论文摘要
电力变压器是电力系统中的枢纽设备,它的性能直接影响到电力系统运行的安全和可靠,及时准确掌握变压器的运行状态、及早发现变压器的潜伏性故障,对变压器状态检修具有重要的现实意义。随着我国电力工业的迅速发展,变压器数量激增,测试数据越来越庞大,对变压器进行故障诊断也越来越复杂。对变压器油中溶解气体成份含量进行分析可以诊断变压器的故障。电力变压器数据信息具有不完备、不确定性的缺点,而贝叶斯网络有知识表达灵活、分析处理不确定性与关联性问题能力强的优点,本文提出一种基于Multi-Agent的变压器故障诊断模型。该模型包含三个诊断Agent、一个管理Agent和一个融合Agent。各诊断Agent的建立以NB、SB和TAN三种贝叶斯分类器算法为基础,以所获取的变压器油中溶解气体数据为依据。由管理Agent调节和控制,达到各诊断Agent协商诊断的效果。由融合Agent根据管理Agent对诊断Agent的控制情况、诊断Agent发送的诊断结果、各个诊断Agent的诊断概率和诊断Agent发送结果的次数等因素进行融合,给出最终的变压器故障类型。实例验证表明了该模型的高效性。
论文目录
摘要Abstract第1章 绪论1.1 选题背景及其研究意义1.2 变压器故障诊断研究现状1.2.1 传统的变压器故障诊断方法1.2.2 各种智能方法在变压器故障诊断中的研究现状1.3 基于多 Agent 的诊断方法在变压器故障诊断中的应用分析1.4 论文的主要研究工作及组织结构第2章 Multi-Agent 技术2.1 Multi-Agent 技术2.1.1 Multi-Agent 技术的基本原理2.1.2 Multi-Agent 的应用2.2 Agent 的构造方法2.2.1 思考型Agent2.2.2 反应型Agent2.2.3 混合型Agent2.3 Agent 间的通信2.3.1 通信语言2.3.2 通信协议2.3.3 通信方式2.4 Agent 间的协作2.4.1 合同网2.4.2 结果共享型2.4.3 黑板模型2.5 本章小结第3章 贝叶斯分类器简介3.1 贝叶斯网络3.1.1 贝叶斯网络推理3.1.2 贝叶斯网络学习3.2 常见的贝叶斯分类器3.2.1 朴素贝叶斯(NB)分类器3.2.2 选择贝叶斯(SB)分类器3.2.3 树形增强的朴素贝叶斯(TAN)网络分类器3.3 本章小结第4章 基于 Multi-Agent 的变压器故障诊断的研究4.1 总体诊断模型的设计4.2 诊断Agent 的构建4.2.1 NB(朴素贝叶斯)诊断Agent 的建立4.2.2 SB(选择贝叶斯)诊断Agent 的建立4.2.3 TAN(树形增强的朴素贝叶斯)诊断 Agent 的建立4.3 管理Agent 构建4.4 融合Agent 构建4.5 诊断、管理和融合Agent 间的通信4.6 本章小结第5章 基于 Multi-Agent 故障诊断系统的实现5.1 多线程5.2 AgentBulider 平台5.3 诊断Agent 的实现5.4 管理与融合 Agent 的实现5.5 本章小结第6章 实验结果与实例分析6.1 条件属性和故障类的确定6.2 DGA 数据的离散化预处理6.3 实验结果6.4 实例分析6.5 本章小结第7章 结论与展望参考文献攻读硕士学位期间发表的论文及其它成果致谢详细摘要
相关论文文献
标签:电力变压器论文; 故障诊断论文; 贝叶斯网络论文;