基于多参量融合及BP神经网络的绕组短路诊断方法及系统

    公开(公告)号:CN117388762A

    公开(公告)日:2024-01-12

    申请号:CN202311245213.6

    申请日:2023-09-25

    IPC分类号: G01R31/62 G01R31/52

    摘要: 本发明公开了一种基于多参量融合及BP神经网络的绕组短路诊断方法及系统,属于电力变压器绕组短路故障检测技术领域。本发明方法,包括:基于所述拓扑数据搭建变压器的单相双绕组等效电路模型;获取变压器首末端的电压电流数据,根据所述电压电流数据构造用于表征变压器绕组不同状态的李萨如图形和扫频阻抗曲线;提取出不同状态下李萨如图形和扫频阻抗曲线的特征参量,并对所述特征参量进行多参量融合,以建立变压器绕组状态的特征参量样本库;基于所述特征参量样本库及BP神经网络,建立用于变压器绕组短路故障诊断的故障诊断模型,通过所述故障诊断模型,诊断变压器绕组的短路故障。本发明能够用于诊断变压器绕组的短路故障。

    一种基于参数辨识的绕组结构故障定位方法及装置

    公开(公告)号:CN117347916A

    公开(公告)日:2024-01-05

    申请号:CN202311241062.7

    申请日:2023-09-25

    IPC分类号: G01R31/62

    摘要: 本发明公开了一种基于参数辨识的绕组结构故障定位方法及装置。其中,方法包括:获取不同状态下变压器绕组的实测频响数据;构建变压器绕组的梯形网络结构,并通过施加不同状态的边界条件,确定不同状态下梯形网络结构中元件的初始参数;利用梯形等效网络的电压电流关系,确定变压器绕组单元每个元件的单元参数与频率响应数据的关联关系;根据不同状态下实测频响数据构建目标函数,采用参数识别算法,根据不同状态下的初始参数、目标函数以及单元参数与频率响应数据的关联关系,识别不同状态下梯形网络结构元件的最优参数;根据不同状态下梯形网络结构元件的最优参数以及变压器绕组的正常参数,确定变压器绕组的故障类型、位置和程度的诊断。