基于信息融合的变压器故障诊断与状态评价的研究

基于信息融合的变压器故障诊断与状态评价的研究

论文摘要

变压器是电力系统中的核心设备之一,它的运行状态直接关系到系统的安全稳定。而及时、准确地检测出变压器故障、异常状态及潜伏性问题是采取相应措施排除故障的保证。因此,变压器故障诊断技术一直是备受关注的研究领域。变压器故障诊断技术分为状态评价和故障诊断两个部分。本文将变压器划分为六个分部件构建状态评价体系,同时综合考虑参数历史情况及变化趋势,提出一种基于动态灰靶理论的变压器状态评价方法。首先,通过历史试验数据及专家经验采用层次分析法得到各状态量的静态权重,同时结合参数变化量应用熵权理论得到动态权重。其次,通过动态权重对静态权重进行修正后作为各状态量的综合权重,从而使得综合权重能更合理、准确的反映各状态量在评价中的相对重要程度。最后,通过构造动态灰靶评价模型求得靶心度,再结合状态分级策略得到变压器的健康状态。通过实际工程案例验证了该方法的有效性、可行性。针对传统证据理论在变压器故障诊断中存在主观局限性,且对证据体可靠性的选取缺乏科学性,为了有效融合变压器色谱分析数据与电气试验数据,并能全面的反映变压器的状态,本文充分考虑证据体间的相互关联,通过距离测度确定证据体的可靠性。首先,通过证据距离建立相似性矩阵,确定证据体可信度,对证据体进行预处理;然后,构造基于距离测度的概率推理机,再采用Dempster合成规则实现信息融合。该方法充分利用多来源信息,提高了诊断置信度,在提高不确定性分辨能力的基础上有效处理实际工程问题。最后,通过算例分析并与传统方法进行比较,验证了该方法可以快速准确且更全面地判断变压器的运行状态,进而提高了变压器的安全、稳定及经济运行水平,同时也表明该方法具有明显的优越性和更高的故障诊断率。通过实际工程项目的应用验证了该方法的实用性和可行性。

论文目录

  • 摘要
  • Abstract
  • 第1章 绪论
  • 1.1 课题研究背景和意义
  • 1.2 国内外研究现状及发展趋势
  • 1.2.1 变压器状态评价研究现状
  • 1.2.2 变压器故障诊断研究现状
  • 1.3 本文的主要研究内容及工作
  • 第2章 变压器状态评价体系的建立
  • 2.1 引言
  • 2.2 变压器状态评价体系建立与状态量选取原则
  • 2.3 变压器分部件评价体系与状态量选取
  • 2.3.1 变压器本体
  • 2.3.2 套管
  • 2.3.3 分接开关
  • 2.3.4 绝缘油
  • 2.3.5 冷却系统
  • 2.3.6 附件
  • 2.4 变压器健康状态分级策略
  • 2.5 本章小结
  • 第3章 基于动态灰靶理论的变压器状态评价方法
  • 3.1 引言
  • 3.2 传统灰靶理论
  • 3.2.1 标准模式的选取
  • 3.2.2 统一测度变换
  • 3.2.3 靶心度的计算
  • 3.2.4 靶心度分级策略
  • 3.3 基于动态灰靶理论的变压器状态评价方法
  • 3.3.1 改进灰靶理论
  • 3.3.2 基于层次分析法的静态权重的确定
  • 3.3.3 基于熵的动态权重的确定
  • 3.3.4 变压器健康状态分级策略及检修建议
  • 3.3.5 基于动态灰靶理论状态评价方法的流程
  • 3.4 算例分析
  • 3.5 本章小结
  • 第4章 基于信息融合的变压器故障诊断方法
  • 4.1 引言
  • 4.2 DS 证据理论
  • 4.2.1 基本概念
  • 4.2.2 Dempster 合成规则
  • 4.2.3 决策规则
  • 4.3 基于距离测度与信息融合的故障诊断方法
  • 4.3.1 基于距离测度的可靠因子
  • 4.3.2 基于距离测度的概率推理机
  • 4.3.3 基于多神经网络的诊断子网络
  • 4.4 结合证据理论与多神经网络的模式识别算例分析
  • 4.5 本章小结
  • 结论
  • 参考文献
  • 攻读学位期间取得的研究成果及发表的学术论文
  • 致谢
  • 相关论文文献

    • [1].基于深度置信网络和多维信息融合的变压器故障诊断方法[J]. 电力工程技术 2019(06)
    • [2].基于人工蜂群算法优化支持向量机的变压器故障诊断[J]. 科技创新与应用 2020(02)
    • [3].堆栈稀疏降噪自编码网络在变压器故障诊断中的应用[J]. 中国科技论文 2019(11)
    • [4].基于模糊关系与自组织竞争网络的变压器故障诊断[J]. 科技创新与应用 2020(08)
    • [5].基于混沌粒子群优化核极限学习机的变压器故障诊断方法[J]. 微处理机 2020(02)
    • [6].基于加权中智C均值算法的变压器故障诊断模型[J]. 水电能源科学 2020(05)
    • [7].基于色谱分析的变压器故障诊断[J]. 甘肃科技 2020(12)
    • [8].一种基于深度收缩自编码网络的变压器故障诊断方法[J]. 科技创新导报 2020(16)
    • [9].基于深度森林的变压器故障诊断方法[J]. 电力科学与工程 2020(09)
    • [10].电力变压器故障诊断及检修探讨[J]. 无线互联科技 2020(13)
    • [11].综合三比值特征量与帝国竞争优化支持向量机的变压器故障诊断模型[J]. 广西电力 2019(03)
    • [12].红外激光光谱分析的变压器故障诊断[J]. 激光杂志 2016(11)
    • [13].混合神经网络在变压器故障诊断中的应用[J]. 电子测量与仪器学报 2017(01)
    • [14].基于混合算法与支持向量机的电力变压器故障诊断[J]. 电气开关 2017(03)
    • [15].在线检测装置在变压器故障诊断中的应用[J]. 当代化工研究 2017(05)
    • [16].电力变压器故障诊断方法初探[J]. 能源技术与管理 2017(04)
    • [17].基于机器学习的电力变压器故障诊断的研究进展[J]. 电子世界 2017(15)
    • [18].变压器故障诊断中的神经网络技术发展[J]. 宜宾学院学报 2015(12)
    • [19].基于支持向量机的变压器故障诊断研究[J]. 电气开关 2016(02)
    • [20].论电力变压器故障诊断方法[J]. 科技展望 2014(18)
    • [21].关于发电厂变压器故障诊断及处理措施思考[J]. 科技与企业 2015(02)
    • [22].变压器故障诊断技术探析[J]. 中国新技术新产品 2015(08)
    • [23].基于可拓理论的变压器故障诊断[J]. 电气开关 2015(02)
    • [24].模糊支持向量机在变压器故障诊断中的应用[J]. 电测与仪表 2015(08)
    • [25].改进型三比值法在变压器故障诊断中的应用[J]. 水电站机电技术 2015(08)
    • [26].基于神经网络的变压器故障诊断研究[J]. 数字技术与应用 2015(08)
    • [27].电力变压器故障诊断方法应用[J]. 通讯世界 2015(15)
    • [28].基于数据清洗和知识迁移的变压器故障诊断模型[J]. 电工电能新技术 2020(01)
    • [29].基于故障树分析的电力变压器故障诊断[J]. 新型工业化 2020(01)
    • [30].基于机器学习的变压器故障诊断[J]. 电子世界 2020(08)

    标签:;  ;  ;  ;  ;  

    基于信息融合的变压器故障诊断与状态评价的研究
    下载Doc文档

    猜你喜欢