论文部分内容阅读
变压器油是电力变压器中的重要绝缘介质,油中微水含量是决定变压器性能的重要因素。油中较高的微水含量会造成绝缘系统中的许多问题,例如击穿电压降低,介电损耗增加以及有机物化学反应的加速,甚至绝缘击穿、烧毁设备等重大事故。但目前电力行业大多数是按期将绝缘油从运行中的变压器中取出在外部实验室进行卡尔·费休滴定法测量其微水含量,该方法虽然检测精度高但无法及时发现变压器的潜在故障。因此,研究一种及时、有效的变压器油中微水含量的检测方法对确保变压器安全稳定运行具有重要意义。超声检测技术是一种基于声波传播介质的声衰减特性来获得表征传播介质特性参数的技术。论文利用变压器油多频超声检测设备采用超声渗透检测法和超声反射检测法相结合的方式对变压器绝缘油进行了检测,获得了表征变压器油中微水含量特征信息的242维多频超声数据,并研究分析了多频超声数据与变压器油中微水含量变化的关系。利用PCA-GA-BPNN建立变压器油中微水含量的回归识别模型,最终实现了对油中微水含量的有效检测。本文的主要研究工作及研究结果如下:(1)论文所采用的系统是结合超声渗透检测法和超声反射检测法的方式对变压器油进行多频超声检测的,其检测中心频率为750kHz,检测频率范围为600kHz-1000kHz。其中,多频超声波L1相的信号为基准信号,其L1相幅值响应与油中微水含量正相关;L2相幅值响应与油中微水含量负相关;油中微水含量越高,同一油样的L1相和L2相幅值响应在同一频率点上的差异越大;L3相多频超声幅值响应与油中微水含量在所有检测频率内无明显的正负相关关系;除少数特殊情况外,当油样的微水含量超过25mg/L时,943.7kHz处L3相信号的幅值响小于0.05V。(2)分别利用PCA和MDS两种降维算法对原始242维超声波数据进行数据降维,并在反向传播神经网络和广义回归神经网络两种模型下验证了两种降维算法的准确度,研究结果表明PCA和MDS两种降维算法均能实现原始多频超声波数据的有效降维,且在数据维度23维时,PCA的验证精度在反向传播神经网络和广义回归神经网络两种模型下分别为99%和97%均优于MDS。(3)建立了基于PCA-GA-BPNN和基于PCA-PSO-GRNN的变压器油微水含量回归识别模型。在相同训练练集与测试集的条件下,对比分析PCA-GA-BPNN和PCA-PSO-GRNN的变压器油微水含量回归识别模型,结果表明:变压器油微水含量PCA-GA-BPNN预测模型的预测精度为92.93%,PCA-PSO-GRNN的变压器油微水含量回归识别模型的预测精度为89.69%,并且在模型预测误差上,PCA-GA-BPNN的变压器油中微水含量回归识别模型的MAPE=7.07%,RMSE=0.2339,perr=0.0039均优于PCA-PSO-GRNN的变压器油中微水含量回归识别模型。