阅读提示：本文约 1900 字
其他
西南大学研究团队就变压器运维热点问题提出一种特征气体含量预测方法
传统变压器油中气体预测领域通常使用单变量与多变量预测模型，并且多变量预测模型在辅助变量历史数据采集精确与序列平稳性高的情况下预测精度较高。但是实际工程应用中历史数据采集精确度并不理想，并且气体历史时间序列普遍存在非线性、非平稳特性，导致多变量预测模型预测精度和可靠性降低。西南大学工程技术学院电力设备状态监测与故障诊断研究团队通过对原始序列进行研究分析，在2023年第1期《电工技术学报》上撰文，提出了一种分解-预测-重构预测方法，有效地解决了原始序列非线性、非平稳特性与辅助变量影响预测精度的问题，并通过仿真实验进行了有效性验证。
研究背景
电力变压器作为电网中最关键和最重要的电力设备之一，对其进行状态诊断与预测是保障电网安全、稳定、可靠运行的关键一步，对促进社会经济发展有着至关重要的意义。
变压器主要采用油纸绝缘结构，在变压器运行过程中，油纸绝缘材料受热应力、电应力、催化剂等因素的影响，会逐渐老化分解，在油中产生少量的溶解气体（H2、CH4等）。油中溶解气体分析（Dissolved Gas Analysis, DGA）技术依据气体组分含量、比值、相对百分比的变化，能够有效地发现变压器内部潜在故障，追踪故障发展趋势。因此，油中溶解气体含量预测有着重要的意义。
论文所解决的问题及意义
变压器油中溶解气体含量值的预测及故障诊断技术的研究和应用是确保变压器安全可靠运行的前提和依据。变压器油中溶解气体含量能从一定程度上反映变压器的运行工况，通过在线监测油中溶解气体含量，进而预测未来时刻气体含量值，结合适当的方法判断即将发生故障的类型。
分析油中溶解气体含量是判断变压器是否即将出现故障的突破口，通过特征气体的“指标”（类型和浓度值），也可以实时掌握变压器是否即将发生故障以及故障的类型。
变压器油中溶解气体历史采集数据普遍存在非线性、非平稳特性，该特性也是导致现有预测模型预测效果欠佳与可靠性低的主要原因。
论文方法及创新点
1.论文使用差分法对原始时间序列趋势项提取，结合粘菌优化算法（SMA）优化后的变分模态分解（VMD）对序列进行分解处理，可以将复杂的油中溶解气体序列分解成为一组平稳的、周期性强的模态分量，有效地解决了原始序列非线性、非平稳特性对预测精度的影响。然后，结合参数优化的门控循环单元（GRU）分别对所得各分量进行预测。
2.研究建立了基于SMA-VMD-GRU的变压器油中溶解气体含量预测模型。所提方法操作流程如图1所示。
图1 预测模型流程图
实验验证与结论
研究基于某变压器在线监测实测数据如图2，首先以H2为例进行SMA-VMD-GRU仿真实验，如图3所示。
图2 电力变压器油中气体在线监测
图3 H2仿真验证实验
通过对H2序列仿真实验，验证了所提方法可以将复杂的油中溶解气体序列(H2)分解成为一组平稳的、周期性强的模态分量，如图3(b)所示，并且在后期分量预测中取得了理想的预测效果，如图3(c)所示。然后，通过与多种预测模型对比分析，如图3(d)所示，所提方法绝对百分比误差仅为0.36%。
最后，为了验证所提方法的有效性与可靠性，本文使用同一台变压器油中CH4、CO、总烃含量做了有效性仿真实验验证，三种特征气体预测绝对百分比误差分别为0.29%、0.15%、4.99%。皆取得了理想的预测效果，验证了所提方法的有效性、可靠性。
团队介绍
研究人员隶属于西南大学工程技术学院电力设备状态监测与故障诊断团队，实验室包含718研究室（涉及高电压与绝缘技术、电气设备在线监测技术、电介质材料改性技术研究，负责人唐超），629研究室（涉及状态监测设备制备，故障数据边设备和服务器端算法设计和部署，负责人胡东）。
团队负责人为唐超教授。团队现包含教授2人，副教授4人，讲师3人，多年来坚持面向电力设备状态监测中绝缘材料机理、低功耗传感器机理、低功耗高可靠性端设备制备、故障诊断算法的轻量化和鲁棒性方面，进行深入、持之以恒的研究。近年来，团队完成了多项国家，省和各类企业的研究项目，并为多家企业提供技术支持。
胡东
讲师，主要从事智能设备软硬件平台化设计、电力设备状态监测与故障诊断等方面研究。
唐超
教授，博导，主要从事高电压与绝缘技术、电气设备在线监测技术、电介质材料改性技术等方面研究。
谢菊芳
副教授，硕士生导师，研究方向为电力系统自动化、电力设备状态监测与故障诊断研究。
杨童亮
硕士研究生，研究方向为电力设备状态评价与故障诊断。
方云
硕士研究生，研究方向为电力设备状态评价与故障诊断。
本文编自2023年第1期《电工技术学报》，论文标题为“基于SMA-VMD-GRU模型的变压器油中溶解气体含量预测”。本课题得到国家自然科学基金项目的支持。
引用本文
杨童亮, 胡东, 唐超, 方云, 谢菊芳. 基于SMA-VMD-GRU模型的变压器油中溶解气体含量预测[J]. 电工技术学报, 2023, 38(1): 117-130. Yang Tongliang, Hu Dong, Tang Chao, Fang Yun, Xie Jufang. Prediction of Dissolved Gas Content in Transformer Oil Based on SMA-VMD-GRU Model. Transactions of China Electrotechnical Society, 2023, 38(1): 117-130.
阅读全文
🔗 高校电气电子工程创新大赛往届获奖作品展播（第五期）｜“甄羽”—电网涉鸟故障相关鸟种智能识别软件
🔗 2023年第四届电力装备绝缘与放电计算学国际研讨会第一轮会议通知
联系我们
☎️ 《电工技术学报》：010-63256949/6981；邮箱：dgjsxb@vip.126.com
☎️ 《电气技术》：010-63256943；邮箱：dianqijishu@126.com
☎️ 《中国电工技术学会电机与系统学报（CES TEMS）》：电话：010-63256823；邮箱：cestems@126.com
☎️ 编务：010-63256994
☎️ 订阅：010-63256817
☎️ 商务合作：010-63256867/6838