电力系统设备状态监测的概念及现状.pdf

《电力系统设备状态监测的概念及现状.pdf》由会员分享，可在线阅读，更多相关《电力系统设备状态监测的概念及现状.pdf（6页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、文章编号:100023673(2000)1120012206电力系统设备状态监测的概念及现状陈维荣1,2,宋永华1,孙锦鑫3(1.布鲁内尔(Brunel)大学,英国;2.西南交通大学电气化自动化所,四川省 成都市610031;3.博世杰电力技术研究所,北京100085)CONCEPT AND PRESENT SITUATI ON OFCOND ITI ONMONITORINGOF POW ER SYSTEM EQUIPM ENTCHEN W ei2rong1,2,SON G Yong2hua1,SUN Jin2xin3(1.BrunelU niversity,U xbridge,M iddle

2、sex,UB8 3PH,U K;2.Southwest Jiaotong U niversity,Chengdu 610031,Sichuan Province,China;3.BSJ Power Technology Institute,Beijing 100085,China)ABSTRACT:The increased challenges to reduce operatingcosts,enhance the availability of the generating and trans2m ission equipment and i mprove the supply of p

3、ower and ser2vice to customers,have produced a need for condition moni2toring of power system.W ith condition monitoring,mainte2nance is scheduled only when it is required,but before fail2ure occurs.In this way,downti me is m ini m ized,mainte2nance costs are reduced and the life of assets is extend

4、ed.A fter introducing the concepts and functions of conditionmonitoring,this paper describes the general methods andresearch status of the condition monitoring in power sys2tem,and points out its development trends.It is expectedthat condition monitoring w ill be developed into a new i m2portant res

5、earch field.KEY WORDS:condition monitoring;predictive mainte2nance;trend prediction;fault diagnosis摘要:面对降低运行成本、提高发送电设备的利用率以及改善电力质量和用户服务的挑战,迫切需要采用电力系统状态监测技术。状态监测可使维护只在需要时才安排,使停电时间最短,降低成本,延长设备的使用寿命。介绍了电力系统状态监测的概念、作用和一般方法,阐述了电力系统状态监测的研究现状和发展趋势,并指出状态监测将发展成为电力系统中的一个重要的新兴研究领域。关键词:状态监测;预测维护;趋势预测;故障诊断中图分类号:

6、TM 93文献标识码:A1前言基金项目:国家重点基础研究发展规划项目“我国电力大系统灾变 防 治 和 经 济 运 行 的 重 大 科 学 问 题 的 研 究”资 助 项 目(G1998020310)。状态监测实际上并不是一个全新的概念和技术,它首先在机械设备的状态评估和维护上得到应用。在机械工程领域,由于操作人员很接近正在运转的机械,因此根据经验,他们可以对这些机械的状态的好坏直接作出评估。然而,随着机械设备结构复杂程度的日益增加以及自动化水平的提高,这种靠操作人员进行的状态监测已不能适应工程应用的需要,从而提出了各种不同的状态监测技术,研究开发了众多的状态监测系统,这些系统在工程中已得到了成

7、功应用,取得了显著的经济效益和社会效益13。近年来,状态监测在电力系统中越来越受到有关管理、科研、运营和工程技术人员的重视。主要有以下几方面的原因:由于电力设备的故障,不仅会造成供电系统意外停电而导致电力公司经济效益减少,且可能造成用户的重大经济损失和抱怨,因此迫切需要做到有计划的维护和停电;电力部门希望尽量延长电力设备的维护间隔、缩短维护时间,从而缩短停电时间,减少因停电维护而造成的影响,增加经济效益;尽可能延长电力设备的使用寿命,以增加经济效益。这些因素促使电力系统采用状态监测技术。可以肯定地说,广泛采用状态监测技术是电力系统发展的必然趋势。2状态监测的概念、作用及一般步骤所谓状态监测或条

8、件监测(Condition M onitor2ing,CM),与预测维护(predictive maintenance)或基于条件的维护(condition2based maintenance)以第24卷 第11期2000年11月电网技术Power System TechnologyVol.24 No.11Nov.2000及检测维护(detective maintenance),其思路都是一致的。状态监测可定义如下4,即一种利用设备在需要维护之前,存在一个使用寿命的这种特点的预测方法,充分利用整个设备或者设备的某些重要部件的寿命特征,开发应用一些具有特殊用途的设备,并通过数据采集以及数据分析来

9、预测设备状态发展的趋势。借助于电厂或电力设备的状态监测,使得维护只需在需要时才安排,这样,适时的维护避免了盲目的维护,也就延长了维护间隔,从而有效地避免了因设备故障产生的意外停电。因此状态监测的使用,可使停电时间缩短,降低维护费用,延长设备使用寿命,还可避免因维护中的疏忽而产生的故障。电力系统状态监测的对象主要是电厂以及电力系统的重要电力设备,如变压器、发电机、电动机、电缆、断路器以及其他电气机械等。电力系统状态监测与故障测距、继电保护有一定的关系,但也有重要区别。故障测距是在故障后,通过对故障数据的分析、计算来确定故障的位置,以便及时、准确地排除故障。继电保护则是当故障发生时,通过对故障前后

10、数据的分析、比较,作出跳闸、报警并快速切除故障,以免造成系统或设备的进一步损坏。而状态监测则是在故障发生前,通过对表征电厂或电力设备状态的数据进行分析、判断,来确定设备的状态,并判别和指出设备状态发展的趋势,从而确定是否需要安排维护作业,起到防患于未然的作用,并为有计划的维护提供了信息。一般地说,状态监测可分为3个基本步骤:数据采集;数据分析及特征提取;状态评估或故障诊断及分类。对于不同的步骤,根据不同的监测对象,可采用不同的方法。例如,对于变压器的状态监测,可以利用不同的方法或传感器来采集振动信号、油中气体、油中湿度、温度、电流电压等原始信号;然后可采用频谱分析方法、小波变换方法、神经网络方

11、法和其它方法来完成对这些信号的分析和特征提取。这样再采用神经网络、专家系统、模糊逻辑和其它有效的方法对所提取的特征进行判断、推理,从而判定变压器是否存在局部放电和绝缘老化程度如何等,以达到变压器状态监测的目的。在电力系统状态监测中,已经提出了许多不同的监测方法,如振动分析法、油中气体分析法、局部放电检测法、油?纸的酸性?湿度分析法、绝缘恢复电压法、低压脉冲法等。这些方法各有特点,可根据不同的监测要求,采用其中一种或综合多种方法来完成所要求的任务。在以上基础上,再充分利用状态监测提供的数据,结合各种智能的推理方法,为操作和维护人员提供辅助决策的功能,这就是状态监测的方向之一智能状态监测。图1以智

12、能电厂监测系统为例,说明了状态监测的任务、步骤和结果方式。图1智能电厂状态监测的任务、步骤及结果Fig.1The illustration of intelligentcondition mon itoring for power plant3电力系统状态监测的研究现状及发展方向3.1电力系统状态监测的研究现状目前电力系统中的一些技术和装置,实际上或多或少地已涉及状态监测,尤其是一些在线监测系统和故障诊断系统。虽然这些系统能起到一定的状态监测的目的,但还不能完全满足状态监测的要求。在国际上,状态监测已成为非破坏性检测(Non De2structive Testing,NDT)下属的一个活跃的新

13、分支。从1989年起,已举行了多届有关状态监测的国际会议,每年都有大量的研究报告、学术论文发表。在电力系统领域,状态监测也已受到电力部门管理、科研、运营和工程维护人员的日益重视并逐渐成为国际性的前沿研究课题和研究热点。针对不同的电力设备,已经提出了众多状态监测方法,其中有许多是通用的,如振动分析法、油中气体分析法、局部放电检测法、绝缘恢复电压法等。在正常运行条件下,电力设备具有一个固有的自然振动水平。当紧固螺钉变松或出现变化,或由于短路、绝缘老化等造成绕组或引线结构的偏移、扰动时便会导致设备振动的加剧,振动分析法就是一种广泛用于监测这种故障的有效方法。为了监测设备的振动水平,常采用声学传感器和

14、加速计来采集设31第24卷 第11期电网技术备的振动信号,然后对振动信号的强度和振动模式进行分析和判别,从而达到对设备状态监测的目的。油中气体分析法是含油设备(如变压器)绝缘监测最常用的方法之一。由于设备内部不同的故障会产生不同的气体,如电弧会产生乙炔气,而过热的纤维将产生碳氧化物,因此,通过分析油中气体的成分、含量和相对百分比,就可达到对设备绝缘诊断的目的。几种典型的油中气体如H2、CO、CH4、C2H6、C2H4和C2H2,常被用作分析的特征气体。在检测出各气体成分及含量后,常采用特征气体法和?或罗杰斯比值法来对变压器的内部故障进行判别,如局部放电、火花放电、过热等。局部放电(Partia

15、l D ischarge,PD)既是设备绝缘系统老化的征兆,也是造成绝缘老化的一个重要机理。油中气体分析法可以从一个方面反映局部放电,而专门对局部放电进行测量也是设备状态监测的一个重要方面。常用的局部放电检测方法有声学检测、光学检测、化学检测、电气测量等方法。一种常用的局部放电检测法是声学检测法,该方法是将一个高频声学传感器阵列附在变压器箱的外部。这些传感器对局部放电或电弧放电产生的暂态声音信号非常敏感,而对振动和一般噪声不敏感。这种方法采用时间间隔定位法来确定具体的放电位置。恢复电压法是一种根据总的绝缘系统状态来评估绝缘设备寿命的监测方法,也就是广为采用的、大家熟知的界面极化法(interf

16、acial polarisation)。这种方法是利用一个直流电压对绝缘器或绝缘系统(如变压器)进行充电,到一个预定的充电时间后将电路短路,进行部分放电。短路时间为充电时间的一半。然后再开路,这时在电极两端会建立起一个恢复电压。该恢复电压的最大值正比于绝缘材料的极化能力,而初始斜率则正比于极化的传导率,即材料用的时间越长、退化越严重,则响应的初始斜率越大。频率响应分析法也是一种用于检测变压器绕组或引线结构偏移的有效方法。绕组机械位移会产生细微的电感和电容的改变,而频率响应法正是通过检测这种细微的改变来达到监测变压器绕组状态的目的。该方法通过对分离的绕组进行扫频测试,然后经频谱分析仪的分析来获得

17、响应的转移函数。低压脉冲响应测试(Low Voltage I mpulse Re2sponse,LV IR)也被认为是一种有效的变压器状态监测方法,并且已经成为用于确定变压器是否能通过短路试验的公认方法。目前,国际上对电力系统状态监测的研究主要集中在以下几个方面:(1)电力变压器的状态监测电力变压器是电力系统不可或缺的重要设备,它的状态的好坏,对电力系统的安全运行有着重要影响。因此,对变压器的状态进行监测具有明显的经济效益。目前,变压器的状态监测是国际上研究最多的对象之一。变压器的故障,主要是由于变压器内部绝缘老化造成的,因而对变压器的状态监测,主要集中在对变压器内部绝缘状态的监测上。对于变压

18、器的状态监测,已经提出了许多不同的方法,其中主要有局部放电、直流电阻、油或纸的酸性和湿度、油中气体分析、振动分析、热成像图、极化波谱和恢复电压、低压脉冲等方法。根据变压器的各种机械和电气特性,可以建立各种变压器绝缘寿命模型。一种基于油中的化学成分的分析而建立的新的变压器绝缘寿命模型,可对不同的油?纸条件下的变压器绝缘寿命进行估计5;利用声学方法可对变压器内部局部放电进行诊断和定位;采用恢复电压来确定变压器中绝缘纸的温度,以监测其绝缘强度等,都是常用的变压器状态监测方法6,7。高压变压器油中的糠醛(Fur2furaldehyde,FFA)浓度,是变压器油中绝缘纸机械强度和绝缘强度的一个重要指标。

19、而通过荧光测量来检测FFA的浓度,则是一种新的不同于常规油色谱分析的FFA浓度检测法8。综合多种监测方法,利用油中气体分析、局部放电、负荷电流?负荷电压、线圈温度、压力?真空等参数来监测变压器或变压器抽头的状态,是变压器状态监测的趋势9;而采用一些新的分析工具和手段,如神经网络、模糊逻辑等来改进常规的特征分析和判别,如对振动模式的分类、油中气体的综合判别等,是变压器状态监测的另一趋势10。(2)交流旋转机械的状态监测交流旋转机械,如交流发电机、感应电机等同样是电力系统的重要设备。它们的任何故障,也都有可能造成电力部门或用户的重大损失。因此对它们的状态进行监测也十分必要。这也是目前电力系统状态监

20、测研究中又一重要方面。定子匝间短路是交流电气机械最普遍而又具潜在破坏力的电气故障之一。主要由于污秽或由热、机械、电气和其他环境异常而引起的绝缘老化造成的。这种匝间故障如不及时排除,有可能发展成为更严41Power System TechnologyVol.24 No.11重的线圈对地故障。利用中性点电压可对星型连接的多相感应电机的定子匝间故障进行检测。其主要思路是匝间短路会造成序阻抗改变(不平衡),使中性点各相电压之代数和不为零。通过测量中性点电压的瞬时值,可判别出是否产生了匝间故障11。振动分析是交流旋转机械状态监测的一种传统的有效方法。目前主要是对这种传统的振动分析法进行改进:如采用多参量

21、判别,或采用神经网络、知识系统等方法进行智能判别。例如可从在线振动信号中提取多个参数,如峰-峰值、算术平均值、波顶因子(crest factor)等,然后将这些参数作为一个多变量的故障趋势分析来考虑,用一个自组织神经网络(SOM)来完成这种多变量的趋势分析12。变速箱的状态监测也是旋转机械状态监测的一个内容。一种新的变速箱的状态监测方法是首先利用小波变换来提取信号和故障特征,然后用人工神经网络来识别和分类13。实际上,这种方法可以广泛地应用于其它电力设备的状态监测。就监测系统结构,文14提出的一种综合的水利发电机组状态监测系统具有一定的代表性。该系统采用模块式的组合结构,通过对采集数据的多种分

22、析,可对机械不平衡、磁不平衡、液压不平衡、定子?转子同轴等状态进行监测。在对旋转机械的状态监测方面,如对如对感应电机和汽轮机的状态监测方面还有大量工作要做。许多常规状态监测方法可被应用,如采用双谱(bis2pectrum)技术,分析识别三相感应电机的不对称故障;用振动信号分析定子结构振动的自然响应,以改进状态监测的策略等15,16。同样,也可应用一些如神经网络、知识系统、小波分析等新技术1719,如利用神经网络来提取电机振动信号的高阶特征;采用小波分析方法,通过对振动、非平稳压力以及声学测量得到的信号进行小波变换以提取信号的小波特征,从而实现对汽轮机的状态监测;利用基于智能和定性模型的燃气轮机

23、的状态监测方法对燃气轮机的各子系统进行有效的监测,并实现对故障的诊断等。(3)断路器的状态监测断路器状态的好坏,对电力系统的安全、可靠运行有着直接的影响。因此,对断路器的状态监测也是十分必要的。目前用于评估断路器状态主要采用两种方法:一是跳闸线圈轮廓法(T rip Coil Profiling,TCP),一是振动监测法。振动监测法是通用的方法,而TCP法则是通过考察断路器动作时,流过跳闸?闭合线圈里的电流波形来获得断路器的状态信息。因为当断路器处于不同状态时,会产生不同的电流波形。文20介绍了一种断路器状态评估系统。该系统只需根据断路器的一次断开、闭合操作,就可对断路器的状态进行快速评估,该系

24、统同时采用了这两种方法。(4)电厂的状态监测电厂的状态监测也是电力系统状态监测的重要内容之一。电厂的状态监测,主要是通过对构成电厂的重要电力设备的状态监测,并结合电厂的其它监测数据,综合得出电厂的运行状态。因此,用于设备状态监测的各种方法,都可以用于电厂的状态监测,如局部放电法21、振动分析法等。随着电厂控制和数据采集系统的进步,已经可以获得大量的数据,为电厂的状态监测奠定了基础。由于电厂监测的数据量大,并需要具有综合评估的能力,因此人工智能(A rtificial Intelligence,A I),或计算智能(Computational Intelligence,C I),如专家系统或基于

25、知识的系统(KBS)、基于模型的推理(MBR)、基于事件的推理(CBR)、神经网络、模糊逻辑等将会在电厂的状态监测中起到重要作用,并被用来翻译、解释被监测的电厂数据并进行推理、评估,这就是智能电厂状态监测。对于每一种智能技术来说,可能没有哪一种是最优的,也许更好的办法是采用多个智能技术,即混合系统,如模糊专家系统等。图1以涡轮发电机操作决策支持系统为例,阐述了电厂监测的任务,提出了电厂智能监测系统的结构22,文中还对未来电厂智能状态监测系统的结构进行了描述。(5)状态监测的一般方法研究以上介绍了针对具体对象的状态监测技术,而对于状态监测技术一般方法的研究,也是电力系统状态监测研究的重要内容。同

26、其它实际工程系统一样,状态监测系统本身的可靠性是直接影响到状态监测系统能否有效地发挥作用、能否在工程中推广应用的重要因素。因此,如何提高监测系统本身的可靠性,也是一个必须重视的问题。文23对典型的状态监测系统的可靠性进行了分析,提出了采用冗余设计、可靠性安装等方法来提高系统的可靠性。对于状态监测一般方法的研究,更主要的是如何提高系统的自动化和智能化水平。从前面的介绍已经看出,人工智能的方法,如神经网络、知识系统51第24卷 第11期电网技术等已开始应用于状态监测。由于神经网络具有突出的特征提取、模式识别和模式分类的能力,因此,可以采用神经网络来提取设备状态特征、状态识别和故障诊断。而基于知识的

27、系统(如专家系统)则具有知识的综合、推理、判别的能力,因而可用于设备的综合管理、状态评估和系统的集成。此外,近年来发展迅速的小波变换,用于突变的非平稳信号的分析,比传统的Fourier变换有更好的效果,因此用它来分析由于状态的变化而引起的信号突变及特征提取将是一种很有用的工具。对神经网络的变换能力的分析结果表明,神经网络对于状态发展趋势的预测具有很高的准确性24。而对神经网络用于电气机械状态监测的可行性的仿真结果表明,非监督学习的神经网络在状态监测的应用中具有实际的优点,并且由于神经网络天然的并行结构,使得它在多传感器输入情况下也是理想的,这可以极大地提高对设备状态评估的可靠性和准确性25。也

28、可采用多个神经网络来同时完成电力系统状态监测和保护的作用。例如,一个神经网络被用来预测某些电量值,另一个神经网络利用这些预测值来对电力系统中的事件类型(如正常操作、故障或过负荷)进行分类,从而实现对系统状态监测和控制的目的26。3.2电力系统状态监测的发展趋势由上可见,状态监测在电力系统中已得到广泛重视。随着社会的发展,电力系统面对的经济压力会越来越大,而用户对电力质量的要求却越来越高,这必将促进状态监测技术的进一步发展和应用。将来电力系统状态监测技术发展的趋势及需要重视的问题,将具体体现在以下几个方面:(1)越来越多的电力设备被纳入状态监测的范畴;(2)随着传感器技术的发展,可以监测的状态量

29、将越来越多,而计算机技术的发展,使允许处理的数据量越来越大,因此多功能、多状态的在线监测系统将得到发展;(3)由于可获得的数据量的增大,常规的数据处理方法会遇到更大的困难,因此,智能状态监测系统将得到进一步研究和应用,尤其是神经网络技术、知识系统、模糊逻辑等会得到更广泛的应用;(4)一些新的数学工具,如小波变换,将得到进一步研究;(5)状态监测系统与其它系统的联网和集成问题将得到进一步研究。状态监测系统与继电保护将有机地结合起来,尤其在分布式的监控系统中,如分布式的变电所综合自动化系统;(6)对如何根据检测到的数据作出相应的判断,以及对新的更有效的检测项目和检测方法等方面的基础研究将得到进一步

30、加强,专家经验的积累也将得到更多的重视和加强。此外,系统的标准化问题也应得到足够重视。为促进状态监测系统的健康发展,应尽早制定有关状态监测系统的技术标准,以规范系统的设计、安装、调试、运行和维护。4结论电力系统的状态监测是近年来得到迅速发展并受到电力系统有关运营、管理、科研等部门工程技术人员日益关注的一个新的研究领域,是目前国际上的一个研究热点。它的发展和采用,对电力系统的安全运行具有重要意义,具有明显的经济效益和社会效益。随着传感器技术、计算机技术、通信技术、智能技术等相关领域技术的发展以及状态监测技术本身的发展,越来越多的新技术将在状态监测中得到应用。其中,小波变换、神经网络、专家系统将得

31、到特别的重视。可以预见,状态监测将发展成为电力系统中不可或缺的一部分,状态监测技术本身也可能发展成为一个新的交叉学科。同时,状态监测也将是一个巨大的市场,对状态监测系统的开发研究也具有巨大的经济上的吸引力。参考文献:1Grimmelius H T,et al.Three state2of2the2artmethods for con2dition monitoringJ.IEEE Trans on Industrial Electronics,1999,46(2):4072416.2M cA rthur S,M cDonald J.Condition monitoring using know

32、 l2edge based system s C.IEE Colloquium,1997,Digest No:1997?354.3Hyde T.Its all change in condition monitoringJ.Controland Instrumentation,1996,28(4):1532154.4Steed J C.Conditionmonitoring applied to power transformer2an REC experienceC.IEE Colloquium,1997,DigestNo:97?086.5Em sley A,Stevens G.Review

33、 of chem ical indicators of degra2dation of cellulosic electricalpaper insulation in oil2filled trans2formerJ.IEE Proc SciM eas Technol,1994,141(5):3242334.61Power System TechnologyVol.24 No.116Cole P.Location of partial discharges and diagnosticsof powertransformers using acousticmethodsC.IEE Collo

34、quium,Di2gest No:97?086,June 1997.7W ebb M.Transformer condition assessment w ith the tettexrecovery voltage method C.IEE Colloquium,1996,DigestNo:1996?186.8Blue R,U ttamchandaniD.The determ ination of FFA concen2tration in transfomer oil by fluorescence measurements J.IEEE Trans on Dielectrics and

35、Electrical Insulation,1998,5(6):8922895.9 Barnes M.Qualitrol sentry transformer monitoring systemC.IEE Colloquium,1996,Digest No:1996?186.10 Booth C,M cdonald J.The use of artificial neural networks forcondition monitoring of electrical power transformersJ.Neu2rocom2putting,1998,(23):972109.11 Cash

36、M,et al.Insulation failure prediction in AC machines us2ing line2neural voltagesJ.IEEE Trans on Industry Applica2tions,1998,34(6):123521239.12 Zhang S,Ganesan R.M ultivariable trend analysis using neuralnetworks for intelligent diagnostics of rotating machineryJ.Trans2actions of ASM E?Journal of Eng

37、ineering for Gas Tur2bines and Power,1997,119:3792384.13 Paya B,et al.A rtificial neural network based fault diagnosticof rotatingmachinery usingwavelet transform s as a preproces2sor J.M echanical System s and Signal Processing,1997,11(5):7512765.14 M echefske C,et al.A comprehensive condition moni

38、toringsystem for hydro2electric generating unitsJ.Insight,1994,36(4):2382245.15 Thorsen O,Dalva M.M ethods of condition monitoring andfault diagnosis for induction motorsJ.European Trans onElectrical Power,1998,8(5):383235.16 Lucas M,Thom son W.A study of the natural vibratory re2sponse of stator st

39、ructures to improve condition monitoringstrategies for induction motorsJ.Proc of The Institution ofM echanical Engineers Part C2Journal ofM echanical Engineer2ing Science,1998,212(1):57268.17 M urray A,Penman J.Extracting useful higher order featuresfor condition monitoring using artificial neural n

40、etworksJ.IEEE Trans on Signal Processing,1997,45(11):282122828.18 A retakis N,M athioudakis K.W avelet analysis for gas turbinefault diagnosticsJ.Transactions of ASM E?Journal of Engi2neering for Gas Turbines and Power,1997,119:8702876.19 Trave2M assuyesL,M ilne R.Gas2turbine conditionmonitoringusin

41、g qualitative model2based diagnosis J.IEEE Expert,1997:22231.20 Beattie S.Circuit breaker condition assessment by vibrationand trip coil analysisC.IEE Colloquium,1996,Digest No:1996?186.21 Kemp I.Partial discharge plant2monitoring technology:pre2sent and future developmentsJ.IEE Proc SciM eas Techno

42、l,1995,142(1):4210.22 M cDonald J,Moyes A.Intelligent plant monitoring in powerengineeringC.IEE Colloquium,1999,Digest No:1999?065.23 W hittington H,Flynn B.High reliability condition monitoringsystem sJ.British Journal of Non2Destructive Testing,1993,35(11):6482654.24 Lowes S,shippen J.An investiga

43、tion into the transferability ofneural networks for conditionmonitoringJ.Insight,1996,38(8):5662569.25 Penman J,Yin C.Feasibility of using unsupervised learning,artificial neural networks for the condition monitoring of elec2tricalmachinesJ.IEE Proceddings on Electric Power Appli2cations,1994,141(6)

44、:3172322.26 Cannas B,et al.Neural networks for power system conditionmonitoring and protection.NeurocomputingJ,1998,(23):1112123.收稿日期:1999208230;改回日期:2000208215。作者简介:陈维荣,教授,英国Brunel大学博士后,西南交通大学电气化自动化研究所副所长;宋永华,教授,博士生导师,英国皇家工程院特聘教授,兼任北京博士杰电力技术研究所所长;孙锦鑫,博士,北京博士杰电力技术研究所常务副所长。(编辑宋书芳)欢迎订阅 中国电机工程学报邮发代号:82-327 中国电机工程学报 创刊于1964年,由中国电机工程学会主办,挂靠中国电力科学研究院。本刊报道的内容主要有:电工理论、电力系统、动力工程、电机、电器和输变配电等,还设有专家论坛、专家建议、科学通报、学会动态等专栏。请到当地邮电局办理订阅手续。邮发代号:82-327。每期10元,全年120元,个人订阅优惠,全年仅80元,请到编辑部办理订阅手续。编辑部地址:100085北京清河小营东路15号中国电力科学研究院联系人:李翠玲电话:010-62913201转290871第24卷 第11期电网技术