多信息融合的变压器状态评估方法的研究

论文摘要

随着状态维修制度和在线监测的应用在电力系统中的不断推进,获得的变压器的状态数据量巨大,所包含的信息丰富,如何科学有效地利用现有变压器的状态信息及时准确判断变压器的健康状况成为电力系统中的一个重要研究课题。本文对变压器的故障及故障检测技术进行了系统的分析,对变压器的状态信息进行了较为系统的分类;深入学习了神经网络技术,利用资源优化网络（RON）方法设计RBF神经网络,满足了信息处理的要求;对比神经网络信息融合模型的结构,采用了并联式集成神经网络信息融合模型,使得神经网络和D-S证据理论相结合,构造了多信息融合的变压器状态评估模型。针对当前普遍施行的变压器在线监测技术,选取了变压器状态评估所需的状态信息,通过实例表明了该方法具有较高的诊断准确性和可靠性。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 选题的背景及研究意义
• 1.2 电力设备在线监测的发展及国内外研究现状
• 1.2.1 电力设备在线监测研究现状
• 1.2.2 变压器在线监测研究现状
• 1.3 电力设备及变压器状态评估的研究现状
• 1.4 论文主要研究工作
• 第二章 电力变压器的状态信息
• 2.1 变压器常见的故障类型
• 2.2 预试验信息
• 2.2.1 油中气体分析
• 2.2.2 常规电气试验
• 2.2.3 绝缘油特性试验
• 2.3 变压器运行信息
• 2.4 变压器历史信息
• 2.4.1 变压器的技术性能参数
• 2.4.2 变压器的检修记录
• 2.5 在线监测信息
• 2.6 本章小结
• 第三章 多信息融合的变压器状态评估方法
• 3.1 神经网络概述
• 3.2 RBF 神经网络原理
• 3.3 RBF 网络的设计
• 3.4 资源优化网络（RON）
• 3.4.1 资源优化网络（RON）在线RBF 网络设计方法
• 3.5 D-S 证据理论
• 3.5.1 D-S 证据理论的定义
• 3.5.2 D-S 证据理论的改进的合成规则
• 3.5.3 D-S 证据推理信息融合决策的基本过程
• 3.6 本章小结
• 第四章 多信息融合的变压器状态评估模型
• 4.1 神经网络信息融合模型
• 4.1.1 单子神经网络的信息融合模型
• 4.1.2 集成神经网络的信息融合模型
• 4.2 多信息融合的变压器状态评估模型
• 4.2.1 多信息融合的状态评估模型的建立
• 4.2.2 变压器信息的划分
• 4.2.3 多信息融合的变压器状态评估模型的建立
• 4.2.4 变压器状态的划分
• 4.2.5 仿真程序设计
• 4.2.6 实例验证
• 4.3 本章小结
• 第五章 总结与展望
• 5.1 总结
• 5.2 展望
• 参考文献
• 致谢
• 在学期间发表的学术论文和参加科研情况