(3.235.41.241) 您好!臺灣時間:2021/04/21 12:51
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:徐進輝
研究生(外文):Jin-Huei Shyu
論文名稱:油浸式變壓器預防診斷研究
論文名稱(外文):Research of Preventive Diagnosis for Oil-immersed Transformer
指導教授:陳政裕陳政裕引用關係
指導教授(外文):Jeng-Yue Chen
學位類別:碩士
校院名稱:國立虎尾科技大學
系所名稱:電機工程研究所
學門:工程學門
學類:電資工程學類
論文種類:學術論文
論文出版年:2007
畢業學年度:95
語文別:中文
論文頁數:98
中文關鍵詞:油浸式變壓器油中氣體分析法類神經網路
外文關鍵詞:Dissolved Gas AnalysisArtificial Neural NetworkOil-immersed Transformer
相關次數:
  • 被引用被引用:3
  • 點閱點閱:534
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
電力變壓器主要做為電力系統電壓的轉換,需承受長時間的高電壓、
大電流、大幅溫度變化及電磁力之衝擊。一旦發生故障往往造成很大的傷
害及廣大範圍的停電損失將會非常慘重,故如何維持電力變壓器的正常功
能,甚至進一步延長使用期限及預知事故的發生以便防範於未然是相當重
要的課題,且此有賴於良好的維護並藉由試驗及診斷技術來預防事故的發
生。油中溶解氣體分析法是目前用於診斷油浸式電力變壓器潛在內部故障
現象最有效之方法及最受歡迎之技術,此方法因可靠性較佳且可在不斷電
下實施,現在已成為變壓器例行之維護項目。
本論文主要研究應用油中氣體分析的方法,對油浸式電力變壓器故障
之診斷做一探討,並結合六種診斷法建構一套快速的綜合診斷系統程式。
當變壓器內部產生故障時,將檢測出的油中氣體成份含量,經由本程式可
迅速的診斷出故障類型。更進一步再以類神經網路方法進行輔助診斷,並
與常用之氣體模式分析法、油中氣體分析法,相互比較,以驗證其可行性。
經以台灣電力公司實際之變壓器故障案例進行測試驗證,本論文所提之方
法分析確實可做為變壓器預防維護保養的參考,提升變壓器運轉安全可靠
度。
The power transformer is designed to change the voltage of power system,
and have to face the burdens of long-term high voltage, large current, various
temperatures and impact of electromagnetic stress. Once a breakdown happens,
it always makes havoc and the outage will cause economic loss. Therefore, it is
important to keep the power transformer running smoothly and longer. On the
other hand, to predicate the breakdown events of the power transformer is
another main subject. Dissolved gas analysis technique is the most popular and
effective method for diagnosing the potential defects existing in oil-immersed
power transformer. To practice the technique can keep the power supply and
provide a higher reliability. The technique of dissolved gas analysis is adopted
to commence routine maintenance of the power transformer.
The main purpose of this thesis is to employ the dissolved gas analysis for
abnormal conditions diagnose. A fast and accurate synthesis diagnosis program
which based on six different existing theories is designed in this thesis. The
abnormal parts and fault types can be detected when the power transformer oil
dissolved gas data is applied to the program. An artificial neural network (ANN)
is employed to assist diagnosis program. The approach in this thesis is compared
with conventionally-used methods, gas pattern analysis (GPA) and dissolved gas
analysis (DGA), to investigate its feasibility. The practical data of faulted cases
from Taiwan Power Company has been utilized to test the proposed method.
From the simulation results, it has been shown the proposed approach in this
thesis can provide an alternative method to maintenance the power transformer
operating reliability and safety.
中文摘要 ---------------------------------------- i
英文摘要 ---------------------------------------- ii
致謝 -------------------------------------------- iii
目錄 -------------------------------------------- iv
圖目錄 ------------------------------------------ vii
表目錄 ------------------------------------------ ix
第一章 緒論--------------------------------------------- 1
1.1 研究動機與背景 ---------------------------------- 1
1.2 相關文獻回顧 ------------------------------------ 2
1.3 研究目的及方法 ---------------------------------- 4
1.4 本論文貢獻 -------------------------------------- 5
1.5 本論文章節概要 ---------------------------------- 6
第二章 油浸式變壓器之絕緣保護及故障測試 ------------ 7
2.1 簡介 -------------------------------------------- 7
2.2 油浸式變壓器的內部構造 -------------------------- 9
2.2.1 一般構造 ------------------------------- 9
2.2.2 鐵心 ----------------------------------- 10
2.2.3 線圈 ----------------------------------- 12
2.2.4 絕緣材料 ------------------------------- 14
2.2.5 絕緣油 --------------------------------- 15
2.3 油浸式變壓器的絕緣保護 ------------------------- 17
2.3.1 油劣化防止裝置 ------------------------- 18
v
2.3.2 油面計 --------------------------------- 19
2.3.3 空氣檢出裝置 --------------------------- 20
2.3.4 吸濕呼吸器 ----------------------------- 21
2.3.5 散熱器及冷卻裝置 ----------------------- 22
2.3.6 高低壓套管 ----------------------------- 22
2.3.7 保護裝置 ------------------------------- 23
2.4 變壓器維護測試故障診斷 ------------------------- 24
2.4.1 絕緣油試驗 ----------------------------- 26
2.4.2 介質電力因數試驗 ----------------------- 26
2.4.3 直流絕緣電阻試驗 ----------------------- 27
2.4.4 激磁電流試驗 --------------------------- 29
2.4.5 匝比試驗 ------------------------------- 29
2.4.6 線圈直流電阻試驗 ----------------------- 30
2.4.7 變壓器故障原因 ------------------------- 30
第三章 油中溶解氣體綜合診斷系統 --------------------- 33
3.1 簡介 ------------------------------------------- 33
3.2 變壓器油中氣體來源 ----------------------------- 34
3.2.1 絕緣油熱分解 --------------------------- 35
3.2.2 固體絕緣物受熱分解 --------------------- 36
3.2.3 其他氣體來源 --------------------------- 38
3.3 油中溶解氣體之變壓器故障診斷 ------------------- 39
3.3.1 油中溶解氣體分析法概論 ----------------- 40
3.3.2 氣體模式診斷法 ------------------------- 44
vi
3.3.3 數碼分析診斷法 ------------------------- 50
3.4 油中溶解氣體綜合診斷系統之開發 ----------------- 59
3.4.1 綜合診斷系統之數值驗證 ----------------- 62
3.4.2 綜合診斷系統之實例診斷 ----------------- 64
第四章 類神經網路方法之變壓器故障診斷 -------------- 74
4.1 簡介 ------------------------------------------- 74
4.2 類神經網路診斷法 ------------------------------- 75
4.2.1 類神經網路簡介 ------------------------- 75
4.2.2 現有類神經網路診斷系統 ----------------- 78
4.3 本文類神經網路診斷法 --------------------------- 80
4.3.1 以iDA 建構類神經網路 ------------------- 80
4.3.2 本文類神經網路診斷之驗證 --------------- 84
4.3.3 類神經網路診斷之實例診斷 --------------- 92
第五章 結論與未來展望 -------------------------------- 94
5.1 結論 ------------------------------------------- 94
5.2 未來展望 --------------------------------------- 95
參考文獻 ----------------------------------------------- 96
[1]M. Duval, "Dissolved Gas Analysis: It Can Save Your Transformer," IEEE
Electrical Insulation Magazine, Vol. 5, No. 6, 1989, pp. 22-27.
[2]P. S. Pugh and H. H. Wagner, "Detection of Incipient Faults in Transformer
by Gas Analysis," AIEE Transaction, Vol. 80, 1961, pp. 189-195.
[3]J. J. Kelly, "Transformer Fault Diagnosis by Dissolved-Gas Analysis," IEEE
Transaction on IA, Vol. 16, No. 6, 1980, pp. 777-782.
[4]E. Dornenburg and W. Strittmater, "Monitoring Oil Cooling Transformers by
Gas Analysis," Brown Boveri Review, Vol. 61, 1974, pp. 238-274.
[5]R. R. Rogers, "IEEE and IEC Codes to Interpret Incipient Gaults in
Transformers Using Gas in Oil Analysis," IEEE Transaction on EI, Vol. 13,
1978, pp. 348-354.
[6]ANSI/IEEE Std C57. 104-1991, "IEEE Guide for The Interpretation of
Gases Generated in Oil-Immersed Transformers," IEEE Power Engineering
Society, 1992.
[7]Z. Wang, Y. Liu and P. J. Griffin, "Neural Net and Expert System Diagnose
Transformer Fault," IEEE Computer Application in Power, Vol. 4, 2000,
pp.50~55.
[8]Chin E. Lin, Jeeng-Min Ling and Ching-Lien Huang, "An Expert System for
Transformer Fault Diagnosis Using Dissolved Gas Analysis," IEEE
Transaction on Power Delivery, Vol.8, No.1, 1993, pp. 231-238.
[9]H. T. Yang and C. C. Liao, "Adaptive Fuzzy Diagnosis System for Dissolved
Gas Analysis of Power Transformer," IEEE Transaction on PWRD, Vol. 14,
97
No. 4, 1999, pp. 1342-1350.
[10]Y. C. Huang, H. T. Yang and C. L. Huang, "Developing A New Transformer
Fault Diagnosis System Through Evolutionary Fuzzy Logic," IEEE
Transaction on PWRD, Vol. 12, No. 2, 1997, pp. 761-767.
[11]楊宏澤、黃昭明,"用於電力變壓器溶解氣體分析法之適應性模糊診斷
系統",行政院國科會89 年度電力科技產業學術合作研究,89 年7 月。
[12]Syed Mofizul Islam, Tony Wu and Gerard Ledwich, "A Novel Fuzzy Logic
Approach to Transformer Fault Diagnosis," IEEE Transaction on EI, Vol.7,
No.2, April 2000, pp. 177-186.
[13]Z. Wang , Y. Liu, N. C. Wang, T. Y. Guo, F. T. C. Huang and P. J. Griffin,
"Artifical Intelligence in Power Equipment Fault Diagnosis," IEEE Power
System Technology International Conference, Vol.1, 2000, pp. 247-252.
[14]J. L. Guardado, J. L. Naredo, P. Moreno and C. R. Fuerte, "A Comparative
Study of Neural Network Efficiency in Power Transformer Diagnosis Using
Dissolved Gas Anysis," IEEE Transaction on Power Delivery, Vol. 16, No. 4,
2001, pp. 643~647.
[15]Zhenyuan Wang, Yuwen Zhang, Chun Li, Yilu Liu, "ANN-Based
Transformer Fault Diagnosis", Proceedings of the 59th American Power
Conference, Vo1.59-I, Chicago, April 1997, pp.428-432
[16]黃宗正,"變壓器油中氣體分析與診斷故障",台灣電力公司訓練所,高
壓電力設備之運轉與維護技術班講義,95 年9 月。
[17]顏協和,"變壓器油中氣體分析的發展趨勢",電機工程月刊,89 年4
月,pp.164-181。
98
[18]"注油變壓器的維護管理"日本電氣協同研究第54 卷第5 號,81 年2 月。
[19]吳萬生,"大同變壓器的特性構造",大同公司技術委員會,63 年12 月。
[20]林安志,"線上變壓器油中氣體監控診斷系統之研究",崑山科技大學碩
士論文,92 年6 月。
[21]陳紫芬、陳耀武,"變壓器油之特性與維護管理",台電工程月刊,第
537 期,82 年5 月。
[22]汪素芬,"變壓器油中溶解氣體之化學分析法",電機工程月刊,82 年2
月,pp.63-69。
[23]呂清源,"變壓器附屬設備維護要領",台灣電力公司訓練所講義,93
年01 月,pp.1-25。
[24]台灣電力公司試驗所,"電力試驗工作手冊"。
[25]吳光超,"以油中氣體成分比值之數碼法診斷異常變壓器",電機工程月
刊,82 年2 月,pp.76-82。
[26]Y. Zhang, X. Ding, Y. Liu and P. J. Griffin, "An Artificial Neural Network
Approach to Transformer Fault Diagnosis," IEEE Transaction on PWRD, Vol.
11, No. 4, 1996, pp. 1836-1841.
[27]葉怡成,"類神經網路應用與實作",儒林圖書股份有限公司,86 年。
[28]曾新穆,李建億譯,Richard J.Roiger,Michael W. Geatz 著,"資料
探勘Data Mining",台灣培生教育出版,92 年。
[29]陳政裕、徐進輝、邱國珍、莊忠勇,"電力變壓器油中氣體診斷系統研
究",第二十七屆電力工程研討會論文,清華大學,2006,PC3.18。
[30]陳政裕、徐進輝、鍾文深、邱國珍,"電力變壓器預防診斷研究",2007
現代電機科技研討會論文集,虎尾科技大學,pp.316-321。
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔