基于大数据的变压器油中溶解气体关键状态量动态预警研究
Power Systems and Big Data（2021）
摘要
针对传统方法难以解决变压器故障诊断中精确度不高、无法实现故障预警的问题,本文利用大数据分析方法,提出一种变压器油中溶解气体关键状态量动态预警方法.该方法采用了高斯混合聚类模型对设备的正常、亚健康和异常状态进行评价,并利用了隐马尔科夫转移矩阵提取色谱演化过程的动态特征参量,实现了亚健康状态下变压器设备状态的短期预测,实现了变压器亚健康状态的动态预警,突破了个性化运行环境下设备亚健康状态的实时诊断及剩余寿命预测等技术瓶颈.经过对案例库中的变压器进行实证分析,本文提出的方法能够反映出气体增长速率与变压器亚健康程度之间的关系,能够实现过热缺陷设备提前100天左右的短期动态故障预警,在故障动态预警方面具有实用价值.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要