基于人工免疫算法优化支持向量机的电力变压器故障诊断研究

论文摘要

电力变压器是电力系统的枢纽设备,其运行的可靠性与电力系统的安全可靠运行有很大关系。因此,加强对变压器运行状态的检测,及时处理变压器内部的潜伏性故障,提高变压器运行的可靠性,对整个电网的安全可靠运行具有重大的现实意义。电力变压器故障诊断是根据变压器故障特征,确定故障的性质或者类别,为变压器的检修决策提供依据。实践表明,变压器绝缘油中溶解特征气体的分析技术在变压器故障诊断中具有重大作用。本文在分析变压器故障特点的基础上,根据油中溶解气体所提供的有效信息,研究了故障气体的组成含量与变压器故障类型之间的相互联系。由于传统的变压器故障诊断方法存在检测精度不高,需要大量经验积累等不足,因此迫切需要提出一些新的变压器故障诊断技术来弥补当前变压器故障诊断中的各种缺陷。支持向量机是在统计学理论基础上发展起来的一种新型学习方法,它不仅能够较好的解决神经网络算法中的高维问题和局部极值问题,而且对小样本数据具有很好的学习泛化能力,因此,将其应用到故障样本数据有限的电力变压器故障诊断中具有一定的优越性。然而由于支持向量机核函数及其参数对支持向量机的分类性能影响很大,传统的参数选取方法存在计算量大,搜索费时等缺陷,往往不能很好地满足变压器故障诊断的要求。人工免疫算法通过选择和对优秀抗体进行克隆复制的记忆机制,可以有效保证算法具有较强的全局优化特性,并且能以较快的速度收敛于全局最优解,在参数寻优方面具有极大的优势。本文在分析总结各种变压器故障诊断方法的基础上,提出了一种利用免疫进化算法优化支持向量机核参数的方法。实例分析表明,使用该方法能够取得较好的参数寻优效果,从而较好地解决了支持向量机参数难以选择的问题。本文又将支持向量机的分类识别能力应用到电力变压器的故障诊断中,提出了一种利用免疫进化算法优化支持向量机对变压器故障类型进行诊断的新方法。经过实例仿真测试表明,优化后的支持向量机的泛化能力和诊断精度都得到了大幅度提高,从而验证了本文方法的正确性和有效性。通过将本文方法与交叉优化支持向量机和遗传算法优化支持向量机在变压器故障诊断中进行对比,得出本文方法在故障诊断准确率和收敛性方面均明显优于其它两种方法,可大大提高变压器故障诊断的准确性和可靠性,对电力变压器故障诊断具有较好的指导作用。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题研究的背景和意义
• 1.2 变压器故障诊断国内外研究现状
• 1.3 本文研究的主要内容
• 第二章 变压器油中气体分析与传统故障诊断方法
• 2.1 变压器绝缘材料性能及其产气机理
• 2.1.1 变压器绝缘材料的组成及性能分析
• 2.1.2 变压器内部绝缘材料分解产气机理
• 2.1.3 气体在变压器油中的溶解与扩散
• 2.2 变压器内部故障与油中溶解气体含量的关系
• 2.3 变压器传统故障诊断方法
• 2.3.1 特征气体判断法
• 2.3.2 比值判断法
• 2.4 本章小结
• 第三章 支持向量机和人工免疫算法原理
• 3.1 统计学习理论
• 3.1.1 学习一致性条件
• 3.1.2 学习机的VC维
• 3.1.3 推广性的界理论
• 3.1.4 结构风险最小化原则
• 3.2 支持向量机基本原理
• 3.2.1 支持向量机二分类算法
• 3.2.2 核函数的选取
• 3.3 支持向量机的多分类算法
• 3.3.1 一次求解多分类
• 3.3.2 组合实现多分类
• 3.4 生物免疫系统
• 3.4.1 基本概念
• 3.4.2 生物免疫系统的原理
• 3.4.3 生物免疫系统的主要特性
• 3.5 人工免疫系统
• 3.5.1 人工免疫系统概述
• 3.5.2 人工免疫系统工程应用现状
• 3.5.3 人工免疫算法研究
• 3.5.4 人工免疫算法的优越性
• 3.6 本章小结
• 第四章 基于支持向量机的电力变压器故障诊断研究
• 4.1 前言
• 4.2 模式识别与故障诊断
• 4.3 支持向量机在电力变压器故障诊断中的应用研究
• 4.3.1 故障特征量的提取及故障模式的确定
• 4.3.2 样本数据处理
• 4.3.3 核函数的选择及其参数的求解方法
• 4.3.4 基于支持向量机的变压器故障诊断模型
• 4.3.5 基于交叉验证法的支持向量机的变压器故障诊断
• 4.4 本章小结
• 第五章 基于免疫算法优化支持向量机的变压器故障诊断
• 5.1 免疫进化算法的分析设计
• 5.1.1 免疫进化算法的提出
• 5.1.2 免疫进化的主要运行机理
• 5.1.3 免疫进化算法的模型框架及算法的分析设计
• 5.1.4 免疫进化算法的特点
• 5.2 基于免疫算法优化支持向量机的电力变压器故障诊断
• 5.2.1 基于免疫进化算法的支持向量机参数优化
• 5.2.2 免疫进化算法优化支持向量机的变压器故障诊断模型
• 5.2.3 实例仿真测试结果及分析
• 5.3 本章小结
• 第六章 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 致谢
• 攻读学位期间发表的学术论文