一、BSZ系列变压器油色谱在线监测装置（论文文献综述）
苟家萁[1]（2021）在《基于深度学习的变压器油中溶解气体浓度预测研究》文中认为为了实现我国电力领域“全国联网”的战略目标,远距离、特高压、大容量的输电模式已被广泛应用。电力变压器作为电力系统中的核心设备之一,发挥着电压、电流变化等重要作用,影响着电网的稳定运行。考虑到变压器的运行状况与其内部油中溶解气体含量之间有着密切的联系,故对油中溶解气体的精准预测可以提早发现变压器设备可能存在的潜伏性故障,为运行人员检修提供理论支撑。本文以在线监测到的变压器油色谱数据为研究对象,结合深度学习算法主要进行以下两方面的研究:针对正常运行的电力变压器所提取到的油中溶解气体数据存在“异常值”或“缺失值”的问题,本文提出了一种基于堆叠式降噪自动编码器（SDAE）的变压器在线监测油色谱数据清洗模型。利用在线监测到的某220k V和500k V电压等级变压器的油中溶解气体数据为研究对象,首先将正常运行状况下采集到的变压器油色谱数据输入到SDAE清洗模型,对模型进行训练学习,确定其关键参数的大小;然后将正常运行状态下监测到存在“缺失值”或“异常值”的油色谱数据输入到清洗模型,通过比较重构误差NL和损失函数峰值Top、容限时窗Tn和误差持续时间Tt之间的大小关系判断不良数据的类型;最后对存在“缺失值”和“异常值”的数据进行重构修复表示,还原了更多的原始数据信息,为文章后续进行特征气体浓度的精准预测研究提供了可靠的数据源。针对传统深度学习预测模型存在关键参数难以确定和预测精度不高的问题,本文提出了一种基于改进粒子群算法（IPSO）和门控循环单元（GRU）的油中溶解气体浓度组合预测模型。将搜集的7种特征气体序列划分为训练集和测试集,对训练集数据利用IPSO算法迭代搜索GRU模型关键参数（神经元个数m与学习率ε）的最优值,建立IPSO-GRU组合预测模型,对测试集数据来进行验证所提方法的可靠性。实验结果表明,本文所提方法不仅克服了选取模型关键参数的难题,并相较于传统的PSO-GRU、GRU、LSTM、RF和RNN深度学习算法模型相比预测精度更高,进行特征数据序列清洗提高了预测模型的精度,且随着样本训练集数目的不断增加,模型的预测精度逐渐提高,表明模型可以获得特征数据集内部之间更多的潜在规律,对及时、准确判断电力变压器的运行状态发挥着重要的作用。
辜祥[2]（2021）在《变电站变压器在线监测系统的设计与实现》文中研究表明电力已经成为了现代社会生产生活中必不可少能源,电力变压器作为电力系统中最重要的供电设备之一,如果变压器的发生故障,很容易造成电网事件或者大面积的停电事故,影响人们的日常工作生活和社会稳定。加之未来电网规模越来越大,电气化设备越来越多。而目前对变压器的监测手段仍然比较落后,难以适应现代设备管理的要求。本文针对以上问题,提出变压器在线监测的解决方案,力求对变压器的运行工况进行实时监测。本文对相关重要的厂站进行研究,分析了变压器在线监测的实际需求,并且对国内外设备在线监测的情况作了对比了解。就现在成熟的相关技术和常用的设备监测技术的深入研究和对比,对系统的便捷性,安全性,准确性,经济性等方面作了充分考虑。设计出了基于.NET平台的变压器在线监测系统。系统采用Client/Server架构（简称C/S架构）作为变压器在线监测系统的软件结构,以发挥C/S架构在安全性方面的优势,确定了系统的三层结构模式和设计了系统的基本功能模块。使用.NET Framework框架平台进行软件开发,一方面.NET平台支持C/S架构开发模式和优秀的图形化人机交互控件模式,另一发面提供了Visual Studio IDE集成开发环境,为开发人员提供了很大的方便。基于.NET平台使用C#语言实现了变压器在线监测系统的系统管理、油中气体监测、铁芯接地电流、油面温度监测等功能模块。利用SQL Sever数据库强大的数据管理能力,为系统的数据提供了数据管理、存储、查询等业务的支撑。总的说来,本文开发出了C/S架构+.NET平台+C#+SQL Sever的变压器在线监测系统,实现了实时监测变压器运行态势的初衷。通过变压器运行的指标数据可以第一时间发现故障表征,就可以在发生故障前制定科学的检修策略,以此达到保障变压器长期稳定运行,不出现大的停电事故的目标。
叶建蓉[3]（2020）在《变压器油色谱在线监测分析系统的优化设计与实现》文中研究说明电网是电力系统的重要组成,其核心是变压器设备,实现对不同电压等级的转换,为配电网提供配电支持。因此变压器的运行状态直接决定了整个电力系统的供电服务质量,供电企业对于变压器异常监测都非常重视。本文根据公司的变压器管理工作要求,基于变压器特征气体浓度数据,设计实现了一套变压器油色谱在线监测分析系统,利用TROM-600装置监测的变压器特征气体浓度数据,对变压器运行状态的监测和异常分析。在研究过程中首先整理分析了目前国内外的研究现状,分析考察了变压器异常分析的技术基础,提出了系统的总体开发目标;随后,详细分析了系统的功能需求、通信需求和非功能需求,将系统的功能开发目标划分为6个方面,分别是6个实时数据管理、历史数据管理、设备管理、系统日志管理、超限数据管理和用户管理;在系统需求工作的基础上,对系统的技术选型进行分析,确立了基于.NET平台的技术开发方案,并设计了系统的拓扑结构、功能结构、功能流程、类结构和数据库模型;按照系统的功能设计,采用.NET平台的C#技术、SQL Server数据库等技术和工具,研究了系统的功能实现工作,介绍了系统的通信功能实现方法和思路,以及各功能模块的功能实现思路、流程、关键代码和效果;最后,对系统的测试工作进行了研究,分析了系统的测试环境、方法、流程、内容及结果,评价了系统的研发成果。本系统可以在TROM-600装置的基础上,基于电力通信网对变压器特征气体浓度监测数据进行采集,在此基础上实现对变压器运行状态的异常分析,降低了管理人员的工作量,提高了变压器运维管理工作的业务效率。
刘子恩,潘大鹏,祁炯[4]（2019）在《油色谱在线监测装置入网检验》文中研究说明油色谱在线监测装置在大型用油电力设备的状态监测和故障预警方面发挥着越来越重要的作用。通过对所有新入网油色谱在线监测装置开展到货验收工作,能够有效保障新安装油色谱在线监测装置的性能和质量。对此,从检验项目内容和依据、所用配油装置、检验工作模式以及检验结果和分析等方面进行了介绍,总结了检验过程的注意事项,同时也对油色谱在线监测装置入网检验后续工作进行了展望。
黄增柯[5]（2019）在《110kV变压器油色谱在线监测系统的应用与研究》文中指出电力变压器在电力系统中承担着变换电能的任务,变压器能否正常工作,直接影响电网的稳定运行。随着运行电压的不断提高,电力的需求逐渐增加,油色谱技术也在不断改进,目前通过提取变压器油中溶解的气体,利用气相色谱分析是分析确定变压器内部故障类型的重要手段。在智能化电网的背景下,开始逐步推广在线监测油色谱技术,随着现代科技的快速发展以及远程传输处理器的引入,在线监测装置正不断更新换代,大部分变电站已经实现了安装试运行,是智能化电网的初步展示。本文主要研究油色谱监测技术的工作原理与技术,根据变压器溶解气体（氢气、一氧化碳、二氧化碳、甲烷、乙烷、乙烯、乙炔）的故障诊断方法,对南宁网区110KV长堽变电站进行在线监测,并对比离线数据,运用气相色谱分析仪测量各组份气体的含量,由此分析变压器运行中潜在或存在的故障。结果表明准确,能够正确反映变压器的故障。本文结合南宁网区电网的运行方式特点,关注目前已经投入油色谱在线监测系统试运行使用的110kV长堽变电站,根据其应用和实施情况,主要介绍思源光电有限公司开发的TROM-600变压器油色谱在线监测系统的运行特点和技术功能,总结分析油色谱在线监测数据与故障诊断变压器运行状态的数据,试验结果证明,TROM-600变压器油色谱在线监视系统采用了完全脱气方式实现了在线油色谱分析数据的准确性,能够将监测周期从以前的一周缩短至2小时,对于特殊的监测对象尤其是带有潜在故障的运行的变压器,能够及时准确的发现并捕捉其运行中的潜伏性故障,并提供了可靠的数据。实现了在线变压器油色谱数据录入及检验报告、综合分析,并建立数据库平台。基本实现了实时监测变压器故障和运行状态,得到了印证。
荣智海[6]（2020）在《基于油色谱监测数据的变压器差异化评价及分层诊断方法》文中研究说明电力变压器在电力系统中十分重要的枢纽,其性能的好坏直接影响着电力系统的安全稳定运行。随着电网扩张,大量变压器投入,故障变压器台次逐年递增,如不加以遏制,将会导致巨大的经济损失,因此有必要掌握变压器运行状态,准确识别故障类型及严重程度。油色谱分析法可灵敏识别变压器内部放电及过热异常,已成为变压器主要监测手段。在线油色谱分析作为离线色谱检测技术的发展,克服离线采样周期长,检测程序复杂等缺点,已得到了电网企业的推广,运行和检修人员获得了前所未有的海量数据,为设备的运行和检修提供了丰富的信息。但是存在大量异常运行监测装置阻碍了运维人员对变压器运行状态的掌握,这些异常监测装置数量众多并且难以识别。在此基础上,建立基于KPCA油色谱监测装置异常识别方法,该方法利用核函数对在线油色谱数据压缩变换,结合主成分分析构造的判断指标识别异常数据,提取异常数据片段对比监测装置异常工作数据特征识别异常监测装置,该方法可有效识别幅度最低为5%的阶跃突变,快速准确识别监测装置异常,对120万数据识别时间为现有方法的10%。应用该方法检查出某区域电网715台监测设备中的69台异常监测装置,识别准确率达95.7%。剔除异常监测装置以后,需要对异常的变压器进行筛选,快速锁定可能存在问题的变压器,不同于离线监测数据,在线数据存在较强波动。针对现有方法在强波动下难以准确识别异常状态的问题,提出基于Canopy模型的变压器异常识别方法,引入波动系数量化特征气体变化情况,建立基于波动系数的变权高维空间弱化监测误差较大的特征气体影响,最终在高维空间上利用Canopy模型识别变压器异常,该方法适用于存在数据缺失及数据波动大的现场情况,有效抑制状态变化边界处数据波动,比现有方法具有更好的聚类效果,提高22%聚类轮廓系数,有效识别未达到标准阈值的过热异常。算法时间复杂度函数表明,算法具有更高的效率,运算时间仅为K-Means的41%。筛选出存在异常的变压器,采用阈值评价法判断是否内部出现故障。过去由于离线数据较少,需要对变压器群体油色谱数据统计计算阈值,然而不同的变压器材料、结构,投运后负荷、运行工况不尽相同,特征气体含量差别很大,变压器群体统计数据无法代表单台状况,特殊个例下阈值会出现漏报误报的情况。如今大量油色谱在线监测装置的引进和应用,单台设备历史在线数据量已可以计算阈值,但是单台变压器数据分布未知并且故障分界点难以确定。针对这些问题,本文搭建了油色谱正常-故障产气平台,模拟正常及放电故障下产气发展过程,发现正常变压器特征气体满足三参数威布尔分布模型。设计针板、柱板缺陷模型,研究变压器油色谱含量随内部缺陷发展的变化关系,发现随放电缺陷发展特征气体存在三个阶段变化趋势,根据严重程度区分为起始、发展及严重阶段;在放电起始阶段,无特征气体产生,在放电发展阶段,H2,C2H2线性增长,在放电严重阶段,所有特征气体均大幅增长。根据放电阶段提出基于P-R曲线的发展/严重阶段累计分布概率计算方法,结合威布尔函数建立差异化色谱阈值计算方法,有针对性的判断变压器是否存在内部故障,计算某110kV变压器差异化阈值,有效识别该变压器火花放电缺陷。针对部分在线设备数据较少难以拟合的情况,提出基于分类水平的差异化分类方法,实现同类在线数据扩充,提高数据拟合度,相对于现行阈值,使用差异化阈值能够有效减少误报、漏报的发生。对于已经确定存在故障的变压器,需要精确判断故障类型及严重程度。针对当前诊断方法故障识别效果不佳的问题,引入深度学习模型诊断油色谱故障。利用查全率及查准率作为油色谱故障类混淆误判评价指标,建立DBN故障诊断最优特征量及参数选取策略,分析深度信念网络对于油色谱故障的诊断效果,发现DBN对于色谱多分类存在的特征提取不充分的问题。针对该问题建立基于组合DBN的油色谱故障诊断方法,该方法将故障诊断过程分为两个步骤,即故障类型识别及严重程度识别。网络第一层由1个DBN识别故障类型,第二层由3个DBN分别识别不同故障类型的严重程度。组合DBN较单一 DBN油色谱故障诊断局放类故障查全率提升20%,查准率提升16.6%;火花类故障查全率提升15.1%,查准率提升18.6%;低温故障查全率提升11.5%,查准率提升16.6%,组合DBN能准确判断的故障类型,并且总准确率较三比值可提高18.6%,较单一DBN提高9.1%,有效识别220kV变压器过热缺陷。
李久青[7]（2019）在《变压器油中气体在线检测装置的设计》文中研究说明当前我国电网发展已经逐步迈进智能化的新时代,电力变压器在电力系统正常稳定运行中发挥着巨大的作用。及时发现变压器的潜在故障并迅速排查,在安全性及经济性方面均具有较为重要的意义。变压器在线故障检测及识别,应实时对变压器运行数据采集、预处理,通过分析对变压器使用寿命以及其存在的故障情况等进行判断,以实现故障分类,对严重故障及时切除。基于变压器油中气体的在线检测因不受外界电场和磁场的影响,其应用前景更加广阔。本文系统性的阐述了变压器油中气体在线检测的相关理论,对气体产生的机理进行了研究,并对油气分离、气体检测和气体数据处理的相关理论方法做了较为详细的分析。在此基础上,本文设计了一套以STM32F405RGT6为控制核心的变压器油中气体在线检测装置,对该装置的总体设计要求和性能指标进行了阐述,详细介绍了各硬件单元的功能并绘制出电路原理图。扩展了各功能模块,以实现对油中各特征气体的采集、处理与储存,控制系统各功能模块彼此的数据传送以及与上位机的通讯。采用氧化锆检测器和CO2检测器对变压器油中气体进行在线检测,以完成对油中混合气体组分含量的采集。编写变压器油中气体在线检测装置软件程序,并设计上位机软件,实现了数据分析以及故障类型判断。最后进行在线检测实验,运用三比值法与大卫三角形法对在线检测结果进行分析,与离线检测结果分析一致。验证了本文所设计的变压器油中气体在线检测装置的有效性。
王永伟[8]（2019）在《采用国产化光纤声波传感器的光声DGA在线监测系统应用》文中进行了进一步梳理电力系统是当今世界实现能源生产与能源输送最为重要的角色,电力的可靠供应关系着人类生活与生产的方方面面。及时快速地发现变压器等电力网中非常关键的设备出现的故障问题,对于提高电力系统的供电可靠性具有重要意义。对充油电力设备的故障检测,普遍采用的是分析油中溶解气体这一方法。传统的在线气相色谱分析法存在组件复杂、运行成本高和安全性差等缺点,而采用光声光谱技术的在线监测拥有检测灵敏度高、维护方便、检测时间短等诸多优点,因此成为了这一领域的研究方向。本文阐述了变压器内绝缘油的产气机理,并对比分析了现行的多种故障气体检测技术,突出了光声光谱检测分析法的优点。在此基础上,设计了带有恒温装置的油气分离模块和基于DFB半导体激光器的光声光谱气体组含量测量模块。本文针对110kV岗头变电站的实际情况,研究了一套采用光声光谱技术的故障检测系统,该系统能同时监测7种故障气体（H2,CH4,C2H4,C2H6,C2H2,CO,CO2）和微水的含量,检测的7种故障特征气体的含量相对标准偏差均低于5%,均在误差允许范围之内,基本满足要求。研究结果证明了该自主研发系统的可靠性和稳定性,但设备的稳定性及准确性仍有待提高改善。此系统操作方便、测量准确、维护简便、成本相对较低,预期在国内将有着良好的应用前景。
孙琛[9]（2019）在《基于机器学习算法的变压器故障诊断》文中认为油浸式变压器广泛应用于上海电网220千伏及以上变电站中,它利用变压器油作为绝缘和冷却介质,通过电磁感应原理将高压电网中的高电压转化为满足工农业生产条件的低电压,是变电站中最重要电气设备。随着变压器内部绝缘逐渐损耗,绝缘油中碳氢化合物发生分解,分解后的离子重新组合成气体并溶解于变压器油中,当损耗积累到一定程度后可能会导致变压器发生内部故障、绝缘击穿等严重后果,造成电网大面积停电事故。传统的变压器故障诊断技术主要为三比值法或改良三比值法。该方法需要定期对变压器绝缘油进行取样,并通过油色谱分析技术分析绝缘油中溶解的特征气体含量和比值进行故障判断。由于无人站的运行管理模式,变压器取油样周期一般为三个月到一年时间,这就造成变压器故障诊断周期过长,诊断结果存在滞后性,对于发展型缺陷无法及时识别和跟踪等问题。近年来,变压器油色谱在线监测技术的广泛应用扩充了油中溶解气体数据样本,为基于机器学习算法的变压器故障诊断提供了可能。鉴于这种情况,本文研究了基于机器学习算法的变压器故障诊断技术,分别用逻辑回归算法、支持向量机算法和极限梯度提升（XGBoost）算法对变压器油中溶解气体进行了建模和仿真,并比较了各自的算法性能。由于工程现场获得的油中溶解气体数据均为无标签样本,且同一台变压器一段时间内气体变化不明显,常规的逻辑回归算法、支持向量机算法容易出现过拟合等问题,无法很好地完成分类任务。XGBoost算法通过不断对误差进行二次分类来改善系统的训练准确率,仿真实验的性能明显优于常规的机器学习算法,适用于变压器故障诊断场景。因此,综合考虑仿真实验结果,将XGBoost算法与国网设备（资产）运维精益管理系统相结合,开发了一套基于机器学习算法的变压器故障诊断系统,并在上海超高压电网进行了推广应用。系统试运行期间,成功发现多起变压器内部故障隐患,保证了电网的安全稳定运行。
石佩[10]（2018）在《变压器油色谱在线监测及故障诊断技术在邢台地区的应用》文中指出电力系统中起到输送电能的关键设备是变压器,其既可以将高电压降低为各级使用电压也可以将低电压升高输送至高压用电区域,以此来满足各级用户的用电需求。在电力系统传送电能中起到举足轻重的作用。因此变压器能否安全运行将导致电网的安全运行。为能够实时掌握变压器运行状况、尽早发现变压器潜在故障提高电网的可靠性,目前对变压器检修模式已从定期检修转变为状态维护,随着电网技术的发展变压器油色谱分析技术发生了突飞猛进的发展,由定期的离线色谱分析逐渐转变为现在的油色谱在线监测技术。本文就变压器油中溶解气体在线监测系统在邢台电力公司的应用效果进行了详尽分析。（1）分析了变压器油中溶解气体产生的机理,变压器油中溶解气体中特征气体的组分、含量以及气体相对、绝对产气速率和变压器的故障类型的一一对应关系以及对基于DGA技术的变压器故障诊断原理,介绍了变压器故障诊断的方法,并且对运用最广泛的改良三比值法进行深入分析。最后对DGA技术的局限性进行总结与改进。（2）分析了油色谱在线监测系统的优势、分类以及系统性能及技术指标,以邢台安装最多的宁波理工MGA2000-6H设备为例,介绍变压器油色谱在线监测装置系统的结构组成、工作原理、通讯方式、软件功能及应用,最后简要介绍在线监测系统的安装与调试。（3）总结国网河北省邢台供电公司变压器油中溶解气体在线监测系统的配置统计以及日常维护、报警处理,进行实验室离线数据与在线监测数据比对以验证变压器油色谱在线监测系统的正确性以及有效性,总结了邢台供电公司宁波理工、上海思源两厂家生产的在线监测系统在实际运行中经常出现的问题并提出整改措施。列举邢台地区在线监测装置发现的几起案例进行分析,充分论证了变压器油色谱在线监测系统的正确性以及发现故障的及时性。
二、BSZ系列变压器油色谱在线监测装置（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、BSZ系列变压器油色谱在线监测装置（论文提纲范文）
（1）基于深度学习的变压器油中溶解气体浓度预测研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 深度学习技术在数据预处理方面的研究现状 |
| 1.2.2 变压器油中溶解气体的含量预测研究现状 |
| 1.3 论文的主要内容 |
| 第二章 变压器油中溶解气体的产气原理与故障时的产气特征 |
| 2.1 变压器油中气体产气原理 |
| 2.1.1 正常运行时变压器产气原理 |
| 2.1.2 发生故障时变压器产气原理 |
| 2.2 变压器内部故障种类与油中溶解气体含量特征 |
| 2.2.1 变压器过热性故障及其产气特点 |
| 2.2.2 变压器放电性故障及其产气特点 |
| 2.2.3 变压器机械性故障及其产气特点 |
| 2.3 变压器油中溶解气体在线监测技术 |
| 2.3.1 油色谱在线监测装置的结构组成 |
| 2.3.2 油色谱在线监测装置的功能特点 |
| 2.4 变压器油中溶解气体浓度预测机理 |
| 2.4.1 时间序列预测概述 |
| 2.4.2 时间序列预测的特点和条件 |
| 2.5 本章小结 |
| 第三章 基于SDAE模型的变压器状态监测数据清洗方法 |
| 3.1 神经网络 |
| 3.1.1 神经网络的结构及特点 |
| 3.1.2 神经网络的激活函数与在气体预测方面的可行性分析 |
| 3.2 堆叠式降噪自动编码器(SDAE)基本原理 |
| 3.2.1 自动编码器(AE) |
| 3.2.2 降噪自动编码器(DAE) |
| 3.2.3 堆叠式降噪自动编码器(SDAE) |
| 3.3 基于SDAE模型的变压器状态监测数据清洗方法 |
| 3.3.1 SDAE模型数据清洗原理 |
| 3.3.2 SDAE模型训练过程 |
| 3.3.3 SDAE数据清洗实现流程 |
| 3.4 算例分析 |
| 3.4.1 数据集划分与模型参数初始化 |
| 3.4.2 变压器油色谱数据清洗结果及分析 |
| 3.5 本章小结 |
| 第四章 深度学习算法与基于IPSO-GRU模型的油中溶解气体浓度预测方法 |
| 4.1 深度学习算法的研究与传播过程分析 |
| 4.1.1 循环神经网络(RNN) |
| 4.1.2 长短期记忆神经网络(LSTM) |
| 4.1.3 门控循环单元(GRU) |
| 4.1.4 随机森林(RF) |
| 4.2 改进粒子群优化算法(IPSO) |
| 4.2.1 粒子群优化算法(PSO) |
| 4.2.2 改进粒子群算法的实现流程 |
| 4.3 基于IPSO-GRU模型的油中溶解气体浓度预测方法实现过程 |
| 4.3.1 预测模型叙述 |
| 4.3.2 预测模型的实现流程 |
| 4.4 模型评价标准 |
| 4.5 实验环境与特征数据集的划分 |
| 4.6 算例分析案例一 |
| 4.6.1 IPSO-GRU网络模型参数选择与优化结果 |
| 4.6.2 IPSO-GRU模型预测结果分析 |
| 4.6.3 其他气体预测结果分析 |
| 4.6.4 特征数据集质量对不同模型预测效果的影响 |
| 4.7 算例分析案例二 |
| 4.7.1 网络预测模型关键参数优化结果 |
| 4.7.2 IPSO-GRU模型预测结果分析 |
| 4.7.3 不同训练集对预测效果的影响 |
| 4.8 本章小结 |
| 第五章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 A(攻读硕士期间科研成果与参与科研项目) |
| 1、攻读硕士学位期间发表的论文 |
| 2、攻读硕士学位期间受理的发明专利 |
| 3、攻读硕士学位期间参与的科研项目 |
| 4、攻读硕士学位期间获得的主要奖项 |
（2）变电站变压器在线监测系统的设计与实现（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 |
| 1.3 研究内容 |
| 1.4 本文的组织结构 |
| 第二章 变压器在线监测关键技术 |
| 2.1 变压器在线监测相关技术 |
| 2.1.1 变压器油色谱监测技术 |
| 2.1.2 变压器铁芯接地电流监测技术 |
| 2.1.3 变压器油温监测技术 |
| 2.2 C/S架构概述 |
| 2.3 .NET平台概述 |
| 2.4 C#语言概述 |
| 2.5 SQL Server概述 |
| 2.6 ADO.NET组件概述 |
| 2.7 本章小结 |
| 第三章 系统的需求分析 |
| 3.1 系统的整体需求 |
| 3.2 功能性需求 |
| 3.2.1 系统管理需求 |
| 3.2.2 数据采集和数据分析需求 |
| 3.2.3 油中气体监测需求 |
| 3.2.4 铁芯接地电流监测需求 |
| 3.2.5 油温监测需求 |
| 3.3 非功能性需求 |
| 3.4 本章小结 |
| 第四章 系统总体设计 |
| 4.1 系统设计的原则 |
| 4.2 系统体系结构设计 |
| 4.3 系统数据库设计 |
| 4.3.1 数据库设计原则 |
| 4.3.2 数据库规范设计 |
| 4.3.3 数据库逻辑信息设计 |
| 4.3.4 数据库信息表设计 |
| 4.4 本章小结 |
| 第五章 系统关键模块详细设计 |
| 5.1 系统模块设计 |
| 5.2 系统管理模块设计 |
| 5.3 数据采集和分析模块设计 |
| 5.4 油中气体监测模块设计 |
| 5.5 铁芯接地电流监测设计 |
| 5.6 油温监测模块设计 |
| 5.7 本章小结 |
| 第六章 系统实现 |
| 6.1 使用ADO.NET连接数据库 |
| 6.2 系统登录模块的实现 |
| 6.3 油中气体监测模块的实现 |
| 6.4 铁芯接地电流监测模块的实现 |
| 6.5 油温监测模块的实现 |
| 6.6 本章小结 |
| 第七章 系统测试 |
| 7.1 测试工具 |
| 7.2 功能测试 |
| 7.3 性能测试 |
| 7.4 本章小结 |
| 第八章 总结与展望 |
| 8.1 论文工作总结 |
| 8.2 展望 |
| 致谢 |
| 参考文献 |
（3）变压器油色谱在线监测分析系统的优化设计与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.3 研究内容 |
| 1.4 本文结构 |
| 第二章 系统需求分析 |
| 2.1 变压器异常分析技术 |
| 2.1.1 变压器主体构成 |
| 2.1.2 变压器特征气体 |
| 2.1.3 基于特征气体的异常分析 |
| 2.2 业务及目标分析 |
| 2.2.1 业务现状分析 |
| 2.2.2 系统目标分析 |
| 2.3 系统功能需求分析 |
| 2.4 系统通信需求分析 |
| 2.5 系统非功能需求分析 |
| 2.6 本章小结 |
| 第三章 系统设计 |
| 3.1 系统研发技术 |
| 3.1.1 开发工具选择 |
| 3.1.2 系统通信技术 |
| 3.1.3 开发模式 |
| 3.2 系统拓扑结构设计 |
| 3.3 系统功能结构与流程设计 |
| 3.3.1 功能结构设计 |
| 3.3.2 功能流程设计 |
| 3.4 系统类结构设计 |
| 3.5 系统数据库设计 |
| 3.5.1 逻辑结构设计 |
| 3.5.2 数据表设计 |
| 3.6 本章小结 |
| 第四章 系统实现 |
| 4.1 系统功能实现环境 |
| 4.2 系统通信功能实现 |
| 4.3 系统功能模块实现 |
| 4.3.1 实时数据管理功能实现 |
| 4.3.2 历史数据管理功能实现 |
| 4.3.3 设备管理功能实现 |
| 4.3.4 系统日志管理功能实现 |
| 4.3.5 超限数据管理功能实现 |
| 4.3.6 用户管理功能实现 |
| 4.4 本章小结 |
| 第五章 系统测试 |
| 5.1 系统测试环境 |
| 5.2 系统测试方法 |
| 5.3 系统测试内容 |
| 5.3.1 功能测试内容 |
| 5.3.2 非功能测试内容 |
| 5.4 系统测试结果 |
| 5.4.1 功能测试结果 |
| 5.4.2 非功能测试结果 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
（4）油色谱在线监测装置入网检验（论文提纲范文）
| 0 引言 |
| 1 油色谱在线监测装置的组成及原理介绍 |
| 2 油色谱在线监测装置入网检验 |
| 2.1 检验项目及依据 |
| 2.2 标油配制装置及检验工作模式 |
| 2.2.1 标油配制装置 |
| 2.2.2 检测过程 |
| 2.2.3 检测结果评判 |
| 2.3 工作开展情况 |
| 2.4 检测注意事项 |
| 3 案例分析 |
| 3.1 脱气方式影响测试结果 |
| 3.2 配标油环节影响测试结果 |
| 4 结语 |
（5）110kV变压器油色谱在线监测系统的应用与研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1. 研究目的与意义 |
| 1.2. 国内外研究现状 |
| 1.3. 本文主要内容 |
| 第二章 油色谱分析技术的原理及其在变压器故障分析中的应用 |
| 2.1. 变压器故障原因 |
| 2.1.1. 油质引发的故障 |
| 2.1.2. 铁芯故障 |
| 2.1.3. 放电故障 |
| 2.1.4. 分接开关故障 |
| 2.1.5. 引出线故障 |
| 2.2. 故障类型分析 |
| 2.2.1. 变压器油中气体特征 |
| 2.2.2. 绝缘油中气体的其他来源分析 |
| 2.3. 变压器气体对应故障的关系 |
| 2.3.1. 变压器过热时产生的气体类型 |
| 2.3.2. 受潮条件下产生的组分 |
| 2.4. 基于油中溶解气体的变压器故障诊断法 |
| 2.4.1. 产气率判别故障 |
| 2.4.2. 气体的产气率判断故障 |
| 2.4.3. 三比值法(IEC) |
| 2.5. 应用Duval三角法判断 |
| 2.5.1. Duval三角法的概念 |
| 2.5.2. 区域的划分 |
| 2.6. 本章小结 |
| 第三章 广西南宁市 110k V长堽变电站油色谱在线监测装置的原理和构造 |
| 3.1. 油色谱检测的工作原理 |
| 3.1.1. 气相色谱技术 |
| 3.1.2. 分离方式 |
| 3.1.3. 气相色谱的基本参数 |
| 3.1.4. 塔板理论的概念 |
| 3.1.5. 速率理论的概念 |
| 3.1.6. 检测器的功能 |
| 3.2. 油色谱在线监测的硬件系统 |
| 3.2.1. 控制系统 |
| 3.2.2. 气路系统 |
| 3.2.3. 远动通信系统 |
| 3.3. 在线监测系统软件设计 |
| 3.3.1. 通讯服务软件 |
| 3.3.2. Web应用服务软件 |
| 3.3.3. 油中溶解气体趋势界面 |
| 3.3.4. TROM-600 系统的现场安装 |
| 3.4. 本章小结 |
| 第四章 变压器油色谱在线监测装置的应用实例研究 |
| 4.1. 实验背景 |
| 4.2. 变压器油色谱在线监测数据的分析方法 |
| 4.3. 利用产气率推断变压器是否故障 |
| 4.4. 判断变压器是否危害运行 |
| 4.5. 判断故障种类 |
| 4.6. 典型气体超标时的故障分析 |
| 4.6.1. 事例一乙炔含量越限分析 |
| 4.6.2. 事例二氢气含量越限分析 |
| 4.6.3. 制定油色谱在线监测数据分析计划 |
| 4.7. 在线监测系统效果分析评估 |
| 4.8. 本章小结 |
| 第五章 结论 |
| 5.1. 全文总结 |
| 5.2. 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 作者简介 |
（6）基于油色谱监测数据的变压器差异化评价及分层诊断方法（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究的目的和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 油色谱异常识别研究现状 |
| 1.2.2 油色谱阈值计算研究现状 |
| 1.2.3 油色谱故障诊断的研究现状 |
| 1.3 目前研究存在的问题 |
| 1.4 课题研究内容 |
| 第2章 基于油色谱在线数据的快速异常识别 |
| 2.1 基于KPCA的油色谱监测装置异常识别 |
| 2.1.1 数据的预处理及核变换 |
| 2.1.2 控制限计算 |
| 2.1.3 异常特征识别 |
| 2.1.4 案例分析 |
| 2.2 基于CANOPY的变压器异常识别 |
| 2.2.1 异常识别模型 |
| 2.2.2 案例分析 |
| 2.3 本章小结 |
| 第3章 油色谱差异化评价阈值计算 |
| 3.1 油中溶解特征气体产气试验 |
| 3.1.1 实验目标 |
| 3.1.2 实验平台 |
| 3.1.3 正常产气模拟 |
| 3.1.4 放电故障模拟 |
| 3.2 差异化阈值计算 |
| 3.2.1 威布尔拟合函数计算 |
| 3.2.2 基于P-R曲线的累计分布概率选取方法 |
| 3.2.3 差异化阈值故障识别方法 |
| 3.3 影响因素分析 |
| 3.3.1 基于分类水平分析特征气体阈值计算 |
| 3.3.2 区域电网特征气体阈值计算 |
| 3.3.3 现场数据验证 |
| 3.4 本章小结 |
| 第4章 基于DBN的油色谱故障诊断 |
| 4.1 基于深度信念网络的色谱故障诊断 |
| 4.1.1 基于深度信念网络的故障诊断 |
| 4.1.2 单一DBN油色谱故障诊断 |
| 4.2 油色谱组合DBN故障诊断方法 |
| 4.2.1 组合DBN故障诊断方法 |
| 4.2.2 输入特征、网络层数和节点数对诊断正确率的影响分析 |
| 4.2.3 案例分析 |
| 4.3 本章小结 |
| 第5章 结论与展望 |
| 5.1 结论 |
| 5.2 下一步研究展望 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（7）变压器油中气体在线检测装置的设计（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 变压器油中溶解气体在线检测的研究现状 |
| 1.3 课题研究内容及组织结构 |
| 2 变压器油中气体检测原理与方法分析 |
| 2.1 变压器油中气体产生的机理 |
| 2.2 变压器油中气体在线检测原理 |
| 2.3 气体数据处理算法 |
| 2.4 故障诊断方法 |
| 2.5 本章小结 |
| 3 在线检测装置硬件结构设计 |
| 3.1 变压器油中气体检测装置整体结构概述 |
| 3.2 最小系统及外围电路设计 |
| 3.3 温度控制策略 |
| 3.4 本章小结 |
| 4 系统软件设计与数据分析 |
| 4.1 系统软件设计 |
| 4.2 在线检测系统的实验数据分析 |
| 4.3 本章小结 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
（8）采用国产化光纤声波传感器的光声DGA在线监测系统应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 论文研究背景与意义 |
| 1.2 国内外气体光声光谱检测技术的研究现状 |
| 1.2.1 国外气体光声光谱检测技术的研究现状 |
| 1.2.2 国内气体光声光谱检测技术的研究现状 |
| 1.3 本课题的主要研究内容 |
| 1.4 本章小结 |
| 第二章 变压器内溶解性气体的检测 |
| 2.1 绝缘油的化学组成 |
| 2.2 绝缘油分解产气机理 |
| 2.3 气体在油中的传质过程 |
| 2.4 变压器内部故障类型与油中气体含量的关系 |
| 2.5 变压器油中溶解气体在线监测技术 |
| 2.6 变压器油中溶解气体在线监测产品 |
| 2.7 本章小结 |
| 第三章 气体光声光谱检测技术 |
| 3.1 近红外光谱法 |
| 3.1.1 近红外光谱分析机理与谱特点 |
| 3.2 气体光声光谱 |
| 3.2.1 气体光声光谱检测技术原理 |
| 3.2.2 光声光谱检测分析方法 |
| 3.3 本章小结 |
| 第四章 激光光声光谱变压器油气在线监测系统的研究 |
| 4.1 激光光声光谱变压器油气在线监测系统的结构 |
| 4.2 油气分离模块 |
| 4.2.1 油气分离模块结构 |
| 4.2.2 油气分离模块恒温装置 |
| 4.2.3 油气分离模块实验与分析 |
| 4.3 光声光谱气体组分含量测量模块 |
| 4.3.1 激励光源 |
| 4.3.2 光声池 |
| 4.4 最佳体积比设计 |
| 4.5 数据通信和管理模块 |
| 4.6 本章小结 |
| 第五章 激光光声光谱变压器油气在线监测系统的应用及分析 |
| 5.1 在线监测系统的安装 |
| 5.2 激光光声光谱变压器油气在线监测系统实验及分析 |
| 5.2.1 有效性和可靠性测试 |
| 5.2.2 稳定性测试 |
| 5.2.3 重复性及准确度测试 |
| 5.3 在线监测系统的应用及分析 |
| 5.3.1 在线监测系统在线数据分析 |
| 5.3.2 在线监测系统运维分析 |
| 5.4 本章小结 |
| 结论与展望 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 附件 |
（9）基于机器学习算法的变压器故障诊断（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题背景与意义 |
| 1.2 国内外研究现状综述 |
| 1.2.1 传统变压器故障诊断技术 |
| 1.2.2 基于机器学习算法的变压器故障诊断技术研究 |
| 1.3 本文所做的工作 |
| 第二章 变压器油中溶解气体产生原理与常见故障分析 |
| 2.1 变压器油中溶解气体产生原理 |
| 2.1.1 变压器正常运行时产气原理 |
| 2.1.2 变压器内部故障时产气原理 |
| 2.2 变压器内部故障类型及其油中溶解气体特征 |
| 2.3 变压器油色谱在线监测技术 |
| 2.4 本章小结 |
| 第三章 几种机器学习算法介绍 |
| 3.1 引言 |
| 3.2 逻辑回归算法 |
| 3.2.1 逻辑回归算法的结构 |
| 3.2.2 逻辑回归算法激活函数 |
| 3.2.3 逻辑回归算法目标函数 |
| 3.3 支持向量机算法 |
| 3.3.1 线性分类器 |
| 3.3.2 非线性分类器及核函数的应用 |
| 3.4 XGBoost算法 |
| 3.4.1 Boosting算法原理 |
| 3.4.2 XGBoost数学原理及特点 |
| 3.5 本章小结 |
| 第四章 基于油中溶解气体的变压器故障诊断研究 |
| 4.1 引言 |
| 4.2 基于逻辑回归算法的变压器故障诊断研究 |
| 4.2.1 迭代思想与算法流程 |
| 4.2.2 实验数据预处理 |
| 4.2.3 仿真验证 |
| 4.3 基于支持向量机的变压器故障诊断研究 |
| 4.3.1 输入输出数据处理 |
| 4.3.2 建立故障诊断模型 |
| 4.3.3 仿真分析 |
| 4.4 本章小结 |
| 第五章 基于XGBoost算法的变压器故障诊断研究 |
| 5.1 引言 |
| 5.2 数据预处理 |
| 5.3 基于XGBoost算法的变压器故障诊断研究 |
| 5.3.1 特征向量增强 |
| 5.3.2 算法结构及流程 |
| 5.3.3 仿真验证及灵敏度分析 |
| 5.3.4 实验结果对比分析 |
| 5.4 变压器故障诊断系统开发及应用 |
| 5.4.1 系统总体架构 |
| 5.4.2 系统运行环境 |
| 5.4.3 系统运行工况 |
| 5.4.4 系统功能设计 |
| 5.5 工程实例分析 |
| 5.6 本章小结 |
| 第六章 结论与展望 |
| 参考文献 |
| 附录1 油中溶解气体数据 |
| 致谢 |
| 攻读硕士学位期间已发表或录用的论文 |
（10）变压器油色谱在线监测及故障诊断技术在邢台地区的应用（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 选题背景及意义 |
| 1.2 变压器油中溶解气体在线监测系统的国内外研究现状 |
| 1.3 研究存在的问题 |
| 1.4 本课题研究的内容 |
| 第2章 变压器油的产气机理以及故障诊断方法 |
| 2.1 变压器油中溶解气体产生的机理 |
| 2.1.1 变压器油的产气机理及影响因素 |
| 2.1.2 变压器固体绝缘材料的分解产气机理及影响因素 |
| 2.1.3 气体来源的其他途径 |
| 2.2 气体在油中的溶解 |
| 2.3 变压器内部故障与油中溶解气体的关系 |
| 2.3.1 变压器的典型故障 |
| 2.3.2 变压器典型故障产生的特征气体 |
| 2.4 基于DGA技术的变压器故障诊断 |
| 2.4.1 判断设备有无故障 |
| 2.4.2 特征气体法 |
| 2.4.3 改良三比值法 |
| 2.5 DGA技术的问题 |
| 2.6 本章小结 |
| 第3章 MGA2000-6H型油色谱在线监测装置 |
| 3.1 油色谱在线监测系统 |
| 3.1.1 油色谱在线监测系统优势 |
| 3.1.2 油色谱在线监测系统分类 |
| 3.1.3 油色谱在线监测系统性能及技术指标要求 |
| 3.2 MGA2000-6H变压器油色谱在线监测装置 |
| 3.2.1 MGA2000-6H变压器油色谱在线监测装置基本结构 |
| 3.2.2 MGA2000-6H变压器油色谱在线监测工作原理 |
| 3.2.3 MGA2000-6H变压器油色谱在线监测通讯方式 |
| 3.2.4 MGA2000-6H变压器油色谱在线监测软件系统功能及应用 |
| 3.2.5 MGA2000-6H与TROM-600在线监测装置的对比分析 |
| 3.3 油色谱在线监测系统安装及调试 |
| 3.4 本章小结 |
| 第4章 油中溶解气体在线监测系统使用效果分析 |
| 4.1 油色谱在线监测装置在邢台地区的应用 |
| 4.1.1 公司在运变压器油中溶解气体在线监测装置统计 |
| 4.1.2 变压器油中溶解气体在线监测装置日常维护 |
| 4.2 油色谱在线数据与离线数据对比分析 |
| 4.2.1 在线监测装置等级划分 |
| 4.2.2 油色谱在线数据与离线数据对比分析 |
| 4.3 在线监测装置在运行中常出现的问题及整改建议 |
| 4.3.1 在线监测装置运行问题 |
| 4.3.2 整改建议 |
| 4.4 油色谱在线监测装置故障数据分析案例 |
| 4.4.1 案例一：放电故障 |
| 4.4.2 案例二：过热故障 |
| 4.4.3 案例三：乙炔含量超标 |
| 4.4.4 案例四：低能放电故障 |
| 4.4.5 案例五：火花放电故障 |
| 4.5 在线监测系统应用效益分析 |
| 4.6 本章小结 |
| 第5章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文及其它成果 |
| 致谢 |
| 作者简介 |
四、BSZ系列变压器油色谱在线监测装置（论文参考文献）
- [1]基于深度学习的变压器油中溶解气体浓度预测研究[D]. 苟家萁. 昆明理工大学, 2021(01)
- [2]变电站变压器在线监测系统的设计与实现[D]. 辜祥. 电子科技大学, 2021(01)
- [3]变压器油色谱在线监测分析系统的优化设计与实现[D]. 叶建蓉. 电子科技大学, 2020(01)
- [4]油色谱在线监测装置入网检验[J]. 刘子恩,潘大鹏,祁炯. 湖北电力, 2019(06)
- [5]110kV变压器油色谱在线监测系统的应用与研究[D]. 黄增柯. 广西大学, 2019(06)
- [6]基于油色谱监测数据的变压器差异化评价及分层诊断方法[D]. 荣智海. 华北电力大学(北京), 2020
- [7]变压器油中气体在线检测装置的设计[D]. 李久青. 山东科技大学, 2019(05)
- [8]采用国产化光纤声波传感器的光声DGA在线监测系统应用[D]. 王永伟. 华南理工大学, 2019(02)
- [9]基于机器学习算法的变压器故障诊断[D]. 孙琛. 上海交通大学, 2019(06)
- [10]变压器油色谱在线监测及故障诊断技术在邢台地区的应用[D]. 石佩. 华北电力大学, 2018(01)