针对匝间短路下壳式变压器的电磁力、绕组振动加速度的时域和频谱分布规律,开展基于卷积神经网络(convolutional neural networks,CNN)与长短期记忆(long short term memory,LSTM)网络的匝间短路故障诊断研究。首先,以匝间短路电流为激...针对匝间短路下壳式变压器的电磁力、绕组振动加速度的时域和频谱分布规律,开展基于卷积神经网络(convolutional neural networks,CNN)与长短期记忆(long short term memory,LSTM)网络的匝间短路故障诊断研究。首先,以匝间短路电流为激励,分别对壳式变压器磁场、绕组电磁力、振动加速度的时域和频域分布进行研究,并提出了壳式变压器磁-振耦合模型;其次,计算不同短路匝数下壳式变压器绕组振动加速度的时域和频域分布,提出以绕组振动加速度100 Hz幅值比F1、总频带能量比F2、时域峰值比F3为特征参量的CNN-LSTM网络匝间短路故障诊断模型,得到匝间短路故障诊断阈值指标;最后,制造50 kVA壳式变压器样机,开展匝间短路下壳式变压器绕组振动加速度时域和频域特性试验。试验结果显示:在短路匝数为15匝时,磁通密度增加11.79%,故障绕组振动加速度增加了467.5%;匝间短路故障诊断正确率为91.28%。所做研究可为壳式变压器匝间短路故障的预测与诊断提供数据支撑。展开更多
针对变压器故障诊断存在诊断精度不高和麻雀搜索算法(sparrow search algorithm,SSA)存在易陷入局部最优的问题,提出了一种基于融合正余弦和柯西变异的麻雀搜索算法(sine-cosine and Cauchy mutation sparrow search algorithm,SCSSA)...针对变压器故障诊断存在诊断精度不高和麻雀搜索算法(sparrow search algorithm,SSA)存在易陷入局部最优的问题,提出了一种基于融合正余弦和柯西变异的麻雀搜索算法(sine-cosine and Cauchy mutation sparrow search algorithm,SCSSA)优化双向长短期记忆网络(bi-directional long-short term memory,BiLSTM)的变压器故障诊断模型。首先,基于油中溶解气体分析(dissolved gas analysis,DGA)法,以5种特征量作为输入,其次利用正余弦策略和柯西变异策略对麻雀算法进行改进,然后将SCSSA算法、SSA算法和灰狼优化算法(grey wolf optimizer,GWO)在4种测试函数上进行性能对比,验证了SCSSA算法的优越性。最后利用SCSSA算法对BiLSTM网络中的参数进行优化,从而提高BiLSTM网络在变压器故障诊断中的性能。实验结果表明,所提SCSSA-BiLSTM故障诊断模型的综合诊断精度为95.1%,相比于SSA-BiLSTM、GWO-BiLSTM、BiLSTM和LSTM模型分别提高了7.3%、12.2%、14.6%、19.5%,并且SCSSA-BiLSTM模型有着更好的鲁棒性。展开更多
有载分接开关的故障诊断是保证变压器安全运行的重要措施。文中通过检测110 k V变压器真空有载分接开关(OLTC)驱动电机电流、传动轴旋转角度和3个振动信号,分析了OLTC切换过程中电机电流正负脉冲波形、旋转角度与振动信号。采用巴特沃...有载分接开关的故障诊断是保证变压器安全运行的重要措施。文中通过检测110 k V变压器真空有载分接开关(OLTC)驱动电机电流、传动轴旋转角度和3个振动信号,分析了OLTC切换过程中电机电流正负脉冲波形、旋转角度与振动信号。采用巴特沃斯高通滤波器和时频域分析对测试信号进行处理,提取了幅值、均值、最大/最小值、频域幅值平均值和重心频率等多种特征参量。基于电气、振动与角度等多元信息特征分析,提出了基于随机森林的真空OLTC机械故障诊断方法,获得了正常工况、传动轴不同松动程度、弧形板松动与过渡电阻松动情况下的故障诊断结果,对传动轴松动故障程度(轻微/严重)进行了定量设别,故障类别的识别准确率大于95%。文中提出的故障模拟与多信息特征的诊断方法对OLTC的状态检测与故障诊断具有重要意义。展开更多
摘要针对匝间短路下壳式变压器的电磁力、绕组振动加速度的时域和频谱分布规律,开展基于卷积神经网络(convolutional neural networks,CNN)与长短期记忆(long short term memory,LSTM)网络的匝间短路故障诊断研究。首先,以匝间短路电流为激励,分别对壳式变压器磁场、绕组电磁力、振动加速度的时域和频域分布进行研究,并提出了壳式变压器磁-振耦合模型;其次,计算不同短路匝数下壳式变压器绕组振动加速度的时域和频域分布,提出以绕组振动加速度100 Hz幅值比F1、总频带能量比F2、时域峰值比F3为特征参量的CNN-LSTM网络匝间短路故障诊断模型,得到匝间短路故障诊断阈值指标;最后,制造50 kVA壳式变压器样机,开展匝间短路下壳式变压器绕组振动加速度时域和频域特性试验。试验结果显示:在短路匝数为15匝时,磁通密度增加11.79%,故障绕组振动加速度增加了467.5%;匝间短路故障诊断正确率为91.28%。所做研究可为壳式变压器匝间短路故障的预测与诊断提供数据支撑。
摘要针对变压器故障诊断存在诊断精度不高和麻雀搜索算法(sparrow search algorithm,SSA)存在易陷入局部最优的问题,提出了一种基于融合正余弦和柯西变异的麻雀搜索算法(sine-cosine and Cauchy mutation sparrow search algorithm,SCSSA)优化双向长短期记忆网络(bi-directional long-short term memory,BiLSTM)的变压器故障诊断模型。首先,基于油中溶解气体分析(dissolved gas analysis,DGA)法,以5种特征量作为输入,其次利用正余弦策略和柯西变异策略对麻雀算法进行改进,然后将SCSSA算法、SSA算法和灰狼优化算法(grey wolf optimizer,GWO)在4种测试函数上进行性能对比,验证了SCSSA算法的优越性。最后利用SCSSA算法对BiLSTM网络中的参数进行优化,从而提高BiLSTM网络在变压器故障诊断中的性能。实验结果表明,所提SCSSA-BiLSTM故障诊断模型的综合诊断精度为95.1%,相比于SSA-BiLSTM、GWO-BiLSTM、BiLSTM和LSTM模型分别提高了7.3%、12.2%、14.6%、19.5%,并且SCSSA-BiLSTM模型有着更好的鲁棒性。
摘要有载分接开关的故障诊断是保证变压器安全运行的重要措施。文中通过检测110 k V变压器真空有载分接开关(OLTC)驱动电机电流、传动轴旋转角度和3个振动信号,分析了OLTC切换过程中电机电流正负脉冲波形、旋转角度与振动信号。采用巴特沃斯高通滤波器和时频域分析对测试信号进行处理,提取了幅值、均值、最大/最小值、频域幅值平均值和重心频率等多种特征参量。基于电气、振动与角度等多元信息特征分析,提出了基于随机森林的真空OLTC机械故障诊断方法,获得了正常工况、传动轴不同松动程度、弧形板松动与过渡电阻松动情况下的故障诊断结果,对传动轴松动故障程度(轻微/严重)进行了定量设别,故障类别的识别准确率大于95%。文中提出的故障模拟与多信息特征的诊断方法对OLTC的状态检测与故障诊断具有重要意义。