支持向量机在电力变压器故障诊断中的应用文献综述

 2023-08-10 09:22:10

文献综述(或调研报告):

油浸式变压器在实际运行过程中,由于受到过热和放电的影响,变压器内部油和绝缘材料会逐渐老化分解,产生少量的各种低分子烃类及一氧化碳、二氧化碳等气体,随着变压器绝缘故障程度的演变,分解出的气体不断地溶解于变压器油中。局部过热、局部电晕和电弧放电等都会引起变压器油和绝缘材料的裂解,从而产生气体。在这些产生的气体中,氢气(H2)、甲烷(CH4)、乙烷(C2H6)、乙烯(C2H4)、乙炔(C2H2)、一氧化碳(CO)和二氧化碳(CO2)对判断变压器的内部绝缘故障最有价值,因此称这些气体为特征气体。当变压器存在潜伏性内部绝缘故障时,特征气体的产生量会逐渐增多,人们采集变压器的油样进行气相色谱分析,得到油中溶解气体的浓度,从而判断变压器所属的故障类型[1]

目前,对变压器开展监测与诊断的项目有局部放电的在线监测、油中溶解气体的监测与诊断、油中微水含量的监测、绕组变形的监测与诊断、有载调压变压器分接开关在线检测等等。其中,对于变压器内部绝缘故障而言,油中溶解气体分析(Dissolved Gases Analysis,DGA)方法已经普遍被公认为相当有效的方法。我国1996年在修订《电力设备预防性试验规程》时,已将油中溶解气体分析列为对电力变压器进行预防性试验的首位[2]

传统的分析油中溶解气体方法有特征气体法、IEC三比值法和改良三比值法:

特征气体法[3]是根据模拟试验和大量的现场试验,将油浸式电力变压器故障时产生的气体分为主要气体组分和次要气体组分,根据不同的气体组分浓度来区分其所属故障类型。例如,油过热的主要气体组分是CH4,C2H2,次要气体组分是H2,C2H6;油中火花放电的主要气体组分是H2,C2H2;油中电弧的主要气体组分是H2,C2H2,次要气体组分是CH4,C2H4,C2H6

IEC三比值法[4]的原理是:变压器内部油和绝缘材料会在不同故障状态下裂解产生各种特征气体,根据这些特征气体组分含量的相对浓度,从5种特征气体中选择性质相近的两种特征气体组分含量构成三对比值,予以相应的编码,通过结果的编码组合来判断变压器所属的故障类型,该方法避免了变压器油的体积效应干扰,可以提供较为可靠的故障判断准确率。

改良三比值法[5]则是电协研在IEC三比值法基础上,适当修改与调整编码规则和故障类型,演变而来的新方法,而我国国标《DL/T 722- 2000,变压器油中溶解气体分析和判断导则》已推荐改良电协研法为电力设备内部故障诊断的主要方法,其后由于该方法的广泛推广而正式更名为改良三比值法。

随着人工智能的发展和机器学习的进步,一些结合人工智能的油中溶解气体分析方法逐渐崭露头角,如专家系统、模糊数学、神经网络和支持向量机:

专家系统是指应用于某一专业领域,在该专业领域内掌握相当规模的专家知识,模拟专家思维,能够像专家一样解决实际问题的计算机系统。例如[6]从变压器的故障现象、油中溶解气体和离线电气试验三个角度出发,将特征气体法、三比值法和电气试验结果三者结合,开发出了一种变压器的故障诊断专家系统。专家系统应用于电力变压器故障诊断时存在一些问题有:专家知识库获取知识存在瓶颈,即大量专业知识需要靠专业领域内的知识工程师输入至知识库中,这项工作相当费时且效率低下;大多数专家系统仍然使用基本结构,无法摆脱系统维护困难的缺点;再者专家系统由于诊断策略不灵活、推理方法简单,往往停留在单一诊断方式或者简单分析的基础上,没有考虑到多专家合作的重要性,容易出现匹配冲突,容错能力较差。

模糊数学是以模糊集为基础,用模糊论域和模糊关系来描述人们的思维和语言的模糊性,模仿人脑对上述模糊信息加以分析判断的数学工具。例如[7]用专家的语义经验建立了变压器故障现象和故障因素的强度关系,并结合概率论思想,利用覆盖集重新选取征兆集,重构相对似然函数,从而建立起变压器故障综合诊断模型。模糊数学应用于变压器故障诊断时存在的问题有:模糊诊断的知识获取途径少,特别是故障和征兆之间的关系比较难以定位,并且整个模糊诊断系统过于依赖模糊知识库,泛化能力差,易发生误诊;而且由于模糊语言变量是用模糊数表示的,如何实现模糊语言变量与模糊数之间的转化也是实现上的一个难点。

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

以上是毕业论文文献综述,课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。