一、利用振动法进行变压器在线监测的应用研究(论文文献综述)
惠豪[1](2021)在《基于振动分析法的变压器故障诊断研究》文中研究说明随着近年来我国电力市场经济的快速发展,电网容量在不断增大,电力行业是国民经济发展中最重要的基础能源产业,是各国经济发展战略中的优先发展重点和基础产业。电力变压器的安全性是实现电网系统的安全、可靠、品质和经济运转的重要保障。传统方法都是根据阻抗、电容、电感、互感和绝缘老化产生的气体变化来监测变压器的状态。振动分析法在分析故障时不仅快速性良好,而且相比其他方法,没有接入电气量,具有不直接影响整个电力变压器实际正常工作系统运行的巨大优势。本文从变压器常见故障和故障分类入手,介绍了检测变压器绕组和铁心的传统方法,且相比较传统方法,提出了振动分析法。通过建立绕组的数学模型来进一步说明在漏磁场和短路电流影响下绕组的受力情况以及绕组振动加速度幅值、负载电流和频率的关系;通过研究硅钢片在磁场的磁致伸缩现象,来说明铁心振动加速度幅值、电源电压和频率的相关性。采用理论分析和实测验证相结合的方法,研究了正常运行和故障运行时绕组和铁心的振动信号特征,用振动分析法对电力变压器的绕组和铁心进行了故障监测。所研究的主要内容有电力变压器发生的故障分类及其振动机理,接着建立了振动故障监测平台,其中包括加速度传感器的选取和安装,电路的设计,最终采集到了变压器正常工作时的振动数据。为了解决加速度传感器、运算放大器、工控机等价格昂贵的问题,设计了一种基于STM32的嵌入式数据采集系统。通过应用单片机STM32F103c8t6,AD7606模块、使用FreeRTOS操作系统来进行采集。算法上,通过解包络对振动数据进行分析,论证通过振动数据可以得到变压器故障的有无和故障类型的合理性。最终对实际采集到的变压器的正常数据进行希尔伯特一黄算法分析,应用经验模态分解得到本征模态函数和残余量,对分解所得的各本征模态函数作希尔伯特变换来得到时间、频率、幅值三维时频谱图,预测变压器发生故障的潜在风险。最终得到当希尔伯特一黄变换最终的包络谱图,针对此大型变压器而言,当变压器处在稳态运行时,在50赫兹左右达到频率的峰值。当正常运行的变压器处于刚开电的瞬间,在60赫兹左右达到频率的峰值。由此可以定性分析出,当变压器在多少赫兹达到峰值时和变压器的状态有一定关联。对每个大型变压器进行算法分析得到日常的数据,然后当出现和日常的频率值相差较大时,推测它有故障的风险或者已经产生了故障。
刘春江[2](2021)在《基于Tikhonov正则化方法的变压器在线监测研究》文中指出变压器是电力系统中的重要设备之一,变压器绕组在安装运行过程中,在机械外力以及电动力的作用下,可能会发生形变。当绕组形变量积累到一定程度时,会造成变压器主绝缘损害,进而导致匝间短路等更为严重的故障。目前变压器绕组变形的检测方法多以离线检测为主,但离线检测方法的不足之处在于需要变压器停电以后进行检测。因此,探究在线监测变压器绕组变形的方法是十分必要的。本文分析了现有变压器等效模型,选取T型等效模型作为研究对象,以此建立变压器短路阻抗计算方程,通过在线监测变压器绕组短路阻抗参数来判断变压器绕组状态。但是在求解绕组参数的方程时,由于计算方程呈现病态性,采用常用的最小二乘法计算时,测量值中的微小误差会造成计算结果变化很大,影响短路阻抗参数计算的准确性。针对此问题,本文引入Tikhonov正则化计算方法,提出基于Tikhonov正则化的变压器在线监测绕组变形的方法,以此来提高计算精度。在确定计算方法之后,本文通过电磁暂态仿真进行仿真计算,在计算时将Tikhonov正则化算法与最小二乘法进行对比研究,研究发现常用的最小二乘法对于短路阻抗参数电阻分量的计算准确度不够,其计算误差最大为112.54%,而Tikhonov正则化算法对于变压器短路阻抗电阻参数和电抗参数的计算误差均小于1%,计算结果不受负载率、功率因数以及短路故障的影响,且在计算数据窗长为工频半周期的情况下仍能够准确计算变压器短路阻抗参数,可以实现变压器短路阻抗参数的快速辨识。整体来说,Tikhonov正则化算法的计算性能优于最小二乘法。最后在实验室现有条件下,搭建变压器等效模型以及环形变压器实验平台对Tikhonov正则化算法进行了实验验证,实验结果显示Tikhonov正则化方法辨识变压器短路阻抗参数误差均小于1%,即实验结果与仿真结果一致,进一步确认Tikhonov正则化算法能够实现变压器绕组变形在线监测的应用。
谢鹏[3](2020)在《基于数据和模型的油浸式电力变压器健康管理系统研究》文中研究指明油浸式电力变压器在电网中的广泛使用,使其安全可靠性成为影响电网供电可靠性和供电质量的关键性因素之一,长期以来,油浸式电力变压器的健康管理一直倍受关注。由于变压器生产厂家、工艺、电压等级、容量等的多样化,以及运行环境的复杂化,变压器健康管理一直占据电网企业大量的资源。在智能电网背景下,新一代信息技术的飞速发展促进了智慧变电站的建设,使变压器运行状态的实时在线监测成为了可能,从而为变压器健康管理奠定了物理基础。本文立足于油浸式电力变压器预测性管理(prognostics and health management,PHM)的应用场景,开展变压器健康管理系统关键理论技术研究,在此基础上,充分利用先进的计算机、通信等信息技术,开发变压器PHM平台,以有效提高电网企业对变压器资产的管理水平和效率。本文的主要研究内容包括以下几个方面:(1)针对单一变压器属性难以有效、准确地实现变压器状态评估的问题,对变压器的多属性特性进行了分析,并给各属性分配适当的权重。在此基础上,提出了基于模糊逻辑的变压器多属性状态评估模型。该模型具有输入参数个数较少、模糊规则简单、评估结果准确可靠的优点。本文提出的方法克服了以往模糊逻辑模型和传统变压器健康评估方法的不足。变压器现场数据的检测结果检验了所提模型的正确性和可行性。(2)针对计算变压器热点温度的经验公式中对散热电阻的分析和取值较为简单,不能充分反映负载、环境等因素对温度的影响,致使计算结果误差相对较大的问题,研究不同负载电流下、不同冷却方式、不同内部温度下变压器内部传热方式与机理,提出考虑多因素条件下散热电阻的计算方法,进而构建综合考虑不同运行工况下变压器的改进热路模型,给出了基于改进模型的顶油和热点温度求解方法,并对计算结果进行准确性评估。结果表明,采用提出的改进模型计算得到的变压器顶油和热点温度与其实际值之差不超过2.2K,也即提出的散热电阻计算方法能有效提高热路模型的精确度。(3)分析了三种常见的基于油中溶解气体的变压器故障诊断方法;研究了遗传算法基本原理及其易陷于局部最优解的不足,提出一种交叉和变异概率、个体繁殖数量能够依适度值自适应调整的改进方法,仿真结果表明,改进方法显着提高了算法的全局搜索能力;利用提出的改进遗传算法优化BP神经网络的初始权值和阈值,建立基于改进遗传算法优化BP网络的变压器故障诊断模型,有效解决了BP神经网络收敛速度缓慢且精确度较差的问题,通过与已有的三种典型的故障诊断方法进行对比分析,结果表明提出的诊断模型具有更高的诊断速度和准确度。(4)利用提出的考虑不同工况下的变压器热路模型,建立了基于热点温度分析的变压器绝缘寿命评估模型;设计了一种热因素条件下油纸绝缘老化试验,提取基于脉冲相位分布模式的四个统计图谱共27个特征量,并通过因子分析法获取10个主成分因子,从而建立基于改进遗传算法优化BP神经网络的油浸式电力变压器油纸寿命评估方法,试验结果表明提出的方法诊断效果较好;分析了Weibull分布与电气设备寿命统计学规律的相关性,建立了基于Weibull分布的电力变压器寿命预测模型,利用收集的某电网电力变压器故障数据,检验了利用Weibull分布进行变压器寿命评估的有效性。(5)基于变压器PHM管理在线、实时化的需要,利用先进的信息网络技术,开发了变压器PHM管理系统。阐述了PHM管理平台开发所涉及关键技术理论和设计原则,基于PHM功能需求和技术资源现状,规划了平台总体架构和功能模块。通过将开发的PHM云平台对某变电站变压器联网试运行,运行结果表明,开发的平台有效提高了变压器运行状态监控水平,提升了变压器的管理效率。
江俊飞[4](2019)在《高速铁路大型变压器绕组频率响应建模及故障诊断研究》文中提出近年来,高速铁路凭借高速、舒适和强大的运输能力已成为目前中国最主要的交通运输方式之一。牵引供电系统是确保高速列车能够快速稳定运行的基础,AT(Autotransformer,AT)供电系统具有牵引网阻抗小、供电距离长等优点,是我国高速铁路主要的供电方式,其中牵引变压器和自耦变压器是AT供电系统最为昂贵、数量最为庞大的设备之一。牵引供电系统时常面临短路故障、直击雷过电压与谐振过电压等故障,导致变压器绕组面临较大的冲击,甚至变形或损毁,频率响应法是目前应用最为广泛的电力变压器绕组变形诊断方法,受变压器类型和绕组结构差异的影响,高铁变压器与电力变压器频率响应特征差异显着,且高铁变压器对绕组变形测试精度要求更高,简单将电力变压器诊断标准用于高铁大型变压器缺乏针对性和有效性。因此,研究具有针对性的、可靠的高速铁路大型变压器绕组状态诊断方法,对于保障高速铁路安全可靠运行具有重要意义。本论文针对高速铁路大型牵引变压器和自耦变压器,依据“故障特征解析—试验平台搭建—频率响应建模—特征提取—故障诊断方法”的研究路线,开展了高速铁路大型变压器的绕组变形故障诊断研究,主要工作包括:1)基于有限元分析方法和现场试验,解析得到V/X接线牵引变压器和自耦变压器辐向分裂绕组在发生短路冲击故障时,各个绕组的短路受力与故障模式,研究明确了故障下绕组分布电感和电容等主要特征参数变化规律;同时设计了能够模拟多种绕组故障的变压器试验平台,实现了典型变压器接线下绕组不同故障时的频率响应测试。2)针对牵引变压器和自耦变压器,采用有限元分析和状态空间模型,建立了考虑辐向分裂三绕组间所有线饼间分布电容的频率响应数学模型,有效提高计算效率与精度;同时提出了结合实测曲线的绕组频变电感的计算方法,进一步提高绕组频率响应中关键谐振频率的计算精度。3)根据建立的频率响应数学模型,解析得到牵引变压器和自耦变压器绕组发生轴向移位和径向变形时的频率响应特征,结果表明三绕组变压器频率响应曲线变化特征与双绕组变压器有明显区别,并提出通过关键谐振点来诊断V/X接线绕组和辐向分裂绕组故障的方法。4)结合相频曲线和图像处理方法,提出了分频段下频率响应曲线的面积占比和质心偏移特征计算方法,其中面积占比差可以确定主要故障频段,质心偏移能够量化各频段内的曲线偏移情况,应用所提出的特征有效地进行了自耦变压器故障绕组和故障类型的区分。5)研究了基于图像特征和支持向量机的高速铁路大型变压器绕组故障类型和故障位置识别方法;通过变压器绕组变形试验平台,开展了移位故障、径向变形、短路故障和纵向等值电容变化故障测试;通过提出的分频段方法,提取了不同频段下对应的面积占比和质心偏移两种图像特征,提出了采用支持向量机的绕组故障智能诊断方法,并验证了方法的有效性。
田源[5](2019)在《基于分布式光纤传感的变压器绕组变形检测方法研究》文中指出电力变压器在电力系统中起着重要的作用,其安全运行直接影响到供电的可靠性和安全性。绕组变形是引起变压器内部故障的主要原因之一,准确、实时的变形检测对变压器的安全运行具有重要意义。针对传统绕组变形检测方法对绕组局部微小变形检测灵敏度较低,无法进行故障定位等问题,本文提出了基于分布式光纤传感的变压器绕组变形检测方法,研究了变压器油中内置光纤的稳定性,提出了布里渊散射频谱的拟合方法,研究了传感光纤与绕组导线间应变传递机理,开展了基于分布式光纤传感的变压器绕组变形检测试验。主要研究内容和成果如下:进行了内置光纤的变压器油的老化特性试验,分析了含纤油样与纯油样对微水、酸值、介损和体积电阻率等参量影响规律以及对光纤本身测量精度的影响,筛选出聚酰亚胺和乙烯-四氟乙烯共聚物(ETFE)分别作为传感光纤的涂覆层和护套材料;分析了 2种光纤安装方法对绕组内部电场分布的影响以及影响变压器绕组和光纤内部最大场强的主要因素,对不同安装方式的光纤复合式导线进行了工频耐压试验,研究表明,本文设计的两种光纤布设方式均对变压器内部绝缘特性没有影响;对ETFE进行了电老化特性和闪络试验,研究了 ETFE的电老化寿命模型,并与油纸绝缘进行对比,结果表明,ETFE具有比绝缘纸更好的绝缘特性,满足变压器内部绝缘要求。提出了分布式光纤在变压器内部布线和保护方法,研制了 1台内置分布式传感光纤的35kV油浸式变压器。提出了基于互相关-LM法的布里渊频谱拟合方法和双峰拟合方法,提高了布里渊频谱拟合精度和速度,误差小于1MHz;采用布里渊-拉曼联合测量法实现了光纤应变和温度的区分测量,温度精度达±0.5℃,应变精度达±25με;获得了光纤复合式变压器绕组在不同内部环境温度下的应变分布曲线和测量精度,验证了分布式光纤传感技术在变压器绕变形检测中的可行性。设计并研制了嵌入式光纤绕组和粘贴式光纤绕组,建立了分布式光纤与变压器绕组的轴向/弯曲应变传递模型,理论研究表明,光纤应变传递率达85%以上,可有效传递导线应变;分析了影响应变传递率的主要因素,考虑了导线发生塑性形变时应变传递函数,研究了绕组变形量与光纤应变间的关联关系。对比分析了分布式光纤检测法与传统频率响应法对变压器绕组相同程度变形的检测灵敏度,试验验证了分布式光纤检测法对绕组轻微变形测量的有效性,提出了基于欧氏距离的绕组变形检测判据;开展了变压器绕组局部温升和变形模拟试验,有效实现绕组变形定位检测,可将变形故障定位至某一饼;开展了变压器绕组不同变形类型的模拟试验,基于S变换提取绕组变形时光纤应变曲线特征量,采用极限学习机算法识别绕组故障类型,结果表明,该方法对测试样本的识别准确率可达94%以上。
赵妙颖[6](2019)在《配电变压器数据感知与智能维护决策研究》文中认为智能电网的发展对配电变压器的智能化与可靠性提出了更高要求。对配电变压器进行有效的状态评估与健康管理对于建设坚强智能电网,保障电力系统的安全平稳运行具有重要意义。目前配电变压器健康管理领域的研究成果较分散,尚未集成体系化,且各层面的研究还不尽完善,有待改进。通过对配电变压器数据感知与智能维护决策关键技术展开研究,旨在形成集成化的配电变压器智能健康管理技术体系,提高变压器健康评估与智能维护的有效性和准确度,为配电变压器的健康管理提供较为完整的技术理论支撑与实施过程指导。数据感知是指对设备数据进行有效采集,建立统一的数据环境,并通过对采集数据的进一步分析感知,提取当前设备状态数据信息,完成对设备健康状态的诊断分析。根据配电变压器智能健康管理技术体系需求,配电变压器数据感知与智能维护决策关键技术主要包括配电变压器智能数据采集、信息特征提取、健康状态评估以及智能维护决策四方面内容。针对现有固定、无差别数据采集策略易产生大量冗余数据且采集效率较低等问题,提出配电变压器智能感知数据采集方法。根据各类数据对配电变压器状态评估的重要性以及对数据采集的实时性要求,采用四象限图结合模糊综合评价方法判别数据采集优先级,并对应不同的数据采集策略。针对实时数据采集,提出一种自适应感知采集策略。根据设备状态突变对数据变化程度影响,基于数据波动程度制定采集间隔应激式调整方案。根据采集间隔与数据变化量的动态比例关系调整采集间隔变化尺度,实现高精度的数据采样间隔自适应调整。仿真实验表明该方法可在保证采集质量的同时减少数据采集量,提高运算效率,在数据源保障并提高配电变压器健康状态评估的可靠性。针对配电变压器运行状态数据的有效特征提取,提出了基于经验小波变换(Empirical Wavelet Transform,EWT)与多尺度熵(Multiscale Entropy,MSE)的数据特征提取方法。采用经验小波变换将配电变压器运行状态数据自适应分解为经验小波函数分量。对各分量进行Hilbert变换,提取信号不同频率特征信息,建立信号时频表示。计算各经验小波函数分量与原信号之间的相关系数,通过阈值设定选取与原信号相关度较高的有效分量,并计算其多尺度熵,组合构造原始信号特征向量,以表征信号特征所体现出的配电变压器运行状态信息。仿真实验表明,该方法可有效实现对配电变压器运行状态数据的特征提取,为配电变压器健康状态评估提供高价值密度信息。针对当前配电变压器性能退化建模研究匮乏、健康状态评估较少考虑机械故障影响,且评估方法较片面等问题,提出多元指标下基于EWT-MSE与k-medoids的配电变压器性能退化评估方法,以及综合在线性能评估与离线状态评估的配电变压器剩余良性运行时间预测方法。以能够反映配电变压器机械性能的振动信号和能够反映其化学、电气故障的油中溶解气体等在线监测数据为参考指标,采用EWT-MSE方法对配电变压器不同运行状态指标数据进行特征提取,以此为基础,利用k-medoids聚类建立变压器性能退化评估模型。通过层次分析法对不同指标下的变压器健康置信度加权运算,得到最终配电变压器性能退化在线评估结果。综合变压器役龄、试验信息与故障缺陷信息等历史数据,基于健康指数计算公式实现配电变压器离线健康状态评估。综合在线评估健康置信度与离线评估健康指数,进行配电变压器剩余良性运行时间计算。仿真实验验证了此方法在配电变压器性能评估与剩余良性运行时间预测中的有效性和准确度。为后续配电变压器智能维护决策提供理论依据。针对配电变压器维护检修周期决策研究较匮乏的现象,为解决现有维护检修中过维护造成的资源浪费与欠维护导致的设备故障等问题,提出基于故障率模型的配电变压器维护周期决策优化方法。利用Levenberg-Marquardt(L-M)参数估计方法建立基于Weibull分布的配电变压器基本故障率模型,根据检修记录与性能退化评估结果对模型进行修正,以可靠度函数作为阈值约束条件进行配电变压器维护周期计算。仿真试验表明,与现有计划性维护和状态检修相比,该方法可有效提高正常工作状态但性能有所退化的配电变压器的维护周期准确度,从而避免过维护或欠维护问题发生。为在一定程度上实现配电变压器的智能自维护,提出配电变压器智能维护信息物理系统(Cyber Physical System,CPS)模型框架。分别建立变压器物理系统模型与信息系统模型,通过信息量对物理系统的造访与反馈控制,实现配电变压器自维护。以实现配电变压器输出稳压调节为目的的智能维护CPS模型为仿真算例,验证了 CPS技术在配电变压器智能自维护应用中的可行性与有效性。
马宪伟[7](2019)在《用于变压器绕组变形在线监测大尺寸Rogowski线圈型电流传感器的研究》文中认为目前变压器绕组变形在线监测遇到的重要问题之一是如何向在线变压器注入激励信号,并获取响应信号。近些年提出的利用大直径电流传感器通过电磁耦合的方式来解决此问题具有一定的可行性,但在现场试验中电流传感器出现了电磁屏蔽失效的问题对此产生了很大的影响。本文对电流传感器在绕组变形在线监测中的电磁屏蔽问题进行研究,首先基于有限元仿真软件Comsol Multiphysics对电流传感器屏蔽外壳的具体作用进行仿真分析,并对仿真结果进行实验验证。随后仿真研究了外界干扰信号对不同传感器的影响机制进行研究,对绕组变形在线监测中应用的电流传感器屏蔽失效的原因进行分析。最后对利用电流传感器测量变压器套管电流的可行性进行了仿真研究,并在真型变压器套管上进行了实验验证。研究结果表明,屏蔽外壳对外界干扰信号的屏蔽效能随着外壳的主气隙增大而减少,并且具有线性关系,通过曲线拟合得到了比例系数k的范围。对不同方向的干扰信号屏蔽外壳呈现不同的屏蔽效能,屏蔽外壳的主气隙所在的平面越接近和干扰磁场的方向垂直,屏蔽效果越好。铁磁性材料屏蔽外壳在低频下的屏蔽效能要高于非铁磁性外壳,对于1kHz以上的干扰信号二者屏蔽效能相近。电流传感器在绕组变形中的应用场合中,传感器作为激励时会在其周围产生漏磁场,测量传感器会受到影响,并且对于开合式传感器这种现象更加明显。激励传感器的漏磁场作用在测量传感器上的磁场方向为环形,所以其影响很难被消除。变压器套管的升高座和法兰等金属性物体,对套管内部电流产生的磁场不会产生影响,验证了利用电流传感器测量套管电流信号的可行性。
汪涛[8](2019)在《基于RFID传感器与深度学习的变压器状态监测关键技术研究》文中研究指明工业4.0以及能源互联网概念的提出对于建立坚强智能电网、提高供电可靠性的要求日益严格,变压器作为电网中最重要的设备之一,在电力传输中起到了承上启下的作用,因此提高变压器运行的可靠性是至关重要的。对变压器进行有效的状态监测,对于变压器运行状态评估、快速故障诊断、精准维修以及提高变压器运行的可靠性与安全性等,均具有重要的价值和意义。现有的变压器状态监测主要依赖于人工巡检以及传统的电气和化学测量方法,成本高,实时性差。因此,低廉有效具有较强实时性的状态监测方法对于智能电网的发展是至关重要的。本文提出了基于RFID技术的变压器振动信号采集与传输方法以降低信号采集的成本,为了在降低成本的同时保证足够的通信距离,采用光伏电池作为RFID传感器的能量来源,考虑到光伏电池受天候影响较大,在夜间无法获取能量,采用超级电容作为备用电源,从而实现了对RFID传感器的不间断供电,提高了其工作的可持续性。随后,由于现有变压器机械故障诊断方法对于早期故障特征提取的效果不佳,本文重点研究了采用深度学习方法中的堆叠去噪自编码器(stacked denoising autoencoder,SDA)技术提取变压器早期故障特征的方法,SDA中各个DA的学习率采用双链量子遗传算法(double chain quantum genetic algorithm,DCQGA)优化生成。除此之外,SDA中各个隐含层的节点结构对于特征提取的效果也有着重要的影响,因此SDA隐含层结构也通过DCQGA算法生成。对于提取的特征,采用基于支持向量机(support vector machine,SVM)建立的变压器早期故障诊断模型对变压器绕组与铁芯各类早期故障进行识别。在变压器绕组与铁芯早期故障诊断的基础上,对其进行故障预测的相关研究。针对于当前对于变压器机械故障预测体系研究较少的现状,重点研究了一种变压器绕组与铁芯机械故障预测的体系结构,提出了采用振动信号的Hilbert边际谱作为故障预测特征的方法。依据得到的Hilbert边际谱,计算出其总谐波畸变(total harmonic distortion,THD)作为状态指数,对元件在一段时间内的状态指数进行计算,并以此为样本数据,应用样本数据对多核相关向量机(multiple kernel relevance machine,MKRVM)进行训练从而建立起相关的预测模型,对相应元件的故障发展趋势进行预测。实验结果表明,本文提出的故障振动与故障预测方法具有良好的诊断精度与预测精度。
杜朝晖[9](2019)在《基于物联网的电力变压器振动特征提取算法及云监测平台软件的研究与开发》文中研究表明电力工业是事关国计民生的重要基础能源产业,而电力变压器的稳定性和可靠性在很大程度上影响着整个电网系统的运行安全。传统的电力变压器故障诊断方法都需要人工在变电站现场对变压器进行带电检测,从而带来较大的人力成本,且人员安全及系统易维护性都无法得到保障。基于课题组长期对变压器振动特征开展的研究和取得的成果与积累,本文进一步深入研究、讨论了变压器振动特征及其提取算法,对原有的振动特征量及其提取算法(频率复杂度)在有效性和适用性方面进行了改进,并提出了一个新的振动特征量(振动矢量方差)。在此基础上,利用发展日益成熟的网络技术、数据库技术、服务器技术及移动终端应用技术,设计及研发了基于物联网的电力变压器在线云监测平台,将改进和提出的振动特征量应用于在线监测与诊断中。配合智能手机APP和信号采集设备(以下简称实时监测终端),该云监测平台可以实现24小时的变压器振动数据存储、处理、实时诊断、结果展示,以及用户管理、终端设备管理等。本课题研究内容如下:1、变压器振动特征值提取算法。在对变压器振动特性进行深入研究后,讨论了课题组提出的振动特征值(频率复杂度),分析了原特征算法存在的不足及原因,采用窗函数方法改进了原算法中权重系数的概率分布,提高了特征算法的有效性和适用性。同时通过对多测点之间振幅、相位关系的研究,提出了新的振动特征量(振动矢量方差),并进行对比实验以验证其效果。2、云平台数据采集软件设计。云平台数据采集软件是数据采集设备的后台服务器,与数据采集设备配合使用。可以对数据采集设备进行参数配置、启停控制、系统更新,数据上传等操作。3、云平台数据应用软件设计。云平台数据应用软件是手机客户端软件的后台服务器。采用成熟的后台开发框架,实现了用户管理、设备状态管理、变压器信息管理、测量波形及结果展示、日志管理等功能。通过严格的功能测试和现场测试,本文设计的电力变压器在线云监测平台在功能和技术性能指标上均满足设计需求,目前已投入实际使用中。
乔琳[10](2018)在《变压器状态在线检测平台的设计与实现》文中研究说明电力变压器是电力系统生产、运行、维护等环节的核心单元,变压器实时状态情况直接与整个系统是否良好运行紧密相关。为了对变压器实时进行安全可靠的检测,并且提供维修和检验变压器的有利依据,本文研究设计了变压器状态在线检测平台。本文所研究设计的平台安装方便、使用便捷,且扩展性灵活,能够适用于各种型号的变压器;实现了实时远程在线获取变压器状态参数,依靠平台数据库分析,检测变压器状态;完成了现场与系统的有效连接,数据及时可靠,充分必要的为电力系统稳定运行贡献力量。本文首先讨论研究背景及国内外研究现状,对全文设计研究的总体要求进行规划。介绍了油浸式电力变压器结构、常见故障、发生过程、特征气体改良三比值法等与变压器故障检测方法有关内容,讨论了在线监测的原理及油色谱在线数据获取方法,对在线监测与状态检测之间的关系进行了阐述。研究了状态检测系统的总体结构,该系统主要由数据采集单元、传输单元及状态检测上层程序应用管理系统单元构成;通过数据采集单元,实时在线获取了变压器状态的基础数据,经由节点,通过数据传输单元通信后上传至上层单元,进行变压器状态检测分析并存储所有数据。明确了采集单元模块选型方法及比对确定了三种可行通讯传输模式。设计出本平台硬件组成元素,详细考量推出使用双重处理器构架。即采集和传送、处理数据的单元均采用两种处理器(STC12C5A60S2单片机、TMS320F28335DSP处理器);进行了无线传输模块选择,设计了外围扩展内容,如接入RS-485通信芯片及连入LCD显示屏的方法,JTAG接口程序和时钟设置,串口调试,SDRAM模块,数据存储等电路设计,以丰富完善变压器状态在线检测平台的应用功能。本文对变压器状态在线检测平台进行了调试,在元器件导通情况测试后,对各个功能单元是否正常发挥作用进行了检测;并在实际变电站内进行部署测试,同时开展了平台线上检测和离线分析检测,测试结果与常规离线色谱分析的结果进行对比后,数据无异;列出了在测试期间本平台检测到的铁芯多点接地状态实例。
二、利用振动法进行变压器在线监测的应用研究(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、利用振动法进行变压器在线监测的应用研究(论文提纲范文)
(1)基于振动分析法的变压器故障诊断研究(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究进展 |
1.2.1 国外研究进展 |
1.2.2 国内研究进展 |
1.3 本文主要内容和章节安排 |
1.3.1 主要内容 |
1.3.2 章节结构安排 |
1.4 本章小结 |
2 大型电力变压器的故障研究 |
2.1 变压器的故障分类 |
2.1.1 变压器的内部和外部故障 |
2.1.2 变压器的绕组和铁心故障 |
2.2 电力变压器的绕组和铁心诊断方法研究 |
2.2.1 绕组故障检测方法 |
2.2.2 铁心故障检测方法 |
2.3 变压器的振动机理 |
2.3.1 变压器的振动来源和传播 |
2.3.2 变压器绕组的振动机理 |
2.3.3 变压器铁心的振动机理 |
2.3.4 磁致伸缩影响因素及控制方法 |
2.4 振动分析法 |
2.4.1 传统方法的缺陷 |
2.4.2 振动分析法的优势 |
2.5 小波包变换概述 |
2.6 机器学习算法 |
2.6.1 支撑向量机 |
2.6.2 极限学习机 |
2.6.3 深度机器学习 |
2.6.4 卷积神经网络 |
2.7 本章小结 |
3 振动采集平台的设计 |
3.1 振动传感器的选取和安装 |
3.1.1 振动传感器的选取 |
3.1.2 振动传感器的安装 |
3.2 振动采集平台的设计 |
3.2.1 抗干扰措施 |
3.2.2 振动采集电路搭建 |
3.2.3 采集板卡的原理 |
3.2.4 振动采集平台的测试 |
3.2.5 实地采集过程 |
3.3 本章小结 |
4 STM32 的采集嵌入式系统的设计 |
4.1 系统结构设计 |
4.2 振动数据采集系统硬件电路设计 |
4.2.1 单片机最小系统电路设计 |
4.2.2 AD采样电路设计 |
4.2.3 串口电路设计 |
4.2.4 电源电路设计 |
4.3 采集系统的软件设计 |
4.3.1 软件平台 |
4.3.2 软件程序设计 |
4.3.3 Free RTOS操作系统移植 |
4.3.4 主函数程序设计 |
4.3.5 采样子程序设计 |
4.4 测试结果 |
4.5 本章小结 |
5 变压器振动数据的算法分析 |
5.1 Hilbert变换和Hilbert谱 |
5.1.1 本征模态函数必须要满足的条件 |
5.1.2 本征模态分解 |
5.1.3 希尔伯特-黄变换 |
5.2 三种算法对比选择 |
5.2.1 机器学习算法存在的问题 |
5.2.2 小波变换与希尔伯特-黄的对比 |
5.2.3 希尔伯特-黄本身的优势 |
5.3 希尔伯特解包络 |
5.4 变压器的振动数据的谱图 |
5.4.1 稳态数据的分析和诊断 |
5.4.2 发电数据的分析和诊断 |
5.5 实验结果 |
5.6 本章小结 |
6 总结与展望 |
6.1 总结 |
6.2 展望 |
致谢 |
参考文献 |
(2)基于Tikhonov正则化方法的变压器在线监测研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究的目的和意义 |
1.2 国内外研究现状 |
1.2.1 离线检测方法 |
1.2.2 在线监测方法 |
1.3 本文研究内容 |
第2章 变压器绕组变形分析 |
2.1 引言 |
2.2 绕组受力分析 |
2.3 变压器等效模型 |
2.3.1 中低频模型 |
2.3.2 高频模型 |
2.3.3 宽频模型 |
2.4 等效模型参数计算 |
2.4.1 短路阻抗电阻分量计算 |
2.4.2 短路阻抗电抗分量计算 |
2.5 本章小结 |
第3章 基于正则化方法计算变压器阻抗 |
3.1 引言 |
3.2 TIKHONOV正则化方法介绍 |
3.2.1 Tikhonov正则化方法的求解 |
3.2.2 正则化参数的选取方法 |
3.3 变压器绕组参数辨识模型 |
3.4 仿真计算 |
3.4.1 仿真模型搭建 |
3.4.2 影响因素分析 |
3.5 本章小结 |
第4章 变压器在线监测实验研究 |
4.1 引言 |
4.2 变压器等效模型实验 |
4.3 变压器绕组变形实验 |
4.4 本章小结 |
第5章 结论与展望 |
参考文献 |
攻读硕士学位期间发表的论文及其它成果 |
致谢 |
(3)基于数据和模型的油浸式电力变压器健康管理系统研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 电力变压器状态评估研究现状 |
1.2.2 电力变压器热点温度计算研究现状 |
1.2.3 电力变压器故障诊断研究现状 |
1.2.4 电力变压器绝缘老化诊断与寿命预测研究现状 |
1.3 本文主要研究内容与思路 |
1.4 本文主要工作与章节安排 |
第二章 基于模糊逻辑的电力变压器多属性状态评估方法 |
2.1 引言 |
2.2 变压器状态评估指标 |
2.3 电力变压器的多属性分析 |
2.4 模糊逻辑的电力变压器状态评估方法 |
2.4.1 模糊化处理与隶属度函数 |
2.4.2 模糊逻辑与近似推理 |
2.4.3 逆模糊处理 |
2.5 本章小结 |
第三章 考虑不同运行工况下油浸式电力变压器的热路模型 |
3.1 引言 |
3.2 油浸式电力变压器的热路模型 |
3.2.1 热路模型原理 |
3.2.2 变压器热传递过程 |
3.2.3 变压器热路模型的建立 |
3.2.4 热路模型法计算值与实测结果的对比 |
3.3 不同运行工况下油浸式电力变压器热路模型 |
3.3.1 不同负载电流下变压器热路模型的改进 |
3.3.2 不同冷却方式下变压器热路模型的改进 |
3.3.3 不同内部温度下变压器热路模型的改进 |
3.4 求解方法及其准确性分析 |
3.4.1 求解方法 |
3.4.2 准确性分析 |
3.5 本章小结 |
第四章 基于改进GA优化BP网络的油浸式电力变压器故障诊断 |
4.1 引言 |
4.2 三种常见的油浸式电力变压器故障诊断方法 |
4.2.1 基于三比值法的的变压器故障诊断 |
4.2.2 基于BP神经网络的变压器故障诊断 |
4.2.3 基于改进BP神经网络的变压器故障诊断 |
4.3 基于改进遗传算法优化BP网络的油浸式电力变压器故障诊断 |
4.3.1 BP神经网络算法的参数优化 |
4.3.2 GA及其改进 |
4.3.3 基于改进GA-BP模型的油浸式电力变压器故障诊断 |
4.4 结果与分析 |
4.4.1 实验说明 |
4.4.2 实验结果 |
4.5 本章小结 |
第五章 油浸式电力变压器绝缘老化诊断与寿命预测方法研究 |
5.1 引言 |
5.2 基于热点温度的油浸式电力变压器寿命评估 |
5.2.1 温度对变压器绝缘材料寿命的影响 |
5.2.2 不同工况下变压器寿命评估 |
5.2.3 实例分析 |
5.3 基于局放因子向量的油纸绝缘老化诊断 |
5.3.1 老化测试及聚合度测量 |
5.3.2 样品与局放试验方案 |
5.3.3 局部放电特征向量的提取及其主成分因子分析 |
5.3.4 基于改进GA-BP神经网络的油纸绝缘老化评估 |
5.4 基于Weibull分布的变压器运行寿命预测方法 |
5.4.1 Weilbul分布与电气寿命模型 |
5.4.2 变压器寿命模型参数估计与寿命预测 |
5.4.3 实例分析 |
5.5 本章小结 |
第六章 油浸式电力变压器健康管理系统平台 |
6.1 引言 |
6.2 平台关键技术理论问题和开发原则与要求 |
6.2.1 平台关键技术理论问题 |
6.2.2 开发原则与要求 |
6.3 变压器健康管理系统平台架构 |
6.3.1 平台技术特点 |
6.3.2 平台架构 |
6.3.3 变压器设备分级 |
6.3.4 状态监测对象与清单 |
6.3.5 变压器实时数据的智能监测方案 |
6.3.6 离线数据和实时数据的多源异构融合 |
6.4 变压器的故障智能诊断与维修优化管理 |
6.4.1 变压器的故障智能诊断 |
6.4.2 变压器维修优化管理 |
6.5 工程应用示例 |
6.6 本章小结 |
结论与展望 |
参考文献 |
攻读博士论文取得的研究成果 |
致谢 |
附件 |
(4)高速铁路大型变压器绕组频率响应建模及故障诊断研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 变压器绕组变形诊断研究现状 |
1.2.1 电力变压器绕组变形诊断方法 |
1.2.2 高铁变压器绕组变形诊断方法 |
1.2.3 主要问题阐述 |
1.3 论文主要研究工作 |
第2章 高铁大型变压器绕组变形故障分析与模拟试验平台研究 |
2.1 引言 |
2.2 牵引变压器绕组变形故障模式研究 |
2.2.1 变压器外部短路电流分析 |
2.2.2 绕组的有限元受力分析 |
2.2.3 绕组变形故障及其发展特征研究 |
2.3 自耦变压器绕组变形故障模式研究 |
2.3.1 变压器外部短路电流分析 |
2.3.2 绕组的有限元受力分析 |
2.3.3 绕组变形故障及其发展特征研究 |
2.4 高铁大型变压器绕组变形故障模拟试验平台研究 |
2.4.1 绕组变形故障模拟的试验平台研究 |
2.4.2 不同接线方式下的故障模拟试验 |
2.5 本章小结 |
第3章 高铁大型变压器绕组频率响应建模及验证 |
3.1 引言 |
3.2 建模总体思路与参数计算方法研究 |
3.2.1 等效电路模型 |
3.2.2 电容参数计算方法研究 |
3.2.3 电阻频变特性分析与计算方法研究 |
3.2.4 电感频变特性分析与计算方法研究 |
3.3 高铁牵引变压器V/X接线绕组频率响应建模 |
3.3.1 牵引变压器集总参数电路研究 |
3.3.2 牵引变压器频率响应状态空间模型 |
3.3.3 模型验证与优化 |
3.4 高铁自耦变压器分裂绕组频率响应建模 |
3.4.1 自耦变压器集总参数电路研究 |
3.4.2 自耦变压器频率响应状态空间模型 |
3.4.3 模型验证与优化 |
3.5 本章小结 |
第4章 高铁大型变压器绕组频率响应特征提取方法研究 |
4.1 引言 |
4.2 故障频率响应曲线特征规律研究 |
4.2.1 牵引变压器绕组故障特征分析 |
4.2.2 自耦变压器绕组故障特征分析 |
4.3 基于频率响应曲线的图像处理技术 |
4.3.1 频率响应曲线二值化方法 |
4.3.2 基于二值形态学的图像优化 |
4.4 频率响应曲线特征提取和分析方法 |
4.4.1 频率响应曲线分频段方法研究 |
4.4.2 频率响应曲线图像特征提取 |
4.4.3 极坐标下图像分析方法 |
4.5 本章小结 |
第5章 变压器绕组变形故障的诊断方法研究 |
5.1 引言 |
5.2 基于图像特征的牵引变压器频率响应曲线研究 |
5.2.1 动态分频段分析 |
5.2.2 质心偏移分析 |
5.3 基于图像特征的自耦变压器频率响应曲线研究 |
5.3.1 动态分频段分析 |
5.3.2 质心偏移分析 |
5.4 基于支持向量机的绕组故障诊断研究 |
5.4.1 基本原理 |
5.4.2 特征选取及训练流程 |
5.4.3 故障案例分析 |
5.5 本章小结 |
结论与展望 |
致谢 |
参考文献 |
攻读博士学位期间发表的论文及科研成果 |
(5)基于分布式光纤传感的变压器绕组变形检测方法研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 变压器绕组变形电气测量方法 |
1.2.2 变压器绕组变形非电气测量法 |
1.2.3 分布式光纤传感技术 |
1.2.4 分布式光纤传感技术在电气设备状态监测中的研究现状 |
1.3 需解决的主要问题 |
1.4 课题的主要研究内容 |
第2章 变压器油中内置光纤的稳定性和布设方法 |
2.1 引言 |
2.2 含纤变压器油热老化特性试验 |
2.2.1 试验材料与试品预处理 |
2.2.2 热老化特征参量与测量方法 |
2.2.3 测量结果 |
2.2.4 数据分析 |
2.2.5 温度标定试验 |
2.3 光纤对油中电场分布的影响 |
2.3.1 开槽导线电场仿真 |
2.3.2 粘贴式光纤电场仿真 |
2.3.3 饼间电场仿真 |
2.3.4 影响电场分布的因素分析 |
2.3.5 工频耐压试验 |
2.4 ETFE绝缘特性试验研究 |
2.4.1 电介质电老化寿命模型及升压方法 |
2.4.2 试验数据统计分析方法 |
2.4.3 电老化试验及数据处理 |
2.4.4 闪络试验 |
2.5 传感光纤在变压器内部安装和防护方法 |
2.6 内置分布式光纤的35KV油浸式变压器研制 |
2.7 本章小结 |
第3章 分布式光纤应变传感系统关键技术研究 |
3.1 引言 |
3.2 布里渊散射原理 |
3.2.1 光纤中的光散射 |
3.2.2 布里渊散射基本理论 |
3.2.3 BOTDR和BOTDA技术原理 |
3.2.4 布里渊散射频谱 |
3.2.5 布里渊频移/功率与温度/应变的关系 |
3.3 基于互相关-LM法的布里渊频谱拟合算法 |
3.3.1 数据预处理 |
3.3.2 初值选取及迭代 |
3.3.3 数据分析 |
3.3.4 双峰曲线处理 |
3.4 光纤应变、温度区分测量 |
3.4.1 布里渊-拉曼联合测量法 |
3.4.2 双参量区分测量法 |
3.4.3 绕组模型区分测量试验 |
3.4.4 内置光纤的35kV变压器应变检测 |
3.5 本章小结 |
第4章 变压器绕组与光纤应变关系建模和试验 |
4.1 引言 |
4.2 光纤复合式变压器绕组设计 |
4.3 光纤轴向应变传递理论 |
4.3.1 导线处于弹性形变阶段的光纤应变传递机理 |
4.3.2 影响应变传递率的参数分析 |
4.3.3 考虑导线塑性形变的光纤应变传递机理 |
4.4 光纤弯曲应变传递理论 |
4.4.1 嵌入式光纤应变传递模型 |
4.4.2 粘贴式光纤应变传递模型 |
4.4.3 影响光纤弯曲应变传递率的参数分析 |
4.5 光纤应变与绕组导线变形量的关系 |
4.6 绕组变形量与传感光纤应变的关系试验 |
4.6.1 光纤应变传递试验 |
4.6.2 变压器绕组变形程度与光纤应变关系试验 |
4.7 本章小结 |
第5章 基于BOTDR的变压器绕组变形检测与故障诊断 |
5.1 引言 |
5.2 内置分布式传感光纤的变压器绕组模型研制 |
5.3 分布式光纤应变检测方法与FRA法的检测灵敏度比较 |
5.3.1 变压器绕组仿真模型 |
5.3.2 绕组变形仿真分析 |
5.3.3 变压器绕组变形测量试验 |
5.4 变压器绕组变形定位试验 |
5.4.1 试验平台搭建 |
5.4.2 温升试验 |
5.4.3 绕组温升、变形试验 |
5.5 变压器绕组变形模式识别 |
5.5.1 基于S变换的特征量提取 |
5.5.2 基于极限学习机的变压器绕组变形故障识别 |
5.6 本章小结 |
第6章 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
攻读博士学位期间发表的论文及其它成果 |
攻读博士学位期间参加的科研工作 |
致谢 |
作者简介 |
(6)配电变压器数据感知与智能维护决策研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 选题背景与研究意义 |
1.2 国内外研究现状 |
1.2.1 配电变压器信号特征提取研究现状 |
1.2.2 配电变压器健康状态评估与寿命预测研究现状 |
1.2.3 配电变压器维护检修决策研究现状 |
1.3 论文主要研究内容 |
1.4 论文组织结构 |
第2章 配电变压器数据感知与维护决策基本理论 |
2.1 配电变压器信号特征提取理论与方法 |
2.1.1 小波分析方法 |
2.1.2 经验模式分解 |
2.1.3 熵理论 |
2.2 配电变压器性能状态评估与寿命预测方法 |
2.2.1 基于状态评价导则的配电变压器状态评价方法 |
2.2.2 数据驱动方法 |
2.3 配电变压器维护检修决策理论与方法 |
2.3.1 马尔可夫决策理论 |
2.3.2 灰色决策理论 |
2.4 本章小结 |
第3章 配电变压器智能数据采集与信号特征提取 |
3.1 配电变压器智能感知数据采集 |
3.1.1 数据采集优先级判别 |
3.1.2 智能感知实时数据采集 |
3.2 基于经验小波变换与多尺度熵的配电变压器信号特征提取 |
3.2.1 经验小波变换 |
3.2.2 多尺度熵理论 |
3.2.3 基于EWT-MSE的配电变压器信号特征提取 |
3.3 仿真实验与结果分析 |
3.3.1 配电变压器智能感知数据采集实验分析 |
3.3.2 配电变压器信号特征提取实验分析 |
3.4 本章小结 |
第4章 配电变压器性能退化评估与剩余良性运行时间预测 |
4.1 多元指标下基于EWT-MSE与k-medoids的配电变压器性能退化评估 |
4.1.1 k-medoids聚类算法 |
4.1.2 基于EWT-MSE与k-medoids聚类的配电变压器性能退化评估 |
4.2 配电变压器剩余良性运行时间综合预测 |
4.2.1 基于健康指数的配电变压器离线状态评估 |
4.2.2 考虑在线性能评估与离线状态评估的剩余良性运行时间预测 |
4.3 仿真实验与结果分析 |
4.3.1 配电变压器性能退化评估实验分析 |
4.3.2 配电变压器剩余良性运行时间实验分析 |
4.4 本章小结 |
第5章 配电变压器智能维护决策研究 |
5.1 基于故障率模型的配电变压器维护周期决策优化 |
5.1.1 基于L-M参数估计的配电变压器故障率模型 |
5.1.2 考虑检修记录与在线性能评估的故障率模型修正 |
5.1.3 基于阈值约束的配电变压器维护周期优化决策 |
5.2 配电变压器智能维护信息物理系统(CPS)模型 |
5.2.1 信息物理系统概念与特征 |
5.2.2 配电变压器智能维护CPS建模 |
5.3 算例分析 |
5.3.1 配电变压器维护周期决策优化算例分析 |
5.3.2 配电变压器智能维护CPS模型算例分析 |
5.4 配电变压器数据感知与智能维护决策实例分析 |
5.4.1 配电变压器数据感知与智能维护决策实施流程 |
5.4.2 配电变压器数据感知与智能维护决策实例数据 |
5.4.3 配电变压器数据感知与智能维护决策实验分析 |
5.5 本章小结 |
第6章 结论与展望 |
6.1 论文工作总结 |
6.2 未来工作展望 |
参考文献 |
攻读博士学位期间发表的论文及其它成果 |
攻读博士学位期间参加的科研工作 |
致谢 |
作者简介 |
(7)用于变压器绕组变形在线监测大尺寸Rogowski线圈型电流传感器的研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究水平综述 |
1.2.1 相关技术发展历史回顾 |
1.2.2 国外研究水平的现状和发展趋势 |
1.2.3 国内研究水平的现状和发展趋势 |
1.3 绕组变形在线监测技术待解决的问题 |
1.4 本文主要的研究内容 |
第2章 屏蔽外壳作用的研究 |
2.1 电流传感器屏蔽外壳的简介 |
2.2 仿真研究 |
2.2.1 仿真数值计算方法简介 |
2.2.2 数学模型 |
2.2.3 屏蔽外壳的仿真模型 |
2.2.4 网格剖分与模型求解器的选择 |
2.2.5 外壳对被测信号的影响 |
2.2.6 屏蔽壳对外部干扰磁场的屏蔽效能 |
2.3 实验研究 |
2.3.1 实验传感器简介 |
2.3.2 射频电磁场辐射抗扰度试验 |
2.3.3 工频磁场辐射抗扰度试验 |
2.4 本章小结 |
第3章 外界干扰信号对传感器的影响机制 |
3.1 磁芯相对磁导率的求取 |
3.1.1 理论依据 |
3.1.2 试验对象及接线简介 |
3.1.3 试验结果 |
3.2 仿真模型 |
3.3 外界干扰信号对传感器的影响 |
3.3.1 仿真设置 |
3.3.2 直导线激励源对传感器的影响 |
3.3.3 线圈激励源对传感器的影响 |
3.4 仿真结果分析 |
3.5 小结 |
第4章 利用电流传感器测量套管电流的可行性分析 |
4.1 仿真研究 |
4.1.1 仿真模型 |
4.1.2 网格剖分 |
4.1.3 升高座为非铁磁性材料 |
4.1.4 升高座为铁磁性材料 |
4.2 实验研究 |
4.2.1 实验设备简介 |
4.2.2 电流传感器位于套管不同位置的测量结果 |
4.3 本章小结 |
第5章 结论与展望 |
5.1 结论 |
5.2 研究工作展望 |
参考文献 |
攻读硕士学位期间发表的论文及其它成果 |
致谢 |
(8)基于RFID传感器与深度学习的变压器状态监测关键技术研究(论文提纲范文)
致谢 |
摘要 |
abstract |
1 绪论 |
1.1 .研究背景与意义 |
1.2 变压器绕组和铁芯机械故障形式 |
1.2.1 绕组机械故障 |
1.2.2 铁芯机械故障 |
1.3 变压器绕组机械故障诊断研究现状 |
1.3.1 短路阻抗法 |
1.3.2 电容量变化法 |
1.3.3 低压脉冲法 |
1.3.4 频率响应法 |
1.3.5 超声波法 |
1.3.6 振动分析法 |
1.4 变压器铁芯机械故障诊断研究现状 |
1.5 变压器故障预测研究现状 |
1.6 本论文主要工作 |
2 变压器振动模型理论研究 |
2.1 引言 |
2.2 振动的产生与传播 |
2.2.1 振动的产生 |
2.2.2 振动的传播 |
2.3 变压器绕组振动原理分析 |
2.3.1 绕组受电磁力分析 |
2.3.2 绕组振动的等效模型分析 |
2.3.3 绕组所受压紧力对振动加速度信号的影响 |
2.4 变压器铁芯振动原理分析 |
2.4.1 磁致伸缩 |
2.4.2 铁芯磁致伸缩的决定因素 |
2.4.3 铁芯对振动信号的影响 |
2.5 本章小结 |
3 变压器振动信号采集与传输装置设计 |
3.1 引言 |
3.2 射频识别技术 |
3.2.1 RFID系统结构 |
3.2.2 RFID工作频段 |
3.3 自取能RFID传感器设计方案 |
3.3.1 RFID标签融合传感器数据方案 |
3.3.2 能量管理设计方案 |
3.3.3 RFID传感器抗干扰措施 |
3.4 测量点位置选择 |
3.4.1 实验对象与测量点分布 |
3.4.2 振动测量点选择 |
3.5 性能测试 |
3.5.1 能量管理性能 |
3.5.2 通信性能 |
3.6 本章小结 |
4 基于深度学习的变压器早期故障诊断方法 |
4.1 基于SDA的深度特征提取方法 |
4.1.1 深度学习基本概念 |
4.1.2 SDA基本原理 |
4.1.3 SOFTMAX分类器 |
4.1.4 基于SDA的变压器早期故障特征提取方法 |
4.2 DCQGA在 SDA优化中的应用 |
4.2.1 DCQGA算法 |
4.2.2 DCQGA算法在SDA优化中的应用 |
4.3 基于SVM的变压器早期故障诊断方法 |
4.3.1 SVM基本原理 |
4.3.2 二叉树SVM型分类器模型的构建 |
4.3.3 基于二叉树SVM的变压器早期故障诊断模型 |
4.4 实验研究 |
4.4.1 变压器早期故障诊断实验步骤 |
4.4.2 变压器早期故障诊断实验平台 |
4.4.3 故障诊断性能测试 |
4.5 本章小结 |
5 基于稀疏MKRVM的变压器故障预测方法 |
5.1 变压器故障预测的特征提取与指数的建立 |
5.1.1 变压器故障预测流程 |
5.1.2 变压器故障预测的特征提取 |
5.2 变压器故障预测模型的建立 |
5.2.1 数据预处理及状态指数的建立 |
5.2.2 贝叶斯理论 |
5.2.3 RVM基本原理 |
5.2.4 MKRVM理论 |
5.2.5 基于MKRVM的故障预测模型 |
5.3 实验分析 |
5.3.1 变压器故障预测实验步骤 |
5.3.2 变压器故障预测实验结果与讨论 |
5.4 本章小结 |
6 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
攻读博士学位期间的学术活动及成果情况 |
(9)基于物联网的电力变压器振动特征提取算法及云监测平台软件的研究与开发(论文提纲范文)
致谢 |
摘要 |
Abstract |
1 绪论 |
1.1 课题背景和意义 |
1.2 国内外研究现状 |
1.2.1 变压器振动特征提取研究现状 |
1.2.2 变压器振动监测系统研究现状 |
1.3 课题研究内容 |
1.4 本论文组织结构 |
2 特征提取算法研究 |
2.1 概述 |
2.2 变压器振动特性研究 |
2.2.1 概述 |
2.2.2 变压器油箱表面振动特性 |
2.2.3 变压器绕组振动特性 |
2.2.4 变压器铁芯振动特性 |
2.3 频率复杂度特征量的研究及改进 |
2.3.1 概述 |
2.3.2 频率复杂度特征的定义 |
2.3.3 频率复杂度特征的特性分析 |
2.3.4 频率复杂度特征的改进及其算法实现 |
2.3.5 频率复杂度特征的改进效果 |
2.4 振动矢量方差特征量的提出与验证 |
2.4.1 概述 |
2.4.2 振动矢量方差特征的提出 |
2.4.3 振动矢量方差特征的实验验证条件 |
2.4.4 振动矢量方差特征的实验结果讨论 |
2.5 本章小结 |
3 系统总体架构 |
3.1 系统架构分析 |
3.2 系统实现方案 |
3.2.1 测点布置 |
3.2.2 实时监测终端 |
3.2.3 云平台数据采集软件 |
3.2.4 云平台数据应用软件 |
3.2.5 智能手机客户端软件 |
3.2.6 故障分析与诊断系统 |
3.3 本章小结 |
4 云监测平台数据采集软件设计与实现 |
4.1 需求分析 |
4.2 软件模块总体设计 |
4.2.1 设计思想及总体架构 |
4.2.2 技术方案选择 |
4.3 软件模块详细设计 |
4.3.1 通信模块 |
4.3.2 实时监测终端参数配置模块 |
4.3.3 数据接收模块 |
4.3.4 数据合法性验证模块 |
4.3.5 数据存储模块 |
4.3.6 校时及系统更新模块 |
4.4 本章小结 |
5 云监测平台数据应用软件设计与实现 |
5.1 需求分析 |
5.2 软件模块设计思想及总体架构 |
5.2.1 设计思想及总体架构 |
5.2.2 技术方案选择 |
5.3 软件模块设计 |
5.3.1 用户登录管理模块 |
5.3.2 权限管理模块 |
5.3.3 监测终端管理模块 |
5.3.4 变压器管理模块 |
5.3.5 数据传输模块 |
5.3.6 特征值提取模块 |
5.3.7 信息查询模块 |
5.3.8 数据库操作模块 |
5.3.9 日志记录模块 |
5.4 本章小结 |
6 测试与结果 |
6.1 测试指标 |
6.1.1 云平台数据采集软件测试指标 |
6.1.2 云平台数据应用软件测试指标 |
6.2 测试结果与分析 |
6.2.1 数据采集软件测试结果与分析 |
6.2.2 数据应用软件测试结果与分析 |
6.2.3 现场测试结果与分析 |
6.3 本章小结 |
7 总结与展望 |
7.1 总结 |
7.2 展望 |
参考文献 |
作者简历 |
(10)变压器状态在线检测平台的设计与实现(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题研究背景及意义 |
1.2 国内外研究现状 |
1.3 论文主要研究内容 |
第二章 变压器故障分析与状态检测研究 |
2.1 油浸式电力变压器构成及故障分析 |
2.1.1 油浸式电力变压器的结构 |
2.1.2 变压器常见故障分析 |
2.1.3 变压器故障过程 |
2.2 变压器故障检测方法 |
2.3 变压器在线监测 |
2.3.1 变压器在线监测的原理 |
2.3.2 实现绝缘油在线监测的方法 |
2.3.3 在线获取绝缘油色谱数据 |
2.4 变压器状态检测与绝缘油色谱在线监测的关系 |
2.5 本章小结 |
第三章 变压器状态在线检测系统总体设计 |
3.1 系统总体结构 |
3.1.1 数据采集单元 |
3.1.2 数据传输单元 |
3.1.3 系统上层程序应用管理单元 |
3.2 变压器数据存储单元 |
3.3 本章小结 |
第四章 变压器状态在线检测平台硬件设计 |
4.1 变压器状态在线检测平台硬件的结构 |
4.2 STC12C5A60S2单片机 |
4.3 TMS320F28335数字型处理器 |
4.4 无线通信模块的选型 |
4.4.1 ZigBee无线通信模块 |
4.4.2 3G无线通信模块 |
4.5 模拟/数字ADC转换 |
4.6 STC12C5A60S2单片机外围电路设计 |
4.6.1 3G无线通信模块电路设计 |
4.6.2 RS-485通信电路设计 |
4.6.3 LCD显示电路设计 |
4.7 TMS320F28335处理器外围电路设计 |
4.7.1 JTAG接口程序与时钟电路 |
4.7.2 串口调试电路 |
4.7.3 SDRAM存储模块 |
4.7.4 数据存储电路 |
4.8 电源部分电路设计 |
4.9 本章小结 |
第五章 变压器状态在线检测平台的调试与应用 |
5.1 系统的硬件功能调试 |
5.2 系统的搭建及部署 |
5.3 系统的软件功能调试 |
5.4 实际调试与应用 |
5.5 本章小结 |
第六章 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
致谢 |
四、利用振动法进行变压器在线监测的应用研究(论文参考文献)
- [1]基于振动分析法的变压器故障诊断研究[D]. 惠豪. 西安理工大学, 2021(01)
- [2]基于Tikhonov正则化方法的变压器在线监测研究[D]. 刘春江. 华北电力大学(北京), 2021(01)
- [3]基于数据和模型的油浸式电力变压器健康管理系统研究[D]. 谢鹏. 华南理工大学, 2020(05)
- [4]高速铁路大型变压器绕组频率响应建模及故障诊断研究[D]. 江俊飞. 西南交通大学, 2019(06)
- [5]基于分布式光纤传感的变压器绕组变形检测方法研究[D]. 田源. 华北电力大学(北京), 2019
- [6]配电变压器数据感知与智能维护决策研究[D]. 赵妙颖. 华北电力大学(北京), 2019(01)
- [7]用于变压器绕组变形在线监测大尺寸Rogowski线圈型电流传感器的研究[D]. 马宪伟. 华北电力大学(北京), 2019(01)
- [8]基于RFID传感器与深度学习的变压器状态监测关键技术研究[D]. 汪涛. 合肥工业大学, 2019
- [9]基于物联网的电力变压器振动特征提取算法及云监测平台软件的研究与开发[D]. 杜朝晖. 浙江大学, 2019(03)
- [10]变压器状态在线检测平台的设计与实现[D]. 乔琳. 沈阳农业大学, 2018(04)