一、电力变压器状态检测的国外动态(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》文中指出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。
张宇婷[2](2021)在《基于CVA的变压器故障诊断及预测研究》文中研究说明油浸式变压器是构建智能电网以及互联电网中的枢纽设备之一,基于油色谱分析技术(DGA)对变压器进行故障诊断是电网安全运行的发展方向。而变压器的故障预测是变压器维护工作的重要内容,准确的故障预测可以在变压器发生故障之前,通过采取恰当的措施,使得变压器故障得以提前消除,减少了因其故障导致电力系统无法正常运转带来的经济损失。本文对变压器故障诊断方法以及预测模型进行了系统的研究,提出了小波神经网络结合规范变量分析法(WPT-CVA)的故障诊断方法以及粒子群优化支持向量机(PSO-SVM)和小波变换时间序列(WPT-ARMA)的组合预测模型,提高了小样本数据下故障诊断准确率以及预测精度。本文对油浸式变压器的研究内容分为以下几个部分:首先,分析变压器常见的故障类型,按故障性质将变压器故障分为电性故障及热性故障。通过对智能算法及传统算法的总结,确定故障诊断算法为小波神经网络算法,以支持向量机模型(SVM)以及自回归滑动平均模型(ARMA)的组合预测模型。其次,对小波神经网络进行简单介绍,利用小波神经网络算法建立变压器故障诊断模型,确定输入层、隐含层以及输出层,随后选取了大量有代表性的数据样本,利用小波变换进行降噪处理。在此基础上对样本数据作归一化处理并进行了训练,测试以及误差分析,得出小波神经网络的收敛速度快但收敛误差较大的结论。再次,采用小波分析结合CVA的方法对溶解于变压器油中的气体数据进行处理,不仅不需人为添加优化系数或惩罚因子,还对变压器的故障诊断快速且准确,优于目前诊断准确率较高的智能方法。通过将收集到的400组DGA数据集分离为275组训练集和组125测试集,评估了该方法的故障诊断性能。经过训练,测试结果表明,WPT法和基于CVA的方法的诊断准确率分别为90.4和93.4%。从这些数据可以清楚地看出,该方法在对变压器故障分类时的诊断率提高了3个百分点。最后,通过对DGA气体数据进行归一化处理、选择核函数、粒子群优化支持向量机建立PSO-SVM预测模型,对DGA气体数据进行小波去噪、模型识别、参数估计建立WPT-ARMA预测模型,基于两种预测模型建立组合模型,以达到误差最小为目的,最后通过实例验证及对比发现WPT-ARMA的预测模型误差较PSO-SVM预测模型误差值小,且组合预测模型可以综合多种单一预测模型所包含的信息,有效降低预测风险。
陈起超[3](2021)在《液体电介质局部放电声发射非本征光纤法-珀传感器》文中研究说明非本征光纤法-珀(Extrinsic Fiber Fabry-Perot Interferometor,EFPI)传感器因其具有结构小巧、抗电磁干扰能力强和检测灵敏度高等优点,被广泛应用于电力设备局部放电(本文以下简称局放)超声信号检测的研究中。本文对EFPI传感器检测特性及其高灵敏度设计方法进行研究,设计可应用于油箱壁外侧检测局放超声信号的外置式EFPI传感器;结合EFPI传感器高灵敏度设计方法利用微机电系统(Micro-Electro-Mechanical System,MEMS)技术,设计并制备具有超高灵敏度及高一致性的硅膜片EFPI传感器。根据EFPI传感器多光束干涉原理及强度解调原理,结合膜片式传感器的基本结构,明确了传感器的窄带检测特性;利用流体力学理论,针对附加质量导致膜片固有频率降低的问题进行计算分析,获得应用于绝缘油介质中的膜片固有频率降低率与膜片介质密度、厚度及半径的相关性,并通过仿真计算与实验研究进行验证,同时探究不同绝缘油介质温度时传感器幅频特性曲线。为提高EFPI传感器在绝缘油介质中对局放超声信号的检测灵敏度,对传感器干涉光谱、膜片尺寸及指向性响应特性进行研究,研究发现传感器干涉光谱及膜片尺寸共同制约着传感器检测灵敏度,但随着检测灵敏度的提高,传感器的指向性响应特性愈加明显;基于电力变压器内部空间充足的实际情况,结合抛物面聚焦特性,设计具有抛物面聚声结构的EFPI传感器,实现对传感器检测灵敏度的物理结构增强,实验结果表明采用有机玻璃制备的抛物面结构可将传感器检测灵敏度提高1倍。针对已投产电力变压器内部无法安装EFPI传感器的情况,提出可安装于油箱壁外侧的外置贴合式EFPI传感器,制备获得的传感器一阶固有谐振频率为107k Hz,其检测灵敏度与内置式EFPI传感器及压电陶瓷(Piezoelectric,PZT)传感器相近;结合液-固-液三层复合介质局放超声信号传播特性,设计并制备外置油腔耦合的EFPI传感器,该传感器一阶固有谐振频率为113k Hz,外置油腔结构为抛物面聚声结构,当传感器膜片位于抛物面焦点附近时,其检测灵敏度与PZT传感器相近。针对EFPI传感器一致性较差问题,利用MEMS技术制备硅膜片EFPI传感器,该传感器膜片厚度为5μm,有效约束半径为0.23mm,一阶固有谐振频率为117k Hz,温度每升高1℃传感器干涉光谱谐振峰漂移15.3pm,有效动态压力测试范围约为±245Pa,传感器输出信号特性为18.62m V/Pa;利用板-板电极局放检测平台及80k VA变压器真实模型局放检测平台,对传感器的一致性及灵敏度进行测试,结果表明该传感器干涉光谱相似度及检测灵敏度具有较高的一致性,其局放超声信号的检测灵敏度至少为PZT传感器检测灵敏度的24倍。
李黄曼[4](2021)在《基于深度学习的电力变压器故障诊断研究》文中认为电力变压器的运行状态关系着整个电力系统的安全与稳定,因此,在工程应用中需要对其状态进行实时监测以及时发现潜伏故障。目前,实现变压器状态监测首要方法是油中溶解气体分析法(Dissolved Gas Analysis,DGA)。针对基于DGA的变压器智能故障诊断方法存在的局限性,本文提出了改进麻雀搜索算法(Improved Sparrow Search Algorithm,ISSA)优化深度信念网络(Deep Brief Network,DBN)和支持向量机(support vector machine,SVM)的变压器故障诊断方法。利用ISSA对DBN的网络结构参数进行优化,使其能够深度挖掘出DGA故障数据的特征信息和故障类型之间的联系。结合SVM能够有效解决小样本分类问题的优点,建立了融合DBN与SVM的变压器故障诊断模型。具体研究内容和结果如下:(1)构建了基于DGA特征比值和深度信念网络的变压器故障诊断模型。利用邻域粗糙集对变压器故障特征气体的比值进行了决策约简,并经过降维处理去除特征输入之间存在的冗余信息以免其影响DBN的故障特征提取效果。通过与目前变压器故障诊断常用的智能方法进行对比,结果表明,DBN诊断模型对变压器的故障状态预测精度更高。(2)采用改进的麻雀搜索算法对DBN模型的性能进行了优化。引入了动态反向学习策略和高斯变异提高了 SSA的全局寻优能力和泛化能力。据此,构建了基于ISSA和DBN的故障诊断模型。采用ISSA优化DBN中RBM的层间神经元连接权值和神经元偏置,进而提高DBN对输入数据本质特征的提取能力。再用ISSA-DBN模型对变压器故障状态进行预测分类,结果表明,该模型的故障诊断准确率可达94.44%。(3)提出了 DBN与SVM相结合的变压器故障诊断方法。结合SVM对于小样本优异的分类能力,建立了基于ISSA的DBN-SVM变压器故障诊断模型。通过ISSA-DBN对训练样本深度提取故障的本质特征后输入ISSA-SVM中进行分类训练。通过对变压器实际运行状态的诊断结果可得,该模型的故障诊断精度高于ISSA-DBN和ISSA-SVM,变压器运行状态的预测准确率可达到95.56%。(4)用变压器故障的具体案例来验证该模型的泛化能力以及实用性,结果表明,经过ISSA优化的DBN-SVM诊断模型通过提取变压器DGA数据中的故障本质特征可以精确的诊断出变压器运行中存在的隐藏故障。经过ISSA优化DBN-SVM的变压器故障诊断模型可以利用在线检测的油色谱数据及时精确的诊断出变压器运行中存在的潜伏性故障并据此制定合理的检修策略。进而实时监测变压器的运行状态,保证电力系统的安全与稳定。
谢鹏[5](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》文中研究表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。
胡异炜[6](2020)在《基于空间振动分布和工况模态分析的变压器绕组故障诊断方法研究》文中认为作为电力系统中的关键设备,大型电力变压器承担着电压转换,电力分配的重要任务,其长期稳定可靠运行对于保障电力系统的供电安全有着重要意义。作为变压器状态监测与故障诊断的重要手段之一,振动分析法与其他各类变压器监测方法相比,具有对变压器机械结构改变灵敏度高,不与变压器内部进行电气连接,安全便捷,易于在不影响变压器运行的条件下实现在线检测等优势,有着广阔的应用前景,长期以来受到国内外学者的重视。本文在总结前人基于振动分析法的变压器故障检测方法所取得研究成果的基础上,从由振动信号中提取反映变压器机械结构故障特征的角度出发,对变压器运行工况下稳态振动和瞬态振动的特征提取与绕组机械故障诊断方法开展了深入的讨论与研究。通过对变压器油箱表面不同位置测点的空间振动分布特性进行研究,本文提出了基于空间振动分布特征的变压器绕组故障诊断方法,该方法能够更加灵敏和有效地反映变压器绕组的机械结构状态,为实现变压器绕组故障的带电监测与诊断提供了一种新的方法与手段。本文还基于工况模态分析方法对变压器断电过程的瞬态振动信号进行研究,应用流形学习方法提出了一种新的变压器绕组压紧力松动的状态评估和故障诊断方法。全文内容概括如下:首先介绍了课题的背景和意义,以及基于振动分析法的变压器故障诊断算法的发展历程、研究现状以及不足之处。提出了充分利用变压器油箱表面不同位置测点的空间振动分布特征,以及变压器断电过程中瞬态振动信号中所包含的信息,进行特征提取和绕组故障诊断的研究目标,明确了全文的主要研究内容,路线和主要创新点。其次,重点研究了变压器绕组在不同机械结构状态下的轴向振动和油箱表面振动的分布特性,以及不同负载电流水平对其的影响。通过在绕组上人为引入包括压紧力松动,绕组机械结构松动,绕组变形等故障,并测量在不同负载电流激励的稳态工况下绕组轴向振动和变压器油箱表面多点振动,以研究当绕组发生机械结构故障时油箱表面空间振动分布的变化特征,为从振动分布情况中提取能够反映绕组机械结构状态的特征量提供依据。实验结果表明,空间振动分布特性与绕组的机械结构状态密切相关,当绕组机械结构发生变化时,空间振动分布的形态特征,对称性,以及随负载电流的变化等有着显着的改变,表明了空间振动分布能够有效反映绕组机械结构状态变化的信息。第三,根据相关实验结果得到的各种故障类型下变压器油箱表面空间振动分布特征变化趋势,结合电力变压器中的振动传递特性,研究提出了基于空间振动分布的特征提取方法,通过计算四个空间振动分布特征的量化参数来定量表述变压器油箱表面不同测点位置振动信号间的空间差异性,进而反映出绕组机械结构的状态。在此基础上,将空间振动分布特征的量化参数组合为特征向量,基于支持向量机建立了变压器绕组故障诊断模型,实现对变压器绕组状态和故障的分析与诊断。通过实际变压器现场实测数据的测试,表明了该诊断模型可准确、有效地用于变压器绕组机械结构故障的带电检测与诊断。接下来研究了变压器在断电过程中绕组的瞬态振动特性,以及绕组压紧力松动对瞬态振动特性造成的影响。在经典绕组振动力学模型的基础上,以理论分析和基于数值计算的仿真分析为手段,研究并得出了影响变压器断电过程中绕组瞬态振动信号能量在频域分布的主要因素,以及瞬态振动信号频域特征随绕组压紧力松动的变化规律。通过对一台实验变压器断电过程中绕组瞬态振动信号进行的采集和分析,对理论分析和数值仿真的结论进行了验证,并用高频率分辨率对振动频域特征进行了提取,作为基于瞬态振动的绕组压紧力松动故障带电检测与状态评估的基础。再次,在变压器断电过程瞬态振动信号频域特征的基础上,提出了一种流形学习维数约简算法有限松弛的测地线高斯型局部保留投影算法(LLGGLPP),并将其应用于基于瞬态振动信号的绕组压紧力松动诊断。该算法在局部保留投影算法(LPP)的基础上,结合绕组压紧力松动状态下瞬态振动特征的变化特点,利用近似测地线距离计算、有限松弛的邻接关系构建和广义高斯函数调节样本间距等方法,在维数约简后的低维空间能够较好地表现出瞬态振动特征随绕组压紧力变化而变化的流形结构。为了对绕组压紧力大小给出量化的估计,本文测量了实验变压器绝缘垫块材料的应力-应变特性曲线,并结合所得到的低维空间流形结构的描述,提出了一种基于变压器断电过程瞬态振动信号的绕组压紧力监测方法,为实现电力变压器绕组松动的监测与诊断提供了一种新的、有效和便捷的手段。最后,总结了全文的主要研究内容,并展望了进一步研究和改进的方向。
周密[7](2020)在《基于IPSO-SVM电力变压器绝缘老化状态模式识别》文中研究指明变压器是整个电力系统中的关键设备,其健康安全稳定的运行牵动着整个电力系统。随着我国电力行业的迅猛发展,电网电压等级以及容量都进一步增大,对于电力变压器的可靠性提出了更高的要求。绝缘老化对电力变压器的健康稳定运行有着直接影响,然而变压器的局部放电一般发生在绝缘老化或者制造缺陷时,所以通过局部放电现象的测量以及分析达到对绝缘老化状态的评估是本文的主要研究目的。本文首先研究了绝缘老化表象特征局部放电的几种类型,分析了悬浮放电、电晕放电以及沿面放电三种不同类型局部放电的异同,并总结了如今电力市场中主要的局部放电检测方法,为下文进行研究奠定了理论基础。其次,本文研究了基于快速独立分量分析(Fast Independent Component Analysis,FastICA)的混叠数据分离方法,采用快速独立分量分析的方法对混叠的局部放电信号进行分离,取得了良好的效果,实际分析可以看出快速独立分量分析可以有效的将局部放电信号进行分离。然后,本文采用改进的粒子群算法(Improved Particle Swarm Optimization,IPSO)对支持向量机的两个参数c和γ进行优化,并通过经典数据集进行验证,实验证明该方法具有良好的分离效果,可以用于绝缘老化分类。最后,本文采用仿真数据对文中所提出的方法进行了验证。利用Matlab/Simulink搭建的局部放电模型生成局部放电信号,对信号进行混叠处理后采用快速独立分量分析进行分离,并提取其特征分量计算能量熵的结果作为分类器的输入数据。将处理好的数据输入分类器中进行绝缘老化分类实验,实验正确率达到78.33%,证明本文研究的模式识别分类方法是有效的。
朱婧瑶[8](2020)在《电力变压器运行状态评估技术的研究》文中研究表明变压器运行状态评估过程复杂,部分评价指标的信息完全,部分信息不完全,不能用传统的白色、黑色系统进行评价。变压器的运行状态涉及到多方面指标,各指标的单位不同,对变压器产生的影响程度也不同。如何找出准确的变压器运行状态评估方法,是电力企业目前亟待解决的问题。目前电力企业在变压器运行状态评估方面,缺乏客观有效的评估方法和手段,经常出现变压器运行不良或者设备突然损坏等问题,影响整个电网的稳定安全。为了对变压器运行状态进行全面评价,可以采用灰色理论模型对运行状态的评价指标进行综合评价。同时,依据运行状态的评价目标,进行加权、阀值设定,得到运行状态的正、负向边界,并利用灰色理论模型得到各个指标的预测值。首先,通过专家问卷调查构建以电气试验、油中溶解气体、绝缘油特性、其他绝缘因素为主的变压器运行状态评价体系,并将评价分值由9分制改为3分制,简化了指标体系计算量;其次,运用二次求导公式与灰色理论模型融合,以灰色模型确定变压器运行状态评价指标的阀值边界(正向期望边界和负向期望边界),用二次求导公式体现灰色模型结果的变化情况。依据后期的指标加权调整,让灰色模型绘制的曲线变化幅度符合实际设定要求,获得改进灰色理论模型;最后,以110kV变电站为例,调查该电站运行状态评价体系的指标值。依据变压器的老化规律,利用改进灰色理论模型分析各个指标值所处的阶段。针对运行状态指标的实际结果,设置不同设备的检修频率、检修重点,以此保证变压器运行的稳定。
桑静波[9](2020)在《干式变压器的在线故障诊断与寿命预测》文中进行了进一步梳理随着经济的快速发展,各行各业的电力负荷迅速增加。基于安装维护、用电安全等因素的考虑,在地铁、医院、机场、写字楼等新增的用电大户中干式变压器的使用比例越来越高。但是目前对于干式变压器故障诊断和寿命预测方面的研究仍有许多关键问题需要解决,本文主要针对干式变压器在线故障诊断和寿命预测展开相关研究。干式变压器故障一般由内部绕组和铁芯造成,不易直接从外表发现,而且干式变压器一般具有较长的使用寿命,在一般的检查中很容易忽视变压器的寿命损失问题。本文通过对振动的方法对变压器做故障诊断,通过变压器日常运行数据的方法对变压器进行寿命预测。变压器振动主要由绕组、铁芯、冷却装置引起的。变压器本体的固定振动频率很大程度上取决于变压器本体的质量、材料、装配工艺、压紧程度等因素,从理论上求解变压器的固有振动频率的方法只能给出定性的解释。所以一般采用对振动信号频率识别的方法进行故障诊断。本文通过经验小波变换方法对变压器的振动信号进行识别,对正常情况下的变压器进行敲击实验,识别变压器的固有频率,然后根据变压器在不同负载下,不同部位的变压器振动情况对变压器的振动频率进行提取,通过对变压器异常振动频率的分析实现对变压器的故障诊断。变压器的寿命损失主要由变压器的热效应造成。本文采用交叉熵理论建立了干式变压器寿命组合预测模型。每种单一预测方法,都可以得到一个基于样本的概率密度函数,然后建立不同预测方法的最小交叉熵目标函数,将每种预测方法所占的权重作为参数,进行迭代求解,最后得到最优解确定其权重通过对变压器历史运行数据的分析,得出该变压器目前的运行状况,给出其剩余寿命的估算值及下一步使用过程的指导意见。
刘森,张书维,侯玉洁[10](2020)在《3D打印技术专业“三教”改革探索》文中认为根据国家对职业教育深化改革的最新要求,解读当前"三教"改革对于职教教育紧迫性和必要性,本文以3D打印技术专业为切入点,深层次分析3D打印技术专业在教师、教材、教法("三教")改革时所面临的实际问题,并对"三教"改革的一些具体方案可行性和实际效果进行了探讨。
二、电力变压器状态检测的国外动态(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、电力变压器状态检测的国外动态(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CVA的变压器故障诊断及预测研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究背景及意义 |
1.2 研究现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.3 论文主要研究内容 |
第2章 油浸式电力变压器故障诊断及预测技术 |
2.1 电力变压器故障分类 |
2.2 基于DGA的变压器故障诊断理论 |
2.2.1 溶解油中气体产生机理 |
2.2.2 DGA用于变压器故障判断 |
2.3 电力变压器故障诊断算法 |
2.3.1 常规算法 |
2.3.2 智能算法 |
2.4 电力变压器故障预测算法 |
2.4.1 SVM预测模型 |
2.4.2 ARMA预测模型 |
2.4.3 组合预测模型 |
2.5 本章小结 |
第3章 基于小波神经网络的电力变压器故障诊断研究 |
3.1 基于小波变换的变压器故障诊断理论 |
3.2 小波神经网络故障诊断模型建立 |
3.2.1 输入输出神经元的确定 |
3.2.2 隐含层的确定 |
3.3 小波神经网络故障诊断模型训练 |
3.3.1 训练样本数据的选取 |
3.3.2 小波变换去噪处理 |
3.3.3 小波神经网络模型训练 |
3.4 故障诊断结果分析 |
3.5 本章小结 |
第4章 基于DGA结合CVA算法在变压器故障诊断中的研究 |
4.1 基于CVA的变压器故障诊断理论 |
4.2 CVA故障诊断模型建立 |
4.3 CVA优化小波神经网络故障诊断模型训练 |
4.3.1 特征值提取 |
4.3.2 训练和测试阶段 |
4.4 故障诊断结果分析 |
4.5 本章小结 |
第5章 基于PSO-SVM模型和WPT-ARMA模型组合的变压器预测模型 |
5.1 基于PSO-SVM模型预测 |
5.1.1 PSO-SVM模型建立 |
5.1.2 PSO-SVM模型的误差评价 |
5.2 基于WPT-ARMA模型预测 |
5.2.1 ARMA模型的建立 |
5.2.2 ARMA模型的预报 |
5.3 组合预测的电力变压器故障预测 |
5.3.1 组合预测的主要思想 |
5.3.2 基于PSO-SVM与WPT-ARMA的组合预测模型 |
5.4 变压器预测模型维数的实例仿真分析 |
5.5 本章小结 |
第6章 总结与展望 |
6.1 总结 |
6.2 展望 |
致谢 |
参考文献 |
作者简介 |
攻读硕士期间研究成果 |
(3)液体电介质局部放电声发射非本征光纤法-珀传感器(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题背景及研究意义 |
1.2 国内外相关技术研究现状 |
1.2.1 局部放电检测技术 |
1.2.2 光纤声波检测技术 |
1.2.3 EFPI传感器研究现状 |
1.2.4 EFPI传感器膜片应用材料研究现状 |
1.2.5 EFPI传感器制备方法研究现状 |
1.2.6 EFPI传感器工作点稳定技术 |
1.2.7 EFPI传感器局放超声信号检测灵敏度 |
1.3 本文主要研究内容 |
第2章 EFPI传感器在液体介质中的检测特性分析 |
2.1 EFPI传感器的基本应用原理 |
2.1.1 多光束干涉基本原理 |
2.1.2 EFPI传感器强度解调原理 |
2.2 EFPI传感器在绝缘油介质中的检测特性分析 |
2.2.1 变压器油中局放超声信号的基本传播特性 |
2.2.2 膜片式EFPI传感器的基本结构及窄带特性 |
2.3 绝缘油介质附加质量对EFPI传感器膜片谐振频率的影响 |
2.3.1 具有附加质量的EFPI传感器固有谐振频率计算 |
2.3.2 固有频率降低率与介质密度及膜片结构尺寸的相关性 |
2.4 EFPI传感器在绝缘油介质中的幅频特性计算与实验研究 |
2.4.1 EFPI传感器幅频特性的计算与分析 |
2.4.2 EFPI传感器幅频特性实验研究 |
2.5 本章小结 |
第3章 EFPI传感器高灵敏度设计方法 |
3.1 EFPI传感器优化设计 |
3.1.1 EFPI传感器法-珀腔干涉光谱的优化选择 |
3.1.2 EFPI传感器膜片结构尺寸设计 |
3.1.3 基于典型局放模型的EFPI传感器局放检测对比 |
3.2 EFPI传感器指向性响应与检测灵敏度研究 |
3.2.1 EFPI传感器膜片指向性响应特性分析 |
3.2.2 EFPI传感器膜片角度响应特性仿真计算 |
3.2.3 EFPI传感器膜片角度响应特性实验研究 |
3.3 EFPI传感器抛物面聚声结构研究 |
3.3.1 抛物面聚声原理及仿真计算 |
3.3.2 具有聚声结构的EFPI传感器灵敏度仿真计算 |
3.3.3 具有聚声结构的EFPI传感器实验研究 |
3.4 本章小结 |
第4章 外置耦合EFPI传感器局放检测研究 |
4.1 油箱壁耦合局放超声信号传播特性研究 |
4.1.1 油箱壁固体板中超声波传播特性分析 |
4.1.2 油箱壁表面超声波传播特性 |
4.1.3 油箱壁外侧局放超声检测声信号特性分析 |
4.2 外置贴合式EFPI传感器 |
4.2.1 外置贴合式EFPI传感器检测原理及结构设计 |
4.2.2 外置贴合式EFPI传感器制备及实验研究 |
4.3 外置油腔式EFPI传感器 |
4.3.1 油箱壁外置油腔超声信号耦合特性分析 |
4.3.2 外置油腔耦合EFPI传感器设计制备 |
4.3.3 外置油腔式EFPI传感器局放超声信号检测实验研究 |
4.4 本章小结 |
第5章 基于MEMS技术的硅膜片EFPI传感器 |
5.1 硅膜片EFPI传感器结构设计及制备 |
5.1.1 传感器硅-硅、硅-玻璃键合基本结构设计 |
5.1.2 EFPI传感器干涉光谱优化设计 |
5.1.3 EFPI传感器膜片尺寸设计 |
5.2 EFPI传感器性能测试研究 |
5.2.1 EFPI传感器温度漂移特性测试研究 |
5.2.2 EFPI传感器动态压力测量范围研究 |
5.2.3 EFPI传感器幅频特性测试研究 |
5.3 EFPI传感器局放检测灵敏度分析 |
5.3.1 EFPI传感器局放超声信号检测灵敏度一致性对比分析 |
5.3.2 EFPI与PZT局放超声信号检测灵敏度对比分析 |
5.3.3 真实变压器模型局放超声信号检测灵敏度对比分析 |
5.4 本章小结 |
结论 |
参考文献 |
博士学位期间的学术成果 |
致谢 |
(4)基于深度学习的电力变压器故障诊断研究(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 变压器故障诊断国内外研究现状 |
1.2.2 深度学习研究现状 |
1.2.3 研究现状总结 |
1.3 本文主要研究内容 |
2 变压器油中气体及故障特性分析 |
2.1 变压器油中溶解气体的产生机理 |
2.1.1 空气在变压器油中的溶解 |
2.1.2 绝缘材料的分解 |
2.1.3 变压器油的分解 |
2.2 变压器常见故障及其特性分析 |
2.2.1 变压器常见故障及其特性分析 |
2.2.2 变压器典型故障类型 |
2.3 常见故障的溶解气体特征 |
2.3.1 热性故障油中溶解气体特征 |
2.3.2 电性故障油中溶解气体特征 |
2.4 本章小结 |
3 基于DBN的变压器故障诊断研究 |
3.1 深度信念网络 |
3.2 深度信念网络结构及训练过程 |
3.3 特征数据及其处理方法 |
3.3.1 数据采集及其预处理 |
3.3.2 特征比值的约简及降维 |
3.4 基于DBN的变压器故障诊断研究 |
3.4.1 基于DBN的故障诊断模型 |
3.4.2 模型网络参数的确定 |
3.4.3 变压器故障诊断结果分析 |
3.5 本章小结 |
4 基于ISSA-DBN的变压器故障诊断研究 |
4.1 麻雀搜索算法 |
4.2 改进麻雀搜索算法 |
4.2.1 算法改进策略 |
4.2.2 改进麻雀搜索算法 |
4.2.3 改进算法的性能测试 |
4.3 基于ISSA优化DBN的变压器故障诊断模型 |
4.4 本章小结 |
5 优化DBN-SVM的变压器故障诊断及实例分析 |
5.1 支持向量机 |
5.2 基于优化DBN-SVM的变压器故障诊断研究 |
5.3 模型验证分析 |
5.4 本章小结 |
6 总结与展望 |
6.1 总结 |
6.2 创新点 |
6.3 展望 |
致谢 |
参考文献 |
攻读学位期间发表的学术论文目录 |
(5)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 |
(6)基于空间振动分布和工况模态分析的变压器绕组故障诊断方法研究(论文提纲范文)
致谢 |
摘要 |
Abstract |
1 绪论 |
1.1 引言 |
1.2 变压器机械状态检测和故障诊断方法研究的发展现状 |
1.2.1 基于稳态过程振动信号特征提取的绕组故障诊断算法 |
1.2.1.1 基于振动信号频域特征的绕组故障检测方法 |
1.2.1.2 基于振动信号时域特征的绕组故障检测方法 |
1.2.1.3 基于振动信号时频特征的绕组故障检测方法 |
1.2.1.4 基于变压器振动信号空间分布特征的研究 |
1.2.2 基于瞬态过程振动信号分析的绕组故障诊断方法 |
1.2.2.1 基于实验模态分析法的绕组故障诊断方法 |
1.2.2.2 基于工况模态分析法的绕组故障诊断方法 |
1.3 本文的主要工作 |
2 绕组空间振动分布特性的实验研究 |
2.1 概述 |
2.2 空间振动分布产生的机理 |
2.3 绕组表面空间振动分布特性的实验研究 |
2.3.1 实验方案 |
2.3.2 绕组表面不同机械状态下的空间振动分布特性 |
2.4 变压器油箱表面空间振动分布特性的实验研究 |
2.4.1 实验方案 |
2.4.2 振动分布特征坐标系的建立 |
2.4.3 绕组正常状态下的油箱表面空间振动分布特性 |
2.4.4 绕组压紧力松动状态下的油箱表面空间振动分布特性 |
2.4.5 绕组机械结构松动状态下的油箱表面空间振动分布特性 |
2.4.6 绕组变形状态下的油箱表面空间振动分布特性 |
2.5 本章小结 |
3 空间振动分布特征提取及其绕组故障诊断方法研究 |
3.1 概述 |
3.2 空间振动分布特征的提取方法 |
3.2.1 基于振动幅值重心的特征提取 |
3.2.2 基于振动重心轨迹的特征提取 |
3.3 空间振动分布特征的有效性实验研究 |
3.3.1 绕组压紧力松动状态下的空间振动分布特征 |
3.3.2 绕组变形状态下的空间振动分布特征 |
3.3.3 空间振动分布特征有效性分析 |
3.4 基于空间振动分布特征的绕组故障诊断方法 |
3.4.1 支持向量机 |
3.4.2 基于空间振动分布特征的变压器绕组故障诊断模型 |
3.4.3 诊断模型的实际现场应用研究 |
3.5 本章小结 |
4 基于工况模态分析的变压器断电过程瞬态振动研究 |
4.1 概述 |
4.2 变压器断电过程绕组瞬态振动分析 |
4.2.1 变压器断电过程绕组瞬态振动模型研究 |
4.2.1.1 绕组机械结构模型 |
4.2.1.2 变压器断电过程绕组瞬态振动模型 |
4.2.2 绕组压紧力松动对瞬态振动模型的影响 |
4.2.3 仿真研究与验证 |
4.2.3.1 Newmark-beta法 |
4.2.3.2 参数设置 |
4.2.3.3 不同压紧力条件下的振动衰减特性 |
4.2.3.4 不同压紧力条件下的瞬态振动模态特性 |
4.2.3.5 不同初始状态对瞬态振动模态特性的影响 |
4.3 绕组瞬态振动特征研究 |
4.3.1 实验对象与实验内容 |
4.3.2 不同压紧力下瞬态振动信号的衰减特性 |
4.3.3 基于AR谱估计的瞬态振动模态特性提取 |
4.3.3.1 AR谱估计 |
4.3.3.2 压紧力松动对于AR谱估计的影响 |
4.4 本章小结 |
5 基于瞬态振动特征和流形学习的绕组压紧力松动诊断方法 |
5.1 概述 |
5.2 流形学习的理论与方法 |
5.3 基于测地线距离和有限松弛Dijkstra算法的流形学习算法 |
5.3.1 局部保留投影 |
5.3.2 有限松弛的测地线高斯型局部保留投影 |
5.3.2.1 基于有限松弛Dijkstra的距离改进算法 |
5.3.2.2 基于广义高斯函数的权重系数改进 |
5.3.3 有限松弛的测地线高斯型局部保留投影的验证 |
5.4 基于瞬态振动特征和流形学习的绕组压紧力松动诊断方法 |
5.4.1 基于AR谱的特征样本提取 |
5.4.2 基于LLGGLPP算法的绕组瞬态振动样本维数约简 |
5.4.3 基于低维空间流形结构的绕组压紧力估计方法 |
5.5 本章小结 |
6 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
作者简历 |
(7)基于IPSO-SVM电力变压器绝缘老化状态模式识别(论文提纲范文)
摘要 |
英文摘要 |
第1章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 电力变压器绝缘状态分析方法 |
1.2.2 特征提取与分析方法 |
1.2.3 模式识别方法 |
1.3 本文主要研究内容 |
第2章 电力变压器局部放电及其检测方法 |
2.1 电力变压器局部放电类型 |
2.1.1 悬浮放电 |
2.1.2 电晕放电 |
2.1.3 沿面放电 |
2.2 局部放电参数以及影响因素 |
2.2.1 局部放电等效参数 |
2.2.2 影响局部放电的要素 |
2.3 局部放电的危害 |
2.4 局部放电检测方法 |
2.4.1 电气测量法 |
2.4.2 非电气检测法 |
2.5 本章小结 |
第3章 独立分量分析基本原理 |
3.1 数据的预处理 |
3.2 FastICA算法 |
3.3 仿真验证 |
3.4 本章小结 |
第4章 IPSO改进的SVM方法 |
4.1 支持向量机理论 |
4.2 支持向量机基本方法 |
4.2.1 最优分类面 |
4.2.2 支持向量机的核函数 |
4.3 基于改进粒子群(IPSO)的支持向量机算法 |
4.3.1 惯性权重粒子群算法 |
4.3.2 算法流程 |
4.3.3 改进粒子群寻优改进 |
4.3.4 仿真验证 |
4.4 本章小结 |
第5章 局部放电检测及绝缘老化状态识别 |
5.1 局部放电特征与老化状态 |
5.2 局部放电故障信号特征提取 |
5.3 绝缘老化模式识别 |
5.4 本章小结 |
第6章 总结与展望 |
6.1 总结 |
6.2 展望 |
致谢 |
参考文献 |
(8)电力变压器运行状态评估技术的研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景 |
1.2 研究意义 |
1.3 国内外研究现状 |
1.3.1 变压器运行状态的评估技术 |
1.3.2 变压器运行状态的估计指标 |
1.4 变压器组成 |
1.4.1 变压器本体 |
1.4.2 变压器附件 |
1.5 研究方法 |
1.6 主要研究内容 |
第2章 评估指标的权重分析 |
2.1 传统层次分析法的权重计算 |
2.2 层次分析法的改进 |
2.3 基于改进层次分析法的权重分配 |
2.4 基于变权理论的权重修改 |
2.5 本章小结 |
第3章 基于改进灰色理论模型的电力变压器状态评估 |
3.1 改进灰色模型理论 |
3.1.1 灰色理论 |
3.1.2 改进灰色理论模型 |
3.2 基于改进灰色模型的灰色聚类决策 |
3.3 电力变压器的状态评估 |
3.3.1 电力变压器的老化规律 |
3.3.2 电力变压器状态划分 |
3.3.3 故障维修技术 |
3.4 电力变压器指标层次体系的建立 |
3.4.1 指标层次结构的建立 |
3.4.2 评估指标选择 |
3.5 基于改进灰色模型聚类的电力变压器状态评估 |
3.6 本章小结 |
第4章 实际案例分析 |
4.1 110kV电力变压器状态初始值 |
4.2 基于改进灰色模型方法的权重与变权处理 |
4.3 基于改进灰色模型的确定度值计算 |
4.4 聚类评估 |
4.5 本章小结 |
第5章 结论与展望 |
5.1 研究结论 |
5.2 展望 |
致谢 |
参考文献 |
作者简介 |
攻读硕士学位期间研究成果 |
(9)干式变压器的在线故障诊断与寿命预测(论文提纲范文)
致谢 |
中文摘要 |
ABSTRACT |
1 引言 |
1.1 选题背景及研究意义 |
1.2 国内外研究现状 |
1.2.1 故障特征提取方法研究 |
1.2.2 寿命预测方法研究 |
1.3 本文研究的主要内容 |
2 变压器故障及寿命损失机理分析 |
2.1 干式变压器振动特性分析 |
2.1.1 变压器振动的传播途径 |
2.1.2 绕组振动机理 |
2.1.3 正常状态下绕组的数学模型 |
2.1.4 匝间短路时绕组的受力分析 |
2.1.5 铁芯的振动分析 |
2.2 干式变压器寿命损失分析 |
2.2.1 干式变压器寿命的影响因素 |
2.2.2 确定变压器寿命状态评估信息 |
3 基于干式变压器振动信号的故障诊断研究 |
3.1 基于经验小波变换的干式变压器故障特性分析 |
3.1.1 EMD算法原理及存在问题 |
3.1.2 经验小波原理 |
3.1.3 频谱划分 |
3.1.4 参数γ的选取 |
3.1.5 经验小波变换 |
3.2 振动测试实验分析 |
3.2.1 振动测试方案 |
3.2.2 振动信号分析 |
4 基于运行数据的干式变压器寿命预测研究 |
4.1 基于模糊综合评判法的变压器运行状态评估 |
4.1.1 模糊层次分析法 |
4.1.2 评估模型建立 |
4.2 基于交叉熵理论的剩余寿命组合预测方法 |
4.2.1 信息熵 |
4.2.2 交叉熵算法 |
4.2.3 交叉熵算法在组合预测问题中的应用 |
4.3 干式变压器剩余寿命评估 |
4.3.1 寿命预测模型的求解 |
4.3.2 实例分析 |
5 结论 |
参考文献 |
作者简历 |
学位论文数据集 |
(10)3D打印技术专业“三教”改革探索(论文提纲范文)
引言 |
1 3D打印技术专业“三教”面临的突出问题 |
1.1 师资团队的教学素养相对偏差 |
1.2 3D打印技术专业教材不成体系,资源匮乏 |
1.3 教法难以提升学生参与的主动性 |
2 3D打印技术应用专业“三教”改革措施 |
2.1 通过“名师引领、双元结构、分工协作”的准则塑造团队 |
2.1.1 依托有较强影响力的带头人,有效开发名师所具备的引领示范效果 |
2.1.2 邀请大师授教,提升人才的技术与技能水准 |
2.2 推进“学生主体、育训结合、因材施教”的教材变革 |
2.2.1 设计活页式3D打印教材 |
2.2.2 灵活使用信息化技术,形成立体化的教学 |
2.3 创新推行“三个课堂”教学模式,推进教法改革 |
2.3.1 采取线上、线下的混合式教法 |
2.3.2 构建与推进更具创新性的“三个课堂”模式 |
四、电力变压器状态检测的国外动态(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CVA的变压器故障诊断及预测研究[D]. 张宇婷. 长春工业大学, 2021(08)
- [3]液体电介质局部放电声发射非本征光纤法-珀传感器[D]. 陈起超. 哈尔滨理工大学, 2021(01)
- [4]基于深度学习的电力变压器故障诊断研究[D]. 李黄曼. 陕西科技大学, 2021(09)
- [5]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)
- [6]基于空间振动分布和工况模态分析的变压器绕组故障诊断方法研究[D]. 胡异炜. 浙江大学, 2020(01)
- [7]基于IPSO-SVM电力变压器绝缘老化状态模式识别[D]. 周密. 西安理工大学, 2020(01)
- [8]电力变压器运行状态评估技术的研究[D]. 朱婧瑶. 长春工业大学, 2020(01)
- [9]干式变压器的在线故障诊断与寿命预测[D]. 桑静波. 北京交通大学, 2020(03)
- [10]3D打印技术专业“三教”改革探索[J]. 刘森,张书维,侯玉洁. 数码世界, 2020(04)