《大数据对变压器状态判别和预警(共2页).docx》由会员分享，可在线阅读，更多相关《大数据对变压器状态判别和预警(共2页).docx（2页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、精选优质文档-倾情为你奉上大数据对变压器状态判别和预警一、 课题目的作为智能配电网的重要设备之一，电力变压器运行状态的准确判别和预警具有重要意义。对变压器的状态评估模型能准确高效地判别变压器的工作状态并提出相应的预警检修计划，提高变压器运行可靠性。二、 解决问题（1）电力变压器寿命一般为2030年，色谱油在线监测装置采样周期一般设为一天，为解决在线监测装置寿命的过度损耗，从已有的短周期监测数据中挖掘数据内部规律，适当延长监测周期。（2）采用大数据分析技术建立状态预警模型并对变压器故障进行预警分析，保证电网质量。三、 研究内容对220KV主变近三年的运行状态进行分析对变压器故障进行分类识别。（1
2、） 对电力变压器状态量进行分析，建立油色谱指标所组成的变压器状态指标评价体系，并对不同数据进行统计和分类。如当变压器油中出现一氧化碳、二氧化碳等特征气体时，变压器内部出现局部放电、过热等现象，对不同类型的现象，所产生的各种气体比例、浓度进行分析。（2） 针对可清洗的数据点用小波神经网络模型进行缺失数据预测和错误数据修正。动态修正小波神经网络参数和组合预测提高了网络清洗效率和准确率。（3） 基于朴素贝叶斯（Naive Bayes）分类方法的变压器状态评估方法，将结果分为正常运行状态、不正常运行状态、故障状态，并对不正常运行状态和故障状态进行细分。贝叶斯判别法既考虑了各个总体出现的先验概率，又考虑
3、了错判产生的影响。因此建立基于贝叶斯判别的电力变压器状态判别和预警模型，判断故障类型，对变压器进行检修。取油样色谱分析数据和在线监测值吻合性检验。四、所需数据1、变压器基本参数：如型号（同一种型号变压器）、额定容量、额定电压、额定电流等。2、实验数据：对变压器油色谱数据进行分析。所需数据为变压器油中H2、CH4 、C2H4、C2H6、C2H2、CO、CO2等气体浓度以及其当时运行状态或故障类型。当变压器发生内部故障时，这些气体的产量会迅速增加，所形成的气泡在油中经对流、扩散不断溶解于变压器油中，并且对应于不同的故障类型，所产生的故障气体种类、油中溶解气体的浓度和各种气体含量的相对比例关系也各不相同。如固体绝缘热解和老化产物主要是CO和CO2，若CO和CO2浓度过高变压器可能绝缘老化对其运行状态产生影响。专心-专注-专业