试论输变电设备优化检修（OM）若干关键技术研究.docVIP

精品论文 参考文献 试论输变电设备优化检修（OM）若干关键技术研究 （国网山东省电力公司巨野县供电公司 274900） 摘要：输变电设备是构成供电系统的基本骨架，一旦输变电设备出现问题会造成供电不稳甚至断电的情况发生，目前我国对电网断电问题研究主要是在电网运行方面，对输变电设备故障方面的研究比较少，本文主要研究输变电设备的优化检修若干技术，希望能够减少输变电设备的故障发生效率，提高供电系统的稳定性。 关键词：输变电设备；检修；优化检修技术；要点 随着社会经济的飞速发展，人类的用电需求与日俱增，电力系统逐渐向着大容量、高电压的方向发展，在这种趋势之下，对输变电设备的要求也越来越高，当前我国对输变电设备的检修主要是事后检修和定期当修，这种检修方法容易造成维修不足以及维修过盛的情况发生，所以，对输变电设备进行优化检修，健全检修体制，完善检修技术，对于电力部门的经济效益十分有意义。 输变电设备的优化检修概论 输变电设备的检修策略的应该综合多方面的因素考虑，对于发生故障之后造成的后果不严重的设备采取事后检测的方式，对于一旦发生故障所需投入的维修资金超过能带来的收益的设备则采用预防性的定期检修，对于一旦发生故障后果严重而且可以监测到状态的设备采用状态检修。输变电设备的优化检修图如图1所示 图1 输变电的优化检修图示 输变电设备的优化检修若干技术 2.1基于系统辨识模型的参考故障检测方法 2.1.1系统辨识模型 使用系统辨识模型是通过对系统输入或输出的数据直接学习，求出所需的最小误差函数，从而总结在实际系统隐含的输入和输出数据之间的关系。只要仿真系统中由相同的输入信号下的输出可以接近实际系统在同样的激励信号输入下的输出，那么可以认为该模拟已完全反映实际系统的特点，完全就是对原系统的辨识系统。系统的辨识模型原理图如图2所示 图2 辨识模型系统原理图 2.1.2利用系统辨识模型进行优化检修 利用系统???识模型进行优化检修的方法：往系统仿真辨识模型中输入故障的数据，得到输出结果之后，与实际系统发生的故障相比，比较两者之间的事差别，在故障检修的过程当中，对系统辨识模型的精准度要求比较高，模型得出的故障结果具有全面性、准确性的特点。 2.2多分类多核学习支持向量机的电力变压器的优化检修 2.2.1故障特征量的选择和故障的类型 在这种优化检修方法中采用的特征参数是能够在比变压器油中的可以溶解的五种气体的含量，模式向量是，将气体在变压器油中的溶解性和分散性，为了降低由于气体在油中的溶解的巨大差异对结果造成的影响很大，所以要对得到的原始数据进行归一化处理，所用到的数据差处理方法是将气体溶解在油中的含量换算成范围在[0,1]之间的数值，这样数据之间的差异较小，便于进行比较，也降低了气体之间相互排斥的现象，归一化处理所用于到的公式如下是： i=1,2, …n 经过总结，变压器的故障类型一被氛围过热型和放电型两类，但是在实际生活中，有时候变压器很多时候是两种故障一起发生，将改良三比值方法和相关规定，本文主要研究如下几种变压器的故障模式：温度低过300℃热度过热，温度在300℃~500℃过热，高温高于700℃过热，局部放电或潮湿的环境中受潮PD，能耗放电，高能放电，过热和低能量放电，高能放电和过热。 2.2.2确定支持向量机的参数 在利用多分类多核学习支持向量机进行电力变压器的优化检修的时候，检测结果是受到基本核函数和惩罚参数的影响的，惩罚参数C的大小以及基本核函数的个数，都会影响系统的幻化能力，因此在变压器的故障检测中的基本核函数我们使用高斯径向基函数，至于惩罚参数C，利用交叉验证法确定一个最优的惩罚参数。 2.2.3多分类多核学习支持向量机进行电力变压器的优化检修 变压器的优化监测方法如下：着眼于各样品训练集和验证的5种气体浓度数据进行归一化处理，以形成一个训练本集和测试本集，确定基本核函数的个数以及每个基核的参数，使用交叉验证来确定最优惩罚参数，根据这个最优惩罚参数，采用多核多分类训练样本和学习方法确定适当的分类模型，利用训练样本的分类模型验证集来进行故障诊断测试。 2.3利用改进免疫算法的输变电设备的优化检修 2.3.1静态安全分析