基于关键参数的变压器状态监测系统研究-电气工程专业论文.docxVIP

万方数据 万方数据 上海交通大学硕士学位论文 上海交通大学硕士学位论文 基于关键参数的变压器状态监测研究 摘要 近年来，随着智能电网在全球快速的发展，关于其中智能变电 站的研究也越来越多，国际电工委员会也为变电站自动化的通信专 门制定了 IEC61850 标准，在这一标准的指导下，本文为变电站中 最为重要的高压一次设备——电力变压器，构建了变压器智能组件 的雏形，在此基础上开发了一个集成在线监测、在线控制和在线测 量三大模块的“智能变压器在线监测与诊断系统”软件。其监测模 块包含了局部放电、油中溶解气体和绕组变形三个在线监测功能， 控制模块包含了冷却系统和有载分接开关两个在线控制功能，测量 模块包含了变压器各部位温度和负载两个在线测量功能。 通过查阅大量文献，在构建变压器智能组件雏形的过程中，本 文以局部放电和油中溶解气体作为评估变压器故障特征的关键参 数，并设计了基于关键参数的变压器故障特征实验研究系统。本文 选取了悬浮放电、尖端放电、沿面放电和气隙放电等作为变压器内 部的典型故障，设计了这四类放电源和模拟变压器，采用脉冲电流 法和超高频法相结合的局放监测技术，光声光谱油中溶解气体在线 监测和离线色谱法相结合的 DGA 技术，完成了变压器故障联合监 测实验。 从实验结果中看出，四种放电模式各有特点，但却很难通过单 独的一种检测技术来对四种不同的放电模式进行定量识别。因此本 文构建了一个基于 BP 神经网络的变压器关键参数联合诊断模型。 该 神经 网 络 选 取 了 超 高 频 法 局 放 信 号 的 频域 特 性 ， 求 取 在 150MHz~450MHz、450MHz~750MHz、750MHz~1.05GHz 等三个 频段的归一化功率谱含量并与光声光谱法与离线色谱法测得的 H2、 I 万方数据 万方数据 CO、CO2、C2H2、C2H4、CH4 和 C2H6 等七种故障气体的相对百分 含量作为其 10 维的输入向量，以四种不同放电模式的故障编码作 为其 4 维的输出向量，并通过试凑法确定了其隐藏层的节点数为 30 个，通过试验获得 12 组数据作为学习样本，完成 BP 人工神经 网络的训练。最后，选取实验中的八组不同放电模式下且不属于学 习样本的检测结果输入该 BP 网络，该诊断模型成功对这四类故障 模式完成识别。 关键词：变压器智能组件 IEC61850 局部放电 油中溶解气体分析 BP 神经网络 II PAGE IV PAGE IV 万方数据 Research on Transformer Condition Monitoring System Based on Key Parameters ABSTRACT In recent years, with the rapid development of smart grid all over the world, research on the intelligent substation is also increasing. The International Electro technical Commission developed IEC61850 standard specifically. Under the guidance of this standard, an intelligent component model of transformer, which is the most important primary equipment in the substation, was built in this paper. Software named “Intelligent Transformer Monitoring and Diagnosis System” was developed, which includes online monitoring module, online control module and online measurement module. The monitoring module consists of partial discharge, DGA and winding deformation. The control module consists of cooling system control and load tap changer control. The measurement module consists of temperature measurement and load measurement. Partial discharge and DGA were defined