并以经变分自编码器预处理后的均衡训练样本对诊断模型参数进行更新优化.基于实例验证了所提方法的有效性.实验结果表明,所提方法可改善训练样本不平衡的不利影响,各训练集下,采用所提方法的变压器故障诊断结果准确率均保持在91%以上,且漏报率较低.
-
-
涂彦明
- 《第四届输配技术国际会议》
| 2003年
-
摘要:
本文介绍了采用改良后的BP人工神经网络(反向传播神经网络)对大型充油电力变压器进行绝缘性能的评估的方法.在对几种不同学习算法的人工神经网络进行全面地对比分析后,提出了一种具有自适应能力的BP神经网络结构,并用于学习诊断网络;另一方面,数据的可信度分析引入到BP网络,通过可信度分析使获取的DGA数据得到事前处理,消除了由于采集样本带来的分散性误差,而油中溶解气体分析(DGA)作为充油设备绝缘状况分析最为有用的工具,目前已在电力系统中得到广泛的应用,通过将人工神经网络引入DGA的故障识别中,在一定程度上消除了在目前DGA分析中人为造成的误判断、误分析,使判断的结果更加科学、合理.实验证明:采用改良后的BP网络利用前处理技术处理后的变压器的DGA数据作为样本后,使测试结果正确率大大提高,因此,必将在实际绝缘诊断得到广泛的应用.
-
-
谭敬波
- 《全国火电600MWe级机组能效对标及竞赛第十四届年会》
| 2010年
-
摘要:
油中溶解气体分析方法是诊断变压器故障的一种有效方法。本文提出一种以DGA数据和电气预防性试验数据为基础的粗糙集模糊神经网络诊断模型。首先利用粗糙集方法对原始数据进行约简,形成精简的规则集,然后将约简后的决策表模糊化处理,神经网络通过调用最简规则集进行学习训练。最后在MATLAB中进行仿真测试和实例诊断,结果表明满足故障诊断的要求。
-
-
-
-
-
-
-
- 《第19届中国过程控制会议》
| 2008年
-
摘要:
大型电力变压器作为电力系统的枢纽设备,其运行可靠性直接关系到电力系统的安全与稳定.针对基于BP算法的小波神经网络存在收敛速度慢、搜索空间局部极小及易引起振荡等不足,本文以变压器油中溶解气体为分析对象,提出采用动量项和变学习率改进小波神经网络的变压器故障诊断算法.选择400组油中溶解气体含量作为小波神经网络训练及故障识别样本,对训练过程和仿真结果进行对比分析.实验结果表明:较之比值法,改进的小波神经网络故障诊断算法在故障识别准确率和收敛时间方面表现更优.
-
-
- 《第19届中国过程控制会议》
| 2008年
-
摘要:
大型电力变压器作为电力系统的枢纽设备,其运行可靠性直接关系到电力系统的安全与稳定.针对基于BP算法的小波神经网络存在收敛速度慢、搜索空间局部极小及易引起振荡等不足,本文以变压器油中溶解气体为分析对象,提出采用动量项和变学习率改进小波神经网络的变压器故障诊断算法.选择400组油中溶解气体含量作为小波神经网络训练及故障识别样本,对训练过程和仿真结果进行对比分析.实验结果表明:较之比值法,改进的小波神经网络故障诊断算法在故障识别准确率和收敛时间方面表现更优.
-
-
- 《第19届中国过程控制会议》
| 2008年
-
摘要:
大型电力变压器作为电力系统的枢纽设备,其运行可靠性直接关系到电力系统的安全与稳定.针对基于BP算法的小波神经网络存在收敛速度慢、搜索空间局部极小及易引起振荡等不足,本文以变压器油中溶解气体为分析对象,提出采用动量项和变学习率改进小波神经网络的变压器故障诊断算法.选择400组油中溶解气体含量作为小波神经网络训练及故障识别样本,对训练过程和仿真结果进行对比分析.实验结果表明:较之比值法,改进的小波神经网络故障诊断算法在故障识别准确率和收敛时间方面表现更优.