基于支持向量机的GIS变电站电气一次设备状态评估

论文摘要

随着电力系统的不断发展,电压等级不断升高,电力系统对稳定性的要求日益提高。电力设备运行状态良好与否将直接关系到整个电力系统运行的可靠性。及时进行电力设备状态评估是发现设备故障的前提,避免事故扩大的重要手段。电力变压器是电力系统枢纽设备,其运行状态评估的重要性不言而喻;气体绝缘组合电器（GIS）具有占地面积小,可靠性高等特点,随着城市的发展,GIS在变电站的应用越来越广泛,因此,保证GIS正常稳定的运行,才能使GIS设备发挥更大的作用。本文分析了变压器运行状态与油中溶解气体的对应关系,选取溶解气体中的H2、CH4、C2H6、C2H4、C2H2五种气体含量作为评价指标,将变压器状态划分为五个等级。提出了一种基于改进PSO优化SVM参数的变压器状态评估模型（PSO-SVM）,并结合现场实际试验数据进行了实例分析,验证了基于改进的PSO-SVM变压器状态评估方法具有较高的评估准确度。本文介绍了GIS运行状态中常见的几种缺陷以及相对应的缺陷特征。提取放电信号中7种时域参数作为评估特征量。在PSO-SVM的基础上提出了利用AdaBoost提升支持向量机分类算法的评估模型（AdaBoost-SVM）。根据超高频（UHF）法检测获得的局部放电信号,将GIS运行状态划分为正常和故障两种,正常状态又分为良好和注意,故障状态分为自由移动金属颗粒,高压导体表面突起针尖,浮动电极,绝缘子表面金属颗粒,绝缘子气隙等五种。基于AdaBoost-SVM算法的GIS评估模型能准确评估GIS运行状态,对提高GIS运行的可靠性具有重要理论意义和实际应用价值。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题研究背景及意义
• 1.2 课题研究的发展现状
• 1.3 本文主要工作
• 第2章 支持向量机理论
• 2.1 支持向量机理论概述
• 2.1.1 广义最优分类面
• 2.1.2 核函数
• 2.2 支持向量机多分类原理
• 2.2.1 “一对一”多分类算法
• 2.2.2 “一对多”多分类算法
• 2.2.3 层次结构的多类分类算法
• 2.2.4 多种分类算法的比较
• 2.2.5 实例分析
• 第3章 基于PSO-SVM 的变压器状态评估
• 3.1 引言
• 3.2 粒子群算法概述
• 3.3 改进的粒子群算法
• 3.3.1 引入收敛因子
• 3.3.2 基于动态惯性因子的改进
• 3.3.3 自适应粒子的变异
• 3.4 基于改进PSO 的SVM 参数选择
• 3.4.1 交叉验证法
• 3.4.2 改进粒子群算法优化支持向量机参数的步骤
• 3.5 变压器状态评估原理
• 3.5.1 变压器运行中常见故障
• 3.5.2 变压器故障油中溶解气体分析
• 3.5.3 变压器故障与油中溶解气体关系
• 3.5.4 变压器状态信息评分方案
• 3.6 基于PSO-SVM 的变压器状态评估流程
• 3.6.1 变压器运行状态划分
• 3.6.2 评估模型的建立
• 3.6.3 数据归一化处理
• 3.6.4 状态评估流程
• 3.7 变压器状态评估实例
• 3.8 本章小结
• 第4章 基于AdaBoost-SVM 算法的GIS 状态评估
• 4.1 引言
• 4.2 AdaBoost 算法介绍
• 4.3 AdaBoost 算法在支持向量机中的应用
• 4.3.1 实例分析
• 4.4 GIS 状态评估的原理
• 4.4.1 GIS 局部放电产生原理及常见故障
• 4.4.2 超高频检测法
• 4.4.3 UHF 信号的特征量
• 4.4.4 GIS 运行状态的划分
• 4.5 基于AdaBoost-SVM 的GIS 状态评估流程
• 4.5.1 训练样本和测试样本的确立
• 4.5.2 AdaBoost-SVM 多分类算法以多分类模型的构建
• 4.5.3 GIS 状态评估实例分析
• 4.6 本章小结
• 第5章 结论及展望
• 5.1 结论
• 5.2 展望
• 参考文献
• 攻读硕士学位期间发表的论文
• 致谢
• 详细摘要