油中溶解气体分析（dissolved gas analysis,DGA）是现场电力变压器故障诊断最常用的方法。然而,油中溶解气体含量较容易受到变压器结构、容量、故障位置以及故障程度等因素的影响,从而降低了变压器故障诊断的可靠性。为了提升变压器故...油中溶解气体分析（dissolved gas analysis,DGA）是现场电力变压器故障诊断最常用的方法。然而,油中溶解气体含量较容易受到变压器结构、容量、故障位置以及故障程度等因素的影响,从而降低了变压器故障诊断的可靠性。为了提升变压器故障诊断正确率,该文提出了基于支持向量机（support vector machie,SVM）和遗传算法（geneti calgorithm,GA）优选的DGA新特征参量。首先,以28个DGA比值为输入,建立了基于SVM的变压器故障诊断模型;其次,采用GA同时对SVM参数和DGA比值进行优化,得到9个优选DGA比值作为变压器故障诊断用新特征参量。对IEC TC 10故障数据库的诊断结果表明：DGA新特征参量的故障诊断正确率为84%,较常用的DGA含量和IEC比值的诊断正确率提高10%~25%;并且无论采用哪种特征参量,支持向量机的诊断结果均优于神经网络诊断模型。最后,采用DGA新特征参量对国内117组变压器的故障诊断正确率达到了87.18%,再次验证了该方法的有效性。展开更多
智能变电站中数据通过以太网架构综合信息一体化传输网络进行共享,及时有效的数据交互是确保智能变电站正常运行的重要环节。针对现有的数据优先级调度策略所存在的缺陷,对传统加权轮询算法进行改进,并将其运用于智能变电站综合数据调...智能变电站中数据通过以太网架构综合信息一体化传输网络进行共享,及时有效的数据交互是确保智能变电站正常运行的重要环节。针对现有的数据优先级调度策略所存在的缺陷,对传统加权轮询算法进行改进,并将其运用于智能变电站综合数据调度中。以220 k V典型智能变电站为例,在OPNET网络仿真软件中建立站内通信模型进行实例仿真。结果表明,紧急情况下,改进后的加权轮询算法可以为高实时性要求报文提供更好的服务。展开更多
文摘智能变电站中数据通过以太网架构综合信息一体化传输网络进行共享,及时有效的数据交互是确保智能变电站正常运行的重要环节。针对现有的数据优先级调度策略所存在的缺陷,对传统加权轮询算法进行改进,并将其运用于智能变电站综合数据调度中。以220 k V典型智能变电站为例,在OPNET网络仿真软件中建立站内通信模型进行实例仿真。结果表明,紧急情况下,改进后的加权轮询算法可以为高实时性要求报文提供更好的服务。
