基于PSO-ELM的变压器油纸绝缘状态无损评估方法
油浸式电力变压器作为电网的重要组成部分,其可靠运行至关重要。针对变压器长期运行后无法定量评估其绝缘状态的问题,文中开展了油纸绝缘模型的加速老化及受潮试验,探究了油纸绝缘老化及受潮程度对其回复电压曲线的影响规律,并提出采用粒子群优化-极限学习机(particle swarm optimization-extreme learning machine,PSO-ELM)算法的参数预测方法,实现了基于回复电压曲线特征参量的油纸绝缘老化与受潮状态量化评估。由油纸绝缘模型理化性能分析的对比结果可知,基于PSO-ELM方法的预测值精度远高于传统ELM方法,油纸绝缘内含水率及纸板聚合度预测的绝对误差范围分别小于±0.4%、±30。
电力变压器油纸绝缘老化状态评估
绝缘子
变压器油纸绝缘老化性能的研究
纸张老化特征取决于使用的绝缘流体抗氧化剂。 可以采用智能算法,根据标准油试验和溶解气体分析计算聚合度数值,但不同的油需要不同的标记。 因此,与呋喃-聚合度-分析法相比,其它方法可能产生更高的精确度。 聚合度数值与抗拉强度之间的关联性取决于使用的油抗氧化剂。
油浸式变压器绝缘老化判断导则
融合频谱特性与聚类云-证据推理的油纸绝缘老化程度诊断
油纸绝缘系统老化程度与电力变压器的稳定运行密切相关。针对油纸绝缘频域介电谱(frequency-domain spectroscopy, FDS)所提相关特征量单一和未考虑频谱特性指标间冲突性与随机性而导致老化诊断结果误差大的问题,提出了融合频谱特性与聚类云-证据推理的油纸绝缘老化程度诊断方法。首先,根据不同老化试样的频谱特征提取老化诊断多特征指标,并利用非线性拟合构建老化特征数据库。其次,基于Kmeans聚类提出适配非线性变化指标的聚类云模型基本概率分配方法。最后,针对多特征量的冲突性及相关性差异,利用CRITIC-G1综合赋权法计算各指标对应的证据修正因子,并进行基本概率再分配,利用证据融合推理得出油纸绝缘系统真实老化程度。实验结果表明,所提方法可准确诊断复合油纸绝缘样本的老化状态,为电力检修策略的制定提供了理论指导。