基于智能信息融合的电力设备故障诊断新技术研究

随着电力系统规模的不断扩大,大型变电站的数量逐步增加,对变电站电气设备的可靠性及技术水平要求也日益提高,现阶段国家电力公司正大力推广的电力设备状态监测与可靠性维修正如火如荼的在各地展开。电力设备状态监测和故障诊断主要是对当前设备前期的、潜伏性故障通过各种技术手段找出它的故障规律,对这类故障的诊断是目前电力系统研究的热点之一。这与瞬时性的、保护动作之后的故障判断是一个问题的两个方面,继电保护并不能解决隐藏的、潜伏性的前期故障,所以研究电力设备状态监测与故障诊断具有重要意义。 电力设备状态监测与故障诊断不仅是设备状态检修模式的基础,也符合变电站综合自动化正在实施的电气运行模式的需要。无论是常规变电站还是无人值守变电站,在其监控系统中,都需要增加一个在线监测和故障诊断专家系统用以作为辅助决策手段,进而提高监控能力。要想实现真正的无人值守,需要加入电气设备在线监测和故障诊断的内容,这样变电站综合自动化才更加完善和更有效。所以在测量、控制、信号、保护和远动等综合自动化的基础上,如能融合电力设备在线监测与故障诊断系统,必将推动变电站综合自动化向前发展,这对提高我国变电站综合自动化水平具有重要意义。本文阐述了智能化技术在电力设备故障诊断中的应用,介绍电力设备故障诊断的发展历史、研究现状以及未来在线监测发展的趋势,提出了对这些问题的研究思路和解决方法,明确了本文研究的主要内容。 为了解决电力设备故障诊断中所遇到的主要技术难题,突破常规方法进行故障诊断的局限,论文将不同类型神经网络用于变压器绝缘故障诊断的数学模型和实现原理进行了比较分析,研究了基于BP 神经网络的多种改进学习算法,详细比较分析了不同学习算法对绝缘故障诊断收敛性的影响。针对BP 隐含层结构不确定的缺点,文中对不同的隐含层数目都进行了仿真分析。论文还提出了基于径向基网络、概率神经网络和LVQ 模式分类神经网络用于故障诊断的模型和方法,通过比较分析各种不同类型神经网络的性能和故障诊断的准确率,确定了适用于变压器绝缘故障诊断的神经网络模型。 为了解决电力设备故障征兆、故障原因和故障机理之间的复杂关系,提出了一种