变压器在线监测及故障诊断技术,对提高电力系统的安全稳定性具有十分重要的意义,其中基于油中溶解气体分析的在线监测技术是变压器在线监测中最普遍,也是最重要的技术。目前已投入使用的油中溶解气体在线监测系统普遍存在一些不足,如检测气体种类少、准确度及精确度不高、体积大、成本高等。 本文对变压器油色谱在线监测及故障诊断系统进行了研究,分析了其它色谱在线监测方法的种种不足,对其进行了改进,设计了一套变压器油在线监测系统,能够及时、准确地监测变压器油中溶解的各种特征气体,实时地反映设备的运行状态,并对故障诊断算法进行了仿真。提出了将基于MEMS技术的微型热导池检测器用于变压器油在线监测系统当中。为了提高监测设备灵敏度、增加分离度和可靠性,并减小设备体积,通过理论分析和大量的实验,结合检测器特点,确定了气相色谱柱所用的固定相,以及柱内径、柱长、柱压、样气量等各项操作参数。 根据电站高电压设备和在线监测技术的特点,提出了一种基于数据融合的数据处理算法,该算法用分布图法剔除疏失误差,并用基于递推估计的数理统计方法对采样数据进行处理,既滤除了干扰又保留了测量数据的局部与全局特性。通过实验比较,证明了该算法的有效性。 在获得真实可靠的监测数据的基础上,还进行了运行状态预测的故障诊断方法的探讨,提出了基于BP神经网络的故障诊断方法,建立了一个诊断模型,并对该模型进行了仿真,仿真结果表明该算法明显优于传统IEC三比值法等故障诊断方法,能够比较准确地定性和定量地对故障做出判断,为电力运营部门提供有用的决策依据。