论文部分内容阅读
运行电力变压器的油纸绝缘老化会引起设备的故障,影响电力系统的可靠运行。准确诊断油纸绝缘材料的老化程度,及时掌握变压器的绝缘老化状态,对保障设备和电网安全运行具有重要意义。油纸绝缘材料在电或热老化过程中会产生各种反映老化状态的特征量,如糠醛、甲醇、丙酮、CO和CO2等,并溶解于油中。目前运行变压器老化诊断主要基于检测与分析这些老化特征量,对应导则阈值进行实验室判断,存在单一特征量需要不同设备分析、无法用于有效现场诊断等问题。激光拉曼技术在物质成分分析及状态诊断领域具有一定的优势。论文开展基于激光拉曼光谱分析的油纸绝缘老化诊断研究,依托国家电网公司指南项目（SGS00200FCJS1700228）,研究了电热应力对油纸绝缘老化的影响,确定了老化特征物的拉曼特征峰分布及归属,分析了光谱特征量与老化程度的关系,引入了机器学习分类器建立老化诊断模型,验证了模型对实际变压器老化状态的判别能力。主要研究工作及取得的成果如下:（1）考虑电场与温度因素的共同作用,在实验室开展了油纸绝缘加速老化试验,制备不同老化类型、不同老化阶段的油纸绝缘样本。研究不同老化类型在老化过程中化学特征量的变化规律,分析绝缘纸聚合度、油中糠醛含量、油中水分含量及油中溶解气体含量与老化程度的关系。从微观结构角度解释了热应力和电热应力对油纸绝缘老化的影响。（2）确定了油纸绝缘老化过程中的主要溶解特征物（糠醛、甲醇、丙酮、CO和CO2）的特征峰分布及振动归属。基于拉曼光谱原理在实验室搭建了绝缘油拉曼光谱检测平台,获取不同老化阶段下拉曼光谱原始数据,分别采用三点滑动窗口平均法、五点三次平滑法和多项式拟合法进行数据预处理。（3）依据绝缘纸聚合度将老化样本划分为四个阶段。采用核主成分分析法对光谱数据降维,前8个主成分的献率为95.81%,光谱数据降至8维,提取反映老化状态的光谱特征量,分析新特征量与老化程度的内在关系。利用偏最小二乘法筛除数据样本中的奇异样本,采用Kennard-Stone挑选构建诊断模型的训练样本。（4）基于提取的主成分特征量,引入机器学习分类器（核Fisher判别分析、核函数支持向量机、径向基核函数神经网络）,并采用合适的寻优算法对其中的参数进行优化,构建3种老化诊断模型对油纸绝缘老化阶段进行识别。经过网格搜索寻优后KSVM的诊断准确率最高。最后,通过对比50组实际运行变压器典型油样的拉曼光谱诊断与传统特征量诊断结果,验证基于拉曼信号的油纸绝缘老化状态诊断方法的判别能力及泛化能力。论文的研究表明了基于拉曼光谱的油纸绝缘老化诊断方法具有较好的老化判别能力,为变压器油纸绝缘老化状态现场快速诊断奠定了基础。