产业应用

为不同行业客户提供数据管理、分析展现、深度挖掘的数据运营方案,帮助企业实现内部业务信息系统数据化,数据价值化的全面升级

电力

变压器油色谱浓度预测及故障智能诊断分析
应用产品: Tempo人工智能平台

项目背景

随着智能运检技术不断发展,基于大数据深度学习和机器学习算法,构建变压器油色谱浓度预测及故障智能诊断分析模型,实现变压器设备状态评价、风险预警、故障研判。

问题与挑战

1.变压器故障早期诊断的最佳方法主要是油中溶解气体分析法,变压器设备在发生故障前,其内部会析出多种气体, 溶解于变压器油中,溶解气体的含量和故障类型有密切的联系,目前的变压器油色谱浓度状态监测装置,主要是对于油色谱浓度状态的监测,无法基于监测数据实现故障前兆分析。
2.传统的变压器油中溶解气体诊断方法有三比值法、大卫三角形法等,存在判正率较低及由于故障编码不完全、编码缺失,造成的某些故障无法诊断的问题。

解决方案

  • 变压器油色谱浓度预测

基于灰关联分析和支持向量机算法的变压器设备油中溶解特征气体浓度预测方法,输入基于支持向量机算法的变压器油中溶解气体浓度预测模型,得到预测目标特征气体未来三日的油中溶解浓度。

变压器油色谱浓度预测 

  • 变压器油色谱故障智能诊断分析模型

基于油中溶解气体的变压器设备故障智能诊断分析模型,通过对变压器故障时产生的H2、CH4、C2H6等特征气体进行数据分析,探索变压器故障类型与油中溶解气体的关联机理和规律,构建变压器故障诊断规则集,利用油中溶解特征气体的特点及时发现变压器内部的潜伏性故障,实现变压器故障的快捷、智能诊断,提升对设备的超前控制能力。

变压器油色谱故障智能诊断分析模型



应用价值

  • 变压器油色谱故障智能诊断分析

基于油色谱的变压器故障智能诊断分析模型,解决传统的三比值法由于故障编码不完全、编码缺失,造成的某些故障无法诊断以及当变压器内部出现多种电故障和热故障联合作用时,无法找到故障对应的比值组合而无法进行诊断的情况。

  • 变压器油色谱浓度预测

变压器故障早期诊断的最佳方法主要是油中溶解气体分析法,溶解气体的含量和故障类型有密切的联系,通过变压器油色谱浓度预测,捕捉到变压器设备故障的前兆,从而合理安排检修工作,提升对设备的掌控能力。


end

上一篇:能源大数据之联合动力机组齿轮箱故障预警

下一篇:配网多源网架融合及智能核查系统

立即免费申请产品试用
热门标签Popular tags
网站地图
实训科研平台
教学管理
实验管理
人工智能
元子实验
项目实训
大数据分析
数据资源管理
应用场景
教学实践实验室
项目实训实验室
产业应用
制造
电力
煤炭
水利水务
金融
政务
教育生态
服务体系
合作高校
客户故事
产业合作
专家团队
产学合作协同育人
数据超市
Tempo云社区
名师课堂
项目实训实战课堂
关于美林
美林数据
新闻动态
行业资讯