一、通过电气与油化试验综合判断设备故障（论文文献综述）
李波,胡依林,李纠,王慧,马殿旭[1]（2021）在《综合高压与油化试验的变压器典型缺陷判定方法研究及应用》文中研究表明变压器是电力系统的最重要的设备之一。变压器结构复杂,内部缺陷原因及缺陷位置判定一直是现场运检的难点。本文理论与工程实践结合,提出综合高压与油化试验的变压器典型缺陷判定研究方法。主要从高压试验、油化试验的数据分析,判断出缺陷类型和部位;最后根据变压器拆解的结果验证该方法的可行性。该研究在相关工程人员进行变压器缺陷判断的过程中具有一定的指导作用。
郭建[2]（2021）在《变压器状态评估和故障诊断模型的研究》文中研究表明大规模复杂电网的枢纽设备是电力变压器,变压器的持续可靠工作是保证电网的稳定运行以及社会生活安全的基础。相关部门在对变压器进行运维、检修过程中采集到多维度、多源异构参量数据,参量变化中包含的有效信息可以直观地反映出电力设备的运行状况。随着设备监测技术的进步、智能电网的建设,参量数据的规模迅速增大,这为变压器状态评估及故障诊断提供了数据支持的同时,也加大了数据处理和分析的难度。针对电力变压器设备的状态评估和故障诊断中存在的问题,本文在总结现有理论成果的基础上展开探究。建立关键参量体系。将定量参量和定性指标有效结合,把能够全面表征变压器运行状态的多维度、多源异构参量数据纳入到体系内,充分考虑设备运转环境、工作年限等外部条件的影响。提出一种基于核主成分分析法（KPCA）改进的参量筛选算法,挖掘特征参量的有效信息,提取关键状态参量,从而为设备的状态评估和故障诊断构建关键参量体系。搭建变压器状态评估模型。提出一种改进式GWO-MCSVM模型,通过训练样本对模型参数进行优化,最大程度去除专家评估的主观性,提高评估结果的准确性。通过关键参量体系中参量的多组实测样本,对不同模型的评估结果进行比较,验证本文提出模型的评估性能。利用油中溶解气体数据（DGA数据）进行变压器故障诊断可以有效发现设备的隐性故障,可以有针对性地提高变压器的检修水平。在改进式GWO-MCSVM模型基础上搭建油浸式设备的故障诊断模型,针对不同的异常状态进行参数优化,对不同类型的参量数据进行预处理,使该模型具有很好的泛化性能。开发变电站设备的软件平台。对上述算法和模型进行编程,在软件中实现关键参量体系建立、变压器状态评估、变压器故障诊断功能,从而完成对实际运行的变压器进行全方位监控的任务。
王凯[3]（2021）在《基于集成学习的变压器故障预测方法研究》文中研究说明作为电力系统的重要设备,电力变压器的运行状态直接关系到电网的生产与运营。在我国已投运的油浸式变压器中,相当一部分已在电、热、机械场影响下工作几十年之久,其内部存在故障风险,并且变压器内部故障具有一定的潜伏期,存在预测空间。油中溶解气体分析技术（Dissolved Gas Analysis,DGA）在变压器故障诊断领域广泛应用,但目前大多数故障诊断技术对于不同故障间接近的数据分类效果一般,精度较差。基于上述分析,结合集成学习算法在强化学习效果方面的优势,本文提出一种基于集成学习算法的变压器故障预测方法,实现对油中气体含量的短期预测,并对结果进行故障分类,从而实现故障预测功能。同时在数据处理,特征选择以及模型构建等方面进行了改进与优化,从而提升预测效果。本文主要在以下几个方面展开研究:首先,将变压器油中溶解气体浓度作为研究对象,提出了基于VMD-XGBoost的气体预测方法。基于气体历史序列信息,使用变分模态分解（Variational mode decomposition,VMD）对气体浓度序列进行分解,将各个子序列作为XGBoost模型的输入,使用前向推进验证方法进行短期预测,并对时间步长以及模型超参数进行寻优,提升了气体预测模型的准确率,为故障诊断模型提供可靠的输入数据。然后,针对传统变压器故障诊断模型精度较低以及故障特征选择标准模糊等问题,提出了基于LightGBM的变压器故障诊断方法。参考多种特征选择方法,并结合两种特征重要度筛选方法,从故障数据集中提取出更能反映变压器不同运行工况的特征组合,建立起基于LightGBM的故障诊断模型进行模型。并通过网格法对模型超参数进行调优,提升了诊断精度。使用多个评价指标,对比多种故障诊断方法,证明了本文所提出的模型具有更好的性能。最后,结合前两部分的研究结果,对实际故障案例进行预测分析。根据历史数据预测故障报警前一定时间段内的气体含量,并由故障诊断方法对预测结果进行故障分类,分类结果与在线监测诊断结果以及实际油化试验结果进行对比验证,从而证明本文所提出的故障预测方法能够准确预测出变压器实际内部故障。
项茂阳[4]（2021）在《变电设备故障诊断系统研究及应用》文中研究说明随着智能电网的快速发展,特别是特高压电网的建设,电网的安全稳定越来越重要。尤其是变电一次设备的可靠性对于电网的安全稳定特别重要。变电设备故障诊断是指通过收集设备运行参数、例行试验数据、在线设备诊断数据等信息,对变压器、开关等多个变电设备进行状态监测分析、故障诊断,及时反馈,及时调整电网系统运行方式,确定维修策略。首先,本文通过参阅国内外相关文献,分析了当前变电站一次设备故障诊断先进技术,包括变压器、断路器、避雷器及容性设备的故障诊断技术,着重理解了目前应用广泛的几种在线监测技术。其次,本文进行了变电设备故障诊断系统的设计与开发,对该软件的重要性和必要性进行了叙述,然后对本软件开发所涉及到的相关技术要点做了简单介绍。针对变电设备故障诊断系统,首先本文通过对系统设计以及状态评价概述展开研究,按照状态评估模块、风险评估模块、决策建议模块进行设计;然后对变电故障诊断系统的功能进行设计,包括变电设备状态评估功能设计、风险评估功能设计、变电设备检修辅助决策功能设计、变电设备在线监测功能设计、变电设备历史查询及预测评估功能设计等;最后是实现变电设备故障诊断功能。随着智能化水平的提升,我们不仅期待变电站智能化的安全稳定,我们更加期待智能调度、智能潮流管理系统的面世。随着智能化系统的不断发展,变电站的运行将更加安全、可靠。
谢一鸣[5]（2021）在《基于信息融合的变压器状态评估与故障诊断方法研究》文中研究指明电力变压器是电力系统中应用最为广泛的枢纽型关键设备,其运行状况直接影响整个电力系统的安全运行,一旦发生故障或事故负面影响很大。系统、深入地研究变压器状态评估及故障诊断技术,对预防事故发生、保障电力系统安全稳定运行、推进状态检修等均具有重要的理论和实际意义。本文针对变压器状态评估与故障诊断进行了如下研究:首先,依据相关规程和标准,以信息融合技术为指导,结合工程实际,优选状态指标构建了分层分部件的状态评估指标体系,使状态评估更具针对性和有效性;针对单一指标诊断的局限性,综合油中溶解气体、电气试验、油化试验及历史巡检记录信息,构建了故障诊断评估指标体系,提高了诊断结果的可靠性。参考相关变压器状态评估导则,建立了包括良好、正常、注意、异常和危险五种状态等级的划分标准及各状态对应的检修策略。构建了变压器状态评估与故障诊断一体的评估流程,依据状态评估的结果对故障部位进行诊断,为制定更具针对性和经济性的检修计划提供指导。进而,针对各状态评估指标的不确定性,采用多源融合的方法,构建了基于多维信息融合的变压器状态评估模型。针对经典证据融合方法无法克服冲突证据导致的结论与实际相悖问题,引入了支持概率距离函数,有效地对证据体间的冲突程度进行量化,并在此基础上对冲突证据进行合理加权、弱化,保证在出现某指标异常时仍能有效地进行评估。该评估模型的有效性通过实例得到了验证,并与经典证据理论融合方法对比,结果显示本文给出的改进融合方法的评估结果不仅与实际状态一致,而且其对应的概率更集中、可靠性更强。最后,将极限学习机引入变压器故障诊断,并与改进的证据理论结合,建立了基于概率极限学习机与改进证据理论的多维信息融合变压器故障诊断模型。针对传统ELM网络只能实现标签分类且可能存在硬判决的问题,本文采用后验概率映射的方法将ELM网络输出结果进行处理,得到对应各标签的概率分配。并利用基于支持概率距离的证据理论对此概率分配矩阵进行融合,实现变压器故障的可靠诊断。该故障诊断模型的有效性通过实例得到了验证,并与单一概率极限学习机的诊断结果进行对比,结果表明本文给出的故障诊断方法具有更好的分类识别效果,诊断结果准确率达到92.86%。本文上述研究及结论,为制定有效、经济的检修策略,实现变压器状态检修提供了有力支持。
吴炜[6]（2021）在《基于混合数据处理方法的电力变压器状态评估方法研究》文中认为电力变压器是电力系统的核心部件,针对电力变压器的状态检修是维护电力系统安全稳定的重要环节,而状态检修工作的基础在于状态评估。变压器的状态评估实际上是依靠算法处理样本数据,来评估变压器健康状况的一个过程。然而,单一算法的特性与变压器状态评估工作并不够契合,本文针对变压器状态评估工作中存在的主客观方法比较片面、状态量之间相互干扰、数据量过多难以处理和评估过程需要满足模糊性和随机性问题,综合各类算法的优缺点,同时在少量和足量变压器样本数据的不同背景下,提出了两种混合算法来进行变压器状态评估。首先,本文综合考虑国网规程和相关文献中的研究经验,建立层次型状态评估体系,选取与变压器状态等级相关的影响因素作为中间层,并针对不同的中间层影响因素选取与其最为相关的状态量。然后,探究在少量样本数据情况下的状态评估。针对模糊层次分析法（Fuzzy Analytical Hierarchy Process,FAHP）计算变压器状态量权重时存在状态量之间相互干扰的问题,引入主观性方法决策与实验室法（Decision-making Trial and Evaluation Laboratory,DEMATEL）进行权重修正。针对单独的主、客观方法较为片面的问题,选取CRITIC法（Criteria Importance Though Intercriteria Correlation）计算客观权重值,再基于组合赋权法计算最优权重。而后,在最优权重的基础上,结合各状态量的状态评分得到综合状态评估结果。实例分析验证该混合方法的可靠性,并在MATLAB中对实验数据添加白噪声模拟干扰量,证明该方法具有更好的稳定性。最后,探究在足量数据情况下的状态评估。针对样本数据过于复杂的问题,综合模糊集和粗糙集在解决不确定问题上的互补能力,采用模糊聚类分析法（Fuzzy Cluster Analysis,FCA）对变压器样本数据进行聚类并结合粗糙集理论（Rough Set Theory,RST）计算状态量权重值;针对评估过程中需要维持模型的模糊性和随机性的问题,采用多维状态云模型理论计算变压器对各个状态评定等级的综合确定度。选取部分变压器样本数据进行综合等级评定示例,并采用正态随机数生成方法结合原始样本数据进行样本扩充,在足量数据的基础下使用多种方法进行对比,验证了该方法的有效性和高准确性。
王畅[7]（2021）在《基于油中溶解气体的变压器状态评估和故障诊断方法研究》文中研究指明变压器作为电网重要的输变电设备,对其状态进行准确的评价是确保电力系统安全稳定运行的有效手段。通过状态评估方法分析油中溶解气体的变化规律,可以确定其运行状态。首先,通过预测变压器状态参量变化趋势,发现其潜伏性故障;其次根据状态评估方法判断变压器运行状态;最后,在变压器故障时,采用故障诊断方法确定故障类别。本文从上述三个方面做了以下研究:1、本文提出了一种基于长短时记忆网络（long-short term memory,LSTM）的多变量变压器油中溶解气体浓度预测方法。考虑变压器油色谱气体之间的关联性,对数据进行预处理,利用多变量时间序列状态参量纳入回归预测模型,以提高预测精度;根据实验对比,分析状态参量变化对预测结果的影响,确定输入预测模型的状态参量维度;通过算例分析,相比于单变量LSTM、SVM和BPNN模型的预测结果,表明本文所提方法预测精度更高。2、本文提出了一种基于灰云模型的多源数据融合变压器状态评估方法。建立变压器状态评估体系,通过灰云模型计算各指标对应评估等级的关联度;利用变权理论结合变压器指标实际变化情况对权重进行调整,反应评估指标之间的关联关系;通过证据理论融合油中溶解气体、电气试验和油化试验的综合评判矩阵,根据最大隶属度原则确定变压器绝缘状态。经过实例分析与物元证据理论、云模型证据理论以及灰色物元法进行对比,本文提出的评估方法准确性和有效性更高。3、本文将深度置信网络（deep belief networks,DBN）应用到基于油中溶解气体分析（dissolved gas analysis,DGA）的变压器故障诊断中,利用深度置信网络识别故障类型。为提高故障诊断的准确率,通过人群搜索算法（Seeker Optimization Algorithm,SOA）对DBN模型的超参进行优化调整,得到网络最优隐含层节点数。SOA-DBN总体准确率达到95.6%,相比于传统DBN、SVM和BPNN诊断模型准确率分别提高了2.8%、6.7%和10.4%,实验结果表明本文提出的方法准确率更高。
田楠[8]（2020）在《大型油纸绝缘变压器绝缘状态综合评估技术研究》文中研究指明油纸绝缘变压器作为电力系统中最为常见的电力设备元件,其绝缘性能的优劣决定了电力系统的安全稳定运行。由于变压器运行过程承受过负荷、电应力、机械应力及潮湿等因素影响,其绝缘性能会日益劣化,从而成为电力系统安全隐患。因此,对油纸绝缘变压器进行绝缘状态评估及寿命预测成为了一项重要的工程课题。为了实现油纸绝缘变压器绝缘状态的准确评估,本文结合油纸绝缘变压器的实际运行情况,针对不同状态、不同厂家的油纸绝缘变压器进行研究,实现了变压器绝缘状态的综合评估。通过分析不同厂家变压器的特征参数变化规律,发现变压器厂家不同带来的影响远远小于运行条件不同带来的影响。在现场对油纸绝缘变压器开展了大量的频域介电响应实验,并基于电介质极化理论,从频域介电响应实验结果中提取了用来表征油纸绝缘变压器绝缘状态的老化特征量。最后,研究综合电气、油化与频域介电响应的状态评估方法,提出了可以应用于实际的油纸绝缘设备评估体系。本文提出的油纸绝缘设备综合评估体系为电力系统状态检修提供了可靠的决策辅助,提高了电力系统的运行可靠性。
刘一萌[9]（2020）在《变压器绕组线圈变形故障分析》文中研究说明变压器是电能传输的“心脏”,当今随着电网容量不断增大,变压器运行环境日趋严苛。变压器遭受短路电流冲击后容易发生绕组变形,这是变压器常发故障之一。由于吊罩检查工艺繁琐、耗时耗力,需要采用电气试验诊断技术预先判定短路冲击后的绕组是否变形、以及变形的程度与位置,根据试验结果,最终作出变压器退运、大修或技改决策。本文主要研究内容如下:（1）对变压器绕组及其绝缘结构进行了详细分析,总结了变压器绕组可能发生的各种故障类型。分析了变压器绕组所处的漏磁场分布以及绕组所受电动力的类型与受力方向,为下一步的绕组变形检测方法分析奠定了基础。（2）针对低电压阻抗法,建立变压器短路阻抗值与漏磁等效面积间的数值关系,通过公式推导得出利用低电压阻抗法判定绕组变形结论;针对绕组电容量法,将变压器绕组电容量法测试的五组数据分解为各绕组间与绕组对地电容量的加和,从而得到利用电容量测试数据分析绕组变形的方法;针对频率响应分析法,通过仿真得到不同变形种类下频响图谱的变化特征,以此为依据总结了利用频响图谱的对比来判断绕组变形的原则,并分析了各种干扰因素下的异常图谱特征。（3）针对目前单一的绕组变形诊断方法不够完善可靠,本文建立包含评估层与诊断层两级的综合评估体系,基于可拓理论与熵权法进行多指标信息融合,确定绕组状态等级;当绕组处于严重变形状态等级时,进入故障诊断层,在故障诊断层结合低电压阻抗法与绕组电容量法建立Cx-Xk（%）诊断模型,综合判定绕组变形种类及其变形位置。（4）针对一起220k V变压器遭受短路电流冲击故障,利用该综合评估方法的评估层,对各种测试方法下的试验结果进行多信息融合,判断为绕组严重变形后,在故障诊断层利用Cx-Xk（%）诊断模型得出结论:中压侧绕组发生明显变形并向低压侧绕组凹陷。对变压器进行返厂吊罩后,发现中压侧绕组大面积线匝向低压绕组方向靠拢,与综合评估方法分析所得结论一致,印证了该综合评估方法的正确性。本文针对变压器绕组变形诊断方法展开研究,有利于对变压器绕组状态做出合理分析判断。本文所研究的变压器绕组变形综合评估体系避免了常规的单一试验方法可能造成的误判漏判情况,一定程度上可降低变压器的故障率,提高了变压器绕组变形的检测效率。
张思捷[10]（2020）在《电力变压器状态评价与故障诊断技术研究》文中进行了进一步梳理电力变压器作为电力系统的基础设备之一,其运行状态直接关系到电网是否能够保证长期稳定健康运行。近年来,随着我国电网智能化建设的高速发展,电力设备数量快速增长,保证电网的稳定健康运行面临着更大的挑战。因此,深入研究电力变压器状态评价和故障诊断技术对保障电力系统正常可靠供电,推动状态检修的发展和应用具有重要理论意义和实用价值。本文以220k V油浸式电力变压器为研究对象,针对电力变压器状态评价与故障分析等相关问题进行了如下研究:首先,参考国家电网公司标准和相关规程,考虑电力变压器结构和性能特点,立足于电力企业技术发展现状,优选影响电力变压器运行状态的因素,提出电力变压器状态等级分类标准和检修响应策略,建立有效的基于部位性能的电力变压器多层状态评价模型。其次,在了解常用指标权重确定方法的基础上,综合分析主、客观权重法的优缺点,采用模糊集值统计法与熵值法相结合的电力变压器指标权重确定方法。分析电力变压器状态与可拓学之间的关系,探索电力变压器状态评价指标关联函数的构造形式,构建基于分层可拓法的电力变压器状态评价步骤,实现电力变压器状态的准确评价。再次,考虑到电力变压器实际运行时存在的个体差异,综合国内外油中气体与气体比值的研究成果,基于常用特征气体和IEC TC 10故障数据库,采用离散二进制粒子群算法和支持向量机算法相结合优选故障模型输入特征。测试结果表明,优选特征与常用特征气体和三比值特征相比具有更高的故障诊断准确率。最后,结合本文提出的电力变压器状态评价模型和故障诊断算法,基于Python、My SQL等开发环境,设计并实现了电力变压器状态评价与故障诊断原型系统,可实现电力变压器状态评价、故障诊断分析等功能,为设备使用者提供可视化的维修决策支持。
二、通过电气与油化试验综合判断设备故障（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、通过电气与油化试验综合判断设备故障（论文提纲范文）
（1）综合高压与油化试验的变压器典型缺陷判定方法研究及应用（论文提纲范文）
| 1 变压器高压试验 |
| 1.1 绝缘电阻测试试验 |
| 1.2 直流电阻测试试验 |
| 1.3 介质损耗测试试验 |
| 1.4 分接开关测试波形 |
| 2 变压器绝缘油油化试验 |
| 3 案例分析 |
| 3.1 综合高压与油化试验的主变试验数据 |
| 3.2 故障分析 |
| 3.2.1 高压试验数据分析： |
| 3.2.2 油色谱试验数据分析： |
| 3.3 故障原因 |
| 3.4 故障具体位置 |
| 3.5变压器拆解结果验证 |
| 4结论 |
（2）变压器状态评估和故障诊断模型的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 研究现状 |
| 1.2.1 数据处理 |
| 1.2.2 状态评估 |
| 1.2.3 故障诊断 |
| 1.3 主要研究内容 |
| 第二章 基于高维映射的关键参量提取 |
| 2.1 关键参量体系建立流程 |
| 2.2 基础参量体系 |
| 2.2.1 定量参量 |
| 2.2.2 定性指标的修正量化 |
| 2.2.3 特征参量的敏感距离 |
| 2.2.4 定量参量的相对劣化 |
| 2.3 关键参量提取 |
| 2.3.1 基于高维空间的参量提取 |
| 2.3.2 高维映射的核函数 |
| 2.3.3 关键参量筛选指标 |
| 2.4 实例分析 |
| 2.5 小结 |
| 第三章 改进式参数寻优状态评估模型 |
| 3.1 模型搭建流程 |
| 3.2 基于SVM模型的数据评估 |
| 3.2.1 二次规划目标函数 |
| 3.2.2 多级支持向量机 |
| 3.2.3 数据评估的交叉验证 |
| 3.3 基于GWO算法的参数优化 |
| 3.3.1 参数优化过程 |
| 3.3.2 参数寻优的改进 |
| 3.4 改进式GWO-MCS VM模型 |
| 3.4.1 模型的样本划分及参数设置 |
| 3.4.2 模型的训练结果 |
| 3.4.3 模型性能的测试 |
| 3.5 小结 |
| 第四章 基于GWO-MCSVM的DGA故障诊断 |
| 4.1 故障诊断模型流程 |
| 4.2 数据预处理的过程 |
| 4.2.1 无编码比值法处理 |
| 4.2.2 数据集分割 |
| 4.2.3 故障类型融合 |
| 4.2.4 改进模糊C均值聚类处理 |
| 4.3 故障诊断的过程 |
| 4.3.1 MFCM分析过程 |
| 4.3.2 改进式GWO-MCSVM诊断过程 |
| 4.4 诊断模型的对比 |
| 4.5 小结 |
| 第五章 变压器状态评估软件平台 |
| 5.1 软件设计 |
| 5.2 软件功能模块 |
| 5.3 小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间发表或录用的论文 |
| 学位论文评阅及答辩情况表 |
（3）基于集成学习的变压器故障预测方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 变压器油中溶解气体预测研究现状 |
| 1.2.2 变压器故障诊断研究现状 |
| 1.3 主要研究内容 |
| 第二章 变压器故障诊断机理与特征选择 |
| 2.1 引言 |
| 2.2 变压器油中溶解气体分析 |
| 2.2.1 油中溶解气体产生机理 |
| 2.2.2 油中溶解气体的含量与产气率 |
| 2.3 变压器内部故障与油中溶解气体的关系 |
| 2.4 比值诊断方法 |
| 2.5 变压器故障诊断特征选择 |
| 2.6 本章小结 |
| 第三章 基于VMD-XGBoost的变压器油中溶解气体预测 |
| 3.1 引言 |
| 3.2 变压器油中溶解气体预测问题描述 |
| 3.3 变压器在线监测数据预处理 |
| 3.3.1 缺失值与零值处理 |
| 3.3.2 长期趋势项的去除 |
| 3.3.3 变分模态分解 |
| 3.4 XGBoost预测模型的构建 |
| 3.4.1 集成学习 |
| 3.4.2 梯度提升树 |
| 3.4.3 XGBoost |
| 3.5 预测流程 |
| 3.6 算例分析 |
| 3.6.1 数据选择与评价指标 |
| 3.6.2 数据预处理 |
| 3.6.3参数影响及预测结果 |
| 3.6.4 基于网格搜索的超参数优化 |
| 3.6.5 不同算法对比 |
| 3.6.6 不同运行状态下的预测结果 |
| 3.7 本章小结 |
| 第四章 基于LightGBM的变压器故障诊断 |
| 4.1 引言 |
| 4.2 LightGBM诊断模型的构建 |
| 4.2.1 直方图算法 |
| 4.2.2 GOSS单边采样法 |
| 4.2.3 EFB特征降维法 |
| 4.2.4 带有深度约束的leaf-wise叶子节点生成策略 |
| 4.3 基于重要度分析的特征筛选 |
| 4.4 基于LightGBM的变压器故障诊断流程 |
| 4.5 算例分析 |
| 4.5.1 故障数据集的建立 |
| 4.5.2 评价指标 |
| 4.5.3 诊断结果 |
| 4.5.4 特征筛选 |
| 4.5.5 基于贝叶斯网络的超参数优化 |
| 4.5.6 算法对比与数据分析 |
| 4.6 本章小结 |
| 第五章 基于集成学习的变压器故障预测实例分析 |
| 5.1 引言 |
| 5.2 故障预测实例分析 |
| 5.2.1 故障案例1:高温过热 |
| 5.2.2 故障案例2:中温过热 |
| 5.2.3 故障案例3:局部放电 |
| 5.3 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间的研究成果 |
| 学位论文评阅及答辩情况表 |
（4）变电设备故障诊断系统研究及应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 变电设备故障诊断方法的研究现状 |
| 1.3 变电设备常见故障及诊断方法 |
| 1.3.1 变压器常见故障及诊断方法 |
| 1.3.2 断路器常见故障及诊断方法 |
| 1.3.3 容性设备及其他设备常见故障及诊断方法 |
| 1.3.4 氧化锌避雷器常见故障及诊断方法 |
| 1.4 本文的主要内容 |
| 第2章 变电设备故障诊断系统结构设计 |
| 2.1 系统设计 |
| 2.1.1 系统概述 |
| 2.1.2 故障诊断系统体系结构 |
| 2.2 变电设备状态评价概述 |
| 2.3 风险评价模块设计 |
| 2.4 预测评估模块设计 |
| 2.5 决策建议模块设计 |
| 2.6 小结 |
| 第3章 变电设备故障诊断系统功能设计 |
| 3.1 系统智能分析流程 |
| 3.1.1 系统管理 |
| 3.1.2 数据管理 |
| 3.2 故障诊断功能设计 |
| 3.3 变电设备状态评估功能设计 |
| 3.4 风险评估功能设计 |
| 3.5 变电设备检修辅助决策功能设计 |
| 3.6 变电设备在线监测功能设计 |
| 3.7 变电设备历史查询及预测评估功能设计 |
| 3.8 小结 |
| 第4章 变电设备故障诊断系统功能实现 |
| 4.1 变电设备故障诊断系统管理界面配置 |
| 4.2 变电设备故障诊断系统功能实现界面配置 |
| 4.3 现场应用 |
| 4.4 小结 |
| 第5章 结论 |
| 参考文献 |
| 致谢 |
| 学位论文评阅及答辩情况表 |
（5）基于信息融合的变压器状态评估与故障诊断方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文主要研究内容 |
| 2 变压器状态评估及故障诊断评价指标 |
| 2.1 引言 |
| 2.2 变压器故障类型及产生原因 |
| 2.3 变压器状态评价指标分析 |
| 2.4 本章小结 |
| 3 变压器状态评估及故障诊断体系的构建 |
| 3.1 引言 |
| 3.2 变压器评估指标体系建立的原则 |
| 3.3 变压器评估指标体系的建立 |
| 3.4 基于信息融合的变压器状态评估及故障诊断流程 |
| 3.5 数据预处理 |
| 3.6 本章小结 |
| 4 基于改进D-S证据理论的变压器状态评估 |
| 4.1 引言 |
| 4.2 D-S证据理论 |
| 4.3 基于支持概率距离的证据理论融合方法 |
| 4.4 基于改进证据理论的变压器状态评估 |
| 4.5 实例分析 |
| 4.6 本章小结 |
| 5 基于概率极限学习机与改进证据理论的变压器故障诊断 |
| 5.1 引言 |
| 5.2 概率极限学习机 |
| 5.3 基于概率极限学习机与改进证据理论的变压器故障诊断 |
| 5.4 实例分析 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（6）基于混合数据处理方法的电力变压器状态评估方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文研究的目的和内容 |
| 1.3.1 本文研究的目的 |
| 1.3.2 本文研究的内容 |
| 1.4 本章小结 |
| 第二章 变压器状态量评估体系的构建 |
| 2.1 以故障类型为因素层的评估体系的建立 |
| 2.1.1 九种故障类型以及相应状态量 |
| 2.1.2 评估体系的构建 |
| 2.2 以实验类型为因素层的评估体系的建立 |
| 2.2.1 三种实验类型以及相应状态量 |
| 2.2.2 评估体系的构建 |
| 2.3 常用变压器状态评估方法 |
| 2.3.1 层次分析法 |
| 2.3.2 熵权法 |
| 2.3.3 神经网络法 |
| 2.4 本章小结 |
| 第三章 小样本下的混合评估算法 |
| 3.1 引言 |
| 3.2 基于FAHP-DEMATEL法计算主观权重 |
| 3.2.1 DEMATEL算法原理 |
| 3.2.2 FAHP算法原理 |
| 3.2.3 结合FAHP和 DEMATEL法求取状态量权重 |
| 3.3 基于CRITIC赋值法计算客观权重 |
| 3.3.1 CRITIC算法原理 |
| 3.3.2 CRITIC法计算客观状态量权重 |
| 3.4 主客观方法组合赋权下的状态评估 |
| 3.4.1 基于最小方差计算组合权重 |
| 3.4.2 变压器状态评估 |
| 3.5 白噪声下的稳定性对比 |
| 3.6 本章小节 |
| 第四章 大样本下的混合评估算法 |
| 4.1 引言 |
| 4.2 人工智能方法下的变压器状态量筛选 |
| 4.2.1 模糊聚类分析法 |
| 4.2.2 粗糙集理论 |
| 4.3 FCA-RST-多维状态云模型下的变压器状态评估 |
| 4.3.1 多维状态云模型 |
| 4.3.2 FCA-RST-多维状态云模型 |
| 4.4 实例分析 |
| 4.5 本章小结 |
| 第五章 总结和展望 |
| 5.1 本文工作总结 |
| 5.2 后续工作展望 |
| 参考文献 |
| 攻读硕士学位期间的学术活动及成果情况 |
（7）基于油中溶解气体的变压器状态评估和故障诊断方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 电力变压器故障时油中溶解气体特征 |
| 1.2.2 电力变压器状态参量预测方法的研究现状 |
| 1.2.3 电力变压器状态评估方法的研究现状 |
| 1.2.4 电力变压器故障诊断方法的研究现状 |
| 1.3 本文主要研究内容 |
| 1.3.1 本文研究的目的 |
| 1.3.2 本文研究的主要内容 |
| 第二章 基于长短时记忆网络的多变量变压器油中溶解气体浓度预测方法 |
| 2.1 引言 |
| 2.2 长短时记忆网络 |
| 2.3 基于LSTM的多变量变压器油中溶解气体浓度预测模型 |
| 2.3.1 相关序列数学表示 |
| 2.3.2 变压器油中溶解气体浓度的预测流程 |
| 2.3.3 实验评价指标 |
| 2.4 基于油色谱数据的案例分析 |
| 2.4.1 实验数据集 |
| 2.4.2 多变量LSTM模型 |
| 2.4.3 不同时间步长预测精度对比 |
| 2.4.4 预测结果对比分析 |
| 2.5 本章小结 |
| 第三章 基于灰云模型的多源数据融合变压器状态评估方法 |
| 3.1 引言 |
| 3.2 基于灰云模型的指标评估方法 |
| 3.2.1 云模型 |
| 3.2.2 构建评估等级灰云模型 |
| 3.3 基于综合权重的评估指标赋权 |
| 3.3.1 基于层次分析法的主观权重 |
| 3.3.2 基于反熵权重法的客观权重 |
| 3.3.3 基于加法合成法的组合权重 |
| 3.3.4 基于变权理论的变权权重 |
| 3.4 基于证据理论的指标融合 |
| 3.4.1 证据理论基本概念 |
| 3.4.2 证据理论融合规则 |
| 3.5 基于灰云模型和多源数据融合的状态评估 |
| 3.5.1 变压器状态评估指标体系 |
| 3.5.2 变压器状态评估流程 |
| 3.6 实例研究 |
| 3.6.1 试验数据 |
| 3.6.2 基于灰云模型的关联度计算 |
| 3.6.3 基于综合权重的赋权 |
| 3.6.4 基于证据理论的数据融合 |
| 3.6.5 不同评估方法对比分析 |
| 3.7 本章小结 |
| 第四章 基于改进的深度置信网络变压器油中溶解气体故障诊断方法 |
| 4.1 引言 |
| 4.2 深度置信网络 |
| 4.3 人群搜索算法 |
| 4.4 基于SOA算法优化DBN网络的变压器油色谱故障诊断 |
| 4.4.1 SOA算法优化DBN网络的故障诊断算法 |
| 4.4.2 模型评价标准 |
| 4.5 算例分析 |
| 4.5.1 SOA-DBN变压器故障诊断模型 |
| 4.5.2 不同网络层数对故障诊断准确率的影响 |
| 4.5.3 SOA-DBN、DBN、BPNN和 SVM故障诊断性能对比 |
| 4.5.4 样本数量对诊断结果的影响 |
| 4.6 本章小结 |
| 第五章 总结和展望 |
| 5.1 全文总结 |
| 5.2 未来展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士期间发表的论文 |
（8）大型油纸绝缘变压器绝缘状态综合评估技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 背景及意义 |
| 1.2 油纸绝缘诊断国内外研究现状 |
| 1.2.1 油纸绝缘传统评估方法研究现状 |
| 1.2.2 油纸绝缘介电响应诊断方法研究现状 |
| 1.3 论文主要研究内容及框架 |
| 2 不同厂家变压器传统预防性试验特征参数的演变规律 |
| 2.1 不同厂家变压器寿命特征数据变化规律分析 |
| 2.1.1 变压器油中溶解气体特征数据变化规律分析 |
| 2.1.2 油中酸值数据变化规律分析 |
| 2.1.3 油击穿电压数据变化规律分析 |
| 2.1.4 油介质损耗因数数据变化规律分析 |
| 2.1.5 吸收比数据变化规律分析 |
| 2.1.6 极化指数数据变化规律分析 |
| 2.2 变压器运行时间与寿命特征数据的相关分析 |
| 2.3 小结 |
| 3 变压器绝缘频域介电响应特性 |
| 3.1 频域介电响应试验 |
| 3.1.1 基本原理 |
| 3.1.2 FDS测试仪器 |
| 3.2 介电响应测试方法的现场应用研究 |
| 3.2.1 不同接线方式测试结果对比 |
| 3.2.2 同一厂家测试结果对比 |
| 3.2.3 不同厂家测试结果对比 |
| 3.3 变压器的介电响应绝缘诊断评估方法 |
| 3.3.1 介电响应评估模型 |
| 3.3.2 现场变压器的介电响应特征参量分析 |
| 3.4 小结 |
| 4 综合电气、油化与介电响应的油纸绝缘设备状态评估 |
| 4.1 油纸绝缘设备状态评估思路 |
| 4.2 电气参量的评估算法 |
| 4.3 油化参量的评估算法 |
| 4.3.1 油中溶解气体的评估方式 |
| 4.3.2 油化学试验 |
| 4.4 介电响应的评估算法 |
| 4.5 油纸绝缘设备评估体系的建立 |
| 4.6 小结 |
| 5 结论与展望 |
| 致谢 |
| 参考文献 |
（9）变压器绕组线圈变形故障分析（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 国内外研究现状 |
| 1.3 本文主要研究内容 |
| 第二章 变压器绕组故障分析基础 |
| 2.1 变压器绕组及其绝缘结构 |
| 2.2 变压器线圈常见形式 |
| 2.3 变压器绕组常见问题 |
| 2.3.1 绕组制作过程中的常见质量问题 |
| 2.3.2 绕组的常见故障 |
| 2.4 绕组所受短路电流与短路电动力 |
| 2.4.1 短路电流计算 |
| 2.4.2 抗短路能力计算 |
| 2.4.3 短路时绕组的受力分析 |
| 2.5 本章小结 |
| 第三章 变压器常规试验方法对绕组变形检测的辅助作用研究 |
| 3.1 油色谱分析法试验原理与检测方法研究 |
| 3.1.1 变压器油中溶解气体分析 |
| 3.1.2 根据油中溶解气体含量进行故障诊断 |
| 3.2 直流电阻测试方法研究与试验结果分析 |
| 3.2.1 直流电阻试验测量方法 |
| 3.2.2 试验测量的分析 |
| 3.3 本章小结 |
| 第四章 基于电气参量的三种变压器绕组变形诊断方法研究 |
| 4.1 低电压阻抗法 |
| 4.1.1 短路电抗值与绕组间相对距离的关系推导 |
| 4.1.2 低电压阻抗法判断准则及其影响因素 |
| 4.2 绕组电容量法诊断过程及判定依据 |
| 4.3 频率响应分析法 |
| 4.3.1 频响法测试系统 |
| 4.3.2 不同绕组变形种类下频谱图变化特征总结 |
| 4.3.3 利用频响图谱诊断变压器绕组变形故障 |
| 4.3.4 现场影响因素干扰下的频谱图异常情况分析 |
| 4.3.5 频响法测试过程中注意事项及异常频谱图分析 |
| 4.4 本章小结 |
| 第五章 变压器绕组变形综合评估方法研究 |
| 5.1 基于可拓理论的变压器绕组变形综合评估方法 |
| 5.1.1 变压器可拓评估方法研究 |
| 5.1.2 综合评估体系建立 |
| 5.1.3 评估指标信息融合方法研究 |
| 5.2 基于低电压阻抗法与绕组电容量法的C_x-X_k(%)诊断模型建立 |
| 5.3 本章小结 |
| 第六章 变压器绕组变形故障分析方法试验验证 |
| 6.1 设备基本情况及故障情况 |
| 6.2 利用综合评估方法判断绕组状态 |
| 6.3 基于C_x-X_k(%)故障诊断模型判断绕组变形种类 |
| 6.4 返厂吊罩结果对比分析 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 工作总结 |
| 7.2 展望 |
| 参考文献 |
| 发表论文和参加科研情况 |
| 致谢 |
（10）电力变压器状态评价与故障诊断技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 电力变压器状态评价研究现状 |
| 1.2.2 电力变压器故障诊断研究现状 |
| 1.3 本文主要研究内容 |
| 第2章 电力变压器状态评价指标体系的建立 |
| 2.1 电力变压器状态等级划分及检修策略制定 |
| 2.2 电力变压器状态评价指标体系的建立 |
| 2.2.1 评价指标体系应遵循的基本原则 |
| 2.2.2 状态评价体系的建立与分析 |
| 2.3 电力变压器状态评价指标的量化 |
| 2.4 本章小结 |
| 第3章 基于分层可拓法的电力变压器状态评价 |
| 3.1 电力变压器状态评价指标权重的确定 |
| 3.1.1 基于模糊集值统计法的指标权重 |
| 3.1.2 基于熵值法的指标权重动态调整 |
| 3.2 基于分层可拓法的电力变压器状态评价 |
| 3.2.1 可拓法的基本原理 |
| 3.2.2 基于分层可拓的电力变压器状态评价步骤 |
| 3.3 电力变压器状态评价实例验证 |
| 3.3.1 本体状态评价实例验证 |
| 3.3.2 套管状态评价实例验证 |
| 3.3.3 电力变压器状态评价实例验证 |
| 3.4 本章小结 |
| 第4章 基于油中溶解气体分析的电力变压器故障诊断 |
| 4.1 电力变压器油中溶解气体分析原理 |
| 4.1.1 油中溶解气体产生机理 |
| 4.1.2 正常运行时油中气体含量 |
| 4.1.3 电力变压器故障与油中溶解气体的关系 |
| 4.2 基于离散二进制粒子群算法的变压器故障特征优选 |
| 4.2.1 变压器油中溶解气体特征量 |
| 4.2.2 基于支持向量机的变压器故障诊断 |
| 4.2.3 基于离散二进制粒子群算法的变压器故障特征优选 |
| 4.3 变压器故障优选特征及诊断结果分析 |
| 4.3.1 故障样本及数据预处理 |
| 4.3.2 变压器故障特征优选结果分析 |
| 4.3.3 不同特征子集性能对比分析 |
| 4.3.4 变压器故障诊断典型工程实例 |
| 4.4 本章小结 |
| 第5章 变压器状态评价与故障诊断系统设计与实现 |
| 5.1 变压器状态评价与故障诊断系统总体设计 |
| 5.1.1 系统结构设计 |
| 5.1.2 系统功能设计 |
| 5.1.3 数据库设计 |
| 5.2 变压器状态评价与故障诊断系统实现 |
| 5.2.1 用户登录 |
| 5.2.2 系统主界面 |
| 5.2.3 信息查询子系统实现 |
| 5.2.4 状态评价子系统实现 |
| 5.2.5 故障诊断子系统实现 |
| 5.2.6 用户管理子系统实现 |
| 5.3 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
四、通过电气与油化试验综合判断设备故障（论文参考文献）
- [1]综合高压与油化试验的变压器典型缺陷判定方法研究及应用[J]. 李波,胡依林,李纠,王慧,马殿旭. 科学技术创新, 2021(27)
- [2]变压器状态评估和故障诊断模型的研究[D]. 郭建. 山东大学, 2021(12)
- [3]基于集成学习的变压器故障预测方法研究[D]. 王凯. 山东大学, 2021(12)
- [4]变电设备故障诊断系统研究及应用[D]. 项茂阳. 山东大学, 2021(12)
- [5]基于信息融合的变压器状态评估与故障诊断方法研究[D]. 谢一鸣. 中国矿业大学, 2021
- [6]基于混合数据处理方法的电力变压器状态评估方法研究[D]. 吴炜. 合肥工业大学, 2021(02)
- [7]基于油中溶解气体的变压器状态评估和故障诊断方法研究[D]. 王畅. 昆明理工大学, 2021(01)
- [8]大型油纸绝缘变压器绝缘状态综合评估技术研究[D]. 田楠. 西安理工大学, 2020(01)
- [9]变压器绕组线圈变形故障分析[D]. 刘一萌. 天津工业大学, 2020(02)
- [10]电力变压器状态评价与故障诊断技术研究[D]. 张思捷. 哈尔滨工业大学, 2020(01)