基于不确定理论的变压器状态评估的研究
|
摘要
电力企业为了提高经济效益和社会效益,要求电气设备的检修体制逐渐由定期维修向状态维修转变,为了实施变压器的状态维修,需要对变压器的状态进行准确的评估。本文对变压器的健康状态评分采用100分制,给出了变压器状态5等级划分,确定了影响变压器综合状态的各项参数及其评分方法,并由此总结出了变压器综合状态评估的决策结构图。本文分别利用了贝叶斯网络法和支持向量机法进行了建模,分别给出了变压器状态评估的方法和步骤,并结合实际数据样本进行了运算,比较两种方法彼此的优缺点。本文将变压器状态评估划分为变压器本体、变压器套管、变压器铁心三部分的评估,每一部分的都结合了历史状态、当前状态和未来状态来进行评估。
Electric power companies in reply social benefits for the improvement of economic, demand an electric examine and repair system keeping a change in condition repair from regular repair. The condition assessment is the foundation of the condition repair. In this paper, health condition is divided into five ranks, the centesimal system is used. We ascertain the parameters affecting synthetical state of transformer various and their grade method, and has summed up out the decision-making structural drawing that synthetical state of transformer appraises from this. This article has separately produced transformer condition assessment model based on Bayesian network and support vector manchine, has presented the method and the step, and has compared with two methods through the example data. In this paper, transformer condition assessment has been divided into three part: main body, bushing and cores, we could obtain running conditions of the three parts by using of the different periods condition including previous, present and prospective.
Electric power companies in reply social benefits for the improvement of economic, demand an electric examine and repair system keeping a change in condition repair from regular repair. The condition assessment is the foundation of the condition repair. In this paper, health condition is divided into five ranks, the centesimal system is used. We ascertain the parameters affecting synthetical state of transformer various and their grade method, and has summed up out the decision-making structural drawing that synthetical state of transformer appraises from this. This article has separately produced transformer condition assessment model based on Bayesian network and support vector manchine, has presented the method and the step, and has compared with two methods through the example data. In this paper, transformer condition assessment has been divided into three part: main body, bushing and cores, we could obtain running conditions of the three parts by using of the different periods condition including previous, present and prospective.
引文
[1] 郭喜庆.高电压设备绝缘与故障分析.北京:水利电力出版社,1995.16～18
[2] 许婧,王晶.电力设备状态检修技术研究综述.电力系统自动化,2000(8):48～52
[3] 严璋.电气绝缘在线检测技术.北京:中国电力出版社,1995.13～15
[4] 陆晓春.变压器状态检修技术方案的可靠性研究.上海电力学院学报.2003 年 6月,第 19 卷第 2 期:26～32
[5] 黄建华.变电站高压电气设备状态检修的现状及其发展.变压器,2002 年 9 月,第 39 卷增刊 1 期:56～61
[6] 许婧,王晶,高峰,等.电力设备状态检修技术研究综述.电网技术,2000,24(8):48～52
[7] 董其国.电力变压器故障与诊断.北京:中国电力出版社,2001.4
[8] 郑健超.电力前沿技术的现状和前景.中国电力,1999,132(10):9～14
[9] 陈维荣,宋永华,孙锦鑫.电力系统设备状态监测的概念及现状.电网技术,2000,24(11):12～17
[10] 邱仕义.电力设备可靠性维修.北京,中国电力出版社,2004
[11] 刘有为,李光范,高克利,等.制订《电气设备状态维修导则》的原则框架.电网技术,2003,27(6):64～67,76
[12] 高明振,李铭钧.地区电网变压器状态检修.电力设备,2003,4(2):63～66
[13] 郭碧红,杨晓洪.我国电力设备在线监测技术的开发应用状况分析.电网技术,1999,23(8):65～68.
[14] 张亮,宋伟光. 基于人工智能的电气设备状态综合分析方法[J] .浙江电力,2002,(4):21～24
[15] 郭基伟,谢敬东,唐国庆,等.电气设备状态监测及故障诊断系统的开发.江苏电机工程,2002,21(1):19～21
[16] 中华人民共和国国家技术监督局.GB 7252-87,中华人民共和国国家标准-变压器油中溶解气体分析和判断导则,北京:中国标准出版社,1987.11
[17] P.Kang and D.Birtwhistle.Condition monitoring of power transformer onload tap-changers. IEEE proc-Transm Distrib.148(4):128～132
[18] 吴子龙.电力变压器故障分析.中国设备工程,2006,11:18～23
[19] 纪航,朱永利,郭伟.变压器状态的模糊化综合评分方法研究.中国高等学校电力系统及其自动化专业第 21 届电力系统及其自动化年会论文集,广西:广西大学 2005.11,2202～2205
[20] 阴昌华,王晨.变压器油中溶解气体在线监测技术的研究.科技情报开发与经济,2007,17(1):171～
[21] 操敦奎.变压器油中气体分析诊断与故障检查.北京:中国电力出版社,2005.17～21
[22] 中华人民共和国电力工业部,DL/T 596—1996,电力设备预防性试验规程.北京:中国电力出版社,1996
[23] 陈化钢.电力设备预防性试验技术问答.北京:中国水利水电出版社,1997.129
[24] 中华人民共和国电力工业部,DL/T 572—1995,电力变压器运行规程,北京:中国电力出版社,1995
[25] 吴锦华.电力设备预防性试验丛书(变压器).北京中国电力出版社,2003.1～60
[26] 赵葆德.电力企业的状态检修与优化检修[J] .四川电力技术,1998,(1):51～54
[27] 王晓莺,王建民,杨俊海等.变压器故障与监测.北京:机械工业出版,2005.110郭碧红,杨晓洪.我国电力设备在线监测技术的开发应用状况分析.电网技术,1999,23(8):65～68.
[28] 纪航.变压器状态综合评估方法研究.[华北电力大学硕士论文].保定:华北电力大学电气工程学院,2005.12
[29] 吴立增.变压器状态评估方法的研究:[华北电力大学博士论文].保定:华北电力大学电气工程学院,2005
[30] 耿兰芹,王芳,赵文清.SVM 回归与朴素贝叶斯分类相结合的变压器故障诊断.华北电力大学学报,2006,33(6):28～32
[31] Stephenson T A. An Introduction To Bayesian Network Theory And Usage. IDIAP-RR 00-03, Feb, 2000
[32] 胡玉胜,涂序彦,崔晓瑜.基于贝叶斯网络的不确定性知识的推理方法.计算机集成制造系统,2001,7(12):65～68
[33] 朱永利,吴立增,李雪玉.贝叶斯分类器与粗糙集相结合的变压器综合故障诊断.中国电机工程学报,2005,25(10)
[34] 华斌,周建中,张丽等.贝叶斯网络在水电机组状态检修中的应用.水电自动化与大坝监测.2004.10 28(5):11～15
[35] 付煜,吴晓平,严承华等.基于贝叶斯网络的信息安全风险评估方法.武汉大学学报理学版.2006,52(5):32～37
[36] 李相刚等.贝叶斯网络在汽车故障诊断中的应用.公路与汽运,2006.2:21～24
[37] 王理冬,汪光阳,程泽凯等.贝叶斯网络的发展与展望.安徽工业大学学报,2006,23(2):195～198
[38] 齐保林,李凌均等.基于支持向量机的故障诊断方法研究.煤矿机械,2007,28(1):182～184
[39] 刘鹏,孟海涛,陈芙蓉等.一种提高 SVM 分类速度和泛性化的新方法.贵州大学学报自然科学版,2007,24(1):50～53
[40] 徐红敏,杨天行等.基于支持向量机分类算法的湖泊水质评价研究.吉林大学学报地球科学版,2006.7,36(4):24～28
[41] 钟清流,蔡自兴等.基于一类支持向量机的传感器故障诊断.计算机工程与应用,2006,42(19):1～7
[42] 刘崇林等.人口时间序列的支持向量机预测模型.宁夏大学学报自然科学版,2006,27(4):308～310
[43] 文明,方凯,汪方斌等.一种基于 SVM 的多类判别算法.工业仪表与自动化装置,2006.6:6～8
[44] 王强,沈永平,陈英武等.多属性决策支持向量机模型与算法.控制与决策,2006,21(12):1338～1342
[45] 张冰,孔瑞等.一种支持向量机的组合核函数.计算机应用,2007,27(1):44～46
[46] 陈增照,杨扬,何秀玲等.基于核聚类的 SVM 多分类方法.计算机应用,2007,27(1):47～49
[47] 牛兴霞,杨奎河等.基于支持向量机的多类分类研究.信息技术,2006,30(11):19～23
[48] 杨家红,周利萍,彭为等.SVM 分类器的风险评估算法研究.计算机工程与应用,2006,42(35):172～174
[49] 林茂六,陈春雨.基于傅立叶核与径向基核的支持向量机性能之比较.重庆邮电学院学报,2005,17(6):647～650
[50] Mokhnacke, L. Boubakeur, A. Feliachi, A. Prediction of thermal ageing in transformer oil and high voltage PVC cables using artificial neural networks. Science, Measurement and Technology, IEE Proceedings, 2 May 2003, 150(3): 107~112
[2] 许婧,王晶.电力设备状态检修技术研究综述.电力系统自动化,2000(8):48～52
[3] 严璋.电气绝缘在线检测技术.北京:中国电力出版社,1995.13～15
[4] 陆晓春.变压器状态检修技术方案的可靠性研究.上海电力学院学报.2003 年 6月,第 19 卷第 2 期:26～32
[5] 黄建华.变电站高压电气设备状态检修的现状及其发展.变压器,2002 年 9 月,第 39 卷增刊 1 期:56～61
[6] 许婧,王晶,高峰,等.电力设备状态检修技术研究综述.电网技术,2000,24(8):48～52
[7] 董其国.电力变压器故障与诊断.北京:中国电力出版社,2001.4
[8] 郑健超.电力前沿技术的现状和前景.中国电力,1999,132(10):9～14
[9] 陈维荣,宋永华,孙锦鑫.电力系统设备状态监测的概念及现状.电网技术,2000,24(11):12～17
[10] 邱仕义.电力设备可靠性维修.北京,中国电力出版社,2004
[11] 刘有为,李光范,高克利,等.制订《电气设备状态维修导则》的原则框架.电网技术,2003,27(6):64～67,76
[12] 高明振,李铭钧.地区电网变压器状态检修.电力设备,2003,4(2):63～66
[13] 郭碧红,杨晓洪.我国电力设备在线监测技术的开发应用状况分析.电网技术,1999,23(8):65～68.
[14] 张亮,宋伟光. 基于人工智能的电气设备状态综合分析方法[J] .浙江电力,2002,(4):21～24
[15] 郭基伟,谢敬东,唐国庆,等.电气设备状态监测及故障诊断系统的开发.江苏电机工程,2002,21(1):19～21
[16] 中华人民共和国国家技术监督局.GB 7252-87,中华人民共和国国家标准-变压器油中溶解气体分析和判断导则,北京:中国标准出版社,1987.11
[17] P.Kang and D.Birtwhistle.Condition monitoring of power transformer onload tap-changers. IEEE proc-Transm Distrib.148(4):128～132
[18] 吴子龙.电力变压器故障分析.中国设备工程,2006,11:18～23
[19] 纪航,朱永利,郭伟.变压器状态的模糊化综合评分方法研究.中国高等学校电力系统及其自动化专业第 21 届电力系统及其自动化年会论文集,广西:广西大学 2005.11,2202～2205
[20] 阴昌华,王晨.变压器油中溶解气体在线监测技术的研究.科技情报开发与经济,2007,17(1):171～
[21] 操敦奎.变压器油中气体分析诊断与故障检查.北京:中国电力出版社,2005.17～21
[22] 中华人民共和国电力工业部,DL/T 596—1996,电力设备预防性试验规程.北京:中国电力出版社,1996
[23] 陈化钢.电力设备预防性试验技术问答.北京:中国水利水电出版社,1997.129
[24] 中华人民共和国电力工业部,DL/T 572—1995,电力变压器运行规程,北京:中国电力出版社,1995
[25] 吴锦华.电力设备预防性试验丛书(变压器).北京中国电力出版社,2003.1～60
[26] 赵葆德.电力企业的状态检修与优化检修[J] .四川电力技术,1998,(1):51～54
[27] 王晓莺,王建民,杨俊海等.变压器故障与监测.北京:机械工业出版,2005.110郭碧红,杨晓洪.我国电力设备在线监测技术的开发应用状况分析.电网技术,1999,23(8):65～68.
[28] 纪航.变压器状态综合评估方法研究.[华北电力大学硕士论文].保定:华北电力大学电气工程学院,2005.12
[29] 吴立增.变压器状态评估方法的研究:[华北电力大学博士论文].保定:华北电力大学电气工程学院,2005
[30] 耿兰芹,王芳,赵文清.SVM 回归与朴素贝叶斯分类相结合的变压器故障诊断.华北电力大学学报,2006,33(6):28～32
[31] Stephenson T A. An Introduction To Bayesian Network Theory And Usage. IDIAP-RR 00-03, Feb, 2000
[32] 胡玉胜,涂序彦,崔晓瑜.基于贝叶斯网络的不确定性知识的推理方法.计算机集成制造系统,2001,7(12):65～68
[33] 朱永利,吴立增,李雪玉.贝叶斯分类器与粗糙集相结合的变压器综合故障诊断.中国电机工程学报,2005,25(10)
[34] 华斌,周建中,张丽等.贝叶斯网络在水电机组状态检修中的应用.水电自动化与大坝监测.2004.10 28(5):11～15
[35] 付煜,吴晓平,严承华等.基于贝叶斯网络的信息安全风险评估方法.武汉大学学报理学版.2006,52(5):32～37
[36] 李相刚等.贝叶斯网络在汽车故障诊断中的应用.公路与汽运,2006.2:21～24
[37] 王理冬,汪光阳,程泽凯等.贝叶斯网络的发展与展望.安徽工业大学学报,2006,23(2):195～198
[38] 齐保林,李凌均等.基于支持向量机的故障诊断方法研究.煤矿机械,2007,28(1):182～184
[39] 刘鹏,孟海涛,陈芙蓉等.一种提高 SVM 分类速度和泛性化的新方法.贵州大学学报自然科学版,2007,24(1):50～53
[40] 徐红敏,杨天行等.基于支持向量机分类算法的湖泊水质评价研究.吉林大学学报地球科学版,2006.7,36(4):24～28
[41] 钟清流,蔡自兴等.基于一类支持向量机的传感器故障诊断.计算机工程与应用,2006,42(19):1～7
[42] 刘崇林等.人口时间序列的支持向量机预测模型.宁夏大学学报自然科学版,2006,27(4):308～310
[43] 文明,方凯,汪方斌等.一种基于 SVM 的多类判别算法.工业仪表与自动化装置,2006.6:6～8
[44] 王强,沈永平,陈英武等.多属性决策支持向量机模型与算法.控制与决策,2006,21(12):1338～1342
[45] 张冰,孔瑞等.一种支持向量机的组合核函数.计算机应用,2007,27(1):44～46
[46] 陈增照,杨扬,何秀玲等.基于核聚类的 SVM 多分类方法.计算机应用,2007,27(1):47～49
[47] 牛兴霞,杨奎河等.基于支持向量机的多类分类研究.信息技术,2006,30(11):19～23
[48] 杨家红,周利萍,彭为等.SVM 分类器的风险评估算法研究.计算机工程与应用,2006,42(35):172～174
[49] 林茂六,陈春雨.基于傅立叶核与径向基核的支持向量机性能之比较.重庆邮电学院学报,2005,17(6):647～650
[50] Mokhnacke, L. Boubakeur, A. Feliachi, A. Prediction of thermal ageing in transformer oil and high voltage PVC cables using artificial neural networks. Science, Measurement and Technology, IEE Proceedings, 2 May 2003, 150(3): 107~112