基于支持向量机的变压器故障诊断

基于支持向量机的变压器故障诊断

论文摘要

随着当前社会的发展,国民经济的持续快速增长,我国电力工业也得到了高速的发展,全国发、输、配电的容量在不断增加。电力变压器承担着电压变换,电能分配和输送,并提供电力服务,在电力系统中处于枢纽地位。变压器一旦发生故障,影响面大、修复时间长、所以其可靠性指标是影响整个电力系统可靠性的重要因素,对其可靠性的改善将给整个电力系统的安全、可靠性和经济运行带来巨大的利益。目前,国内外的高电压、大容量电力变压器普遍采用油浸式变压器。本文研究的对象也是油浸式变压器。变压器的内绝缘是故障发生频率最高的部位,主要故障特点是变压器绝缘劣化严重。随着电力检测技术的发展,人们积累了很多关于变压器的故障分析判断的宝贵经验,也找到了很多检测、诊断变压器的方法。如电气的、物理的、化学的检测分析。包括油中气体色谱分析(DGA)、电压传感器在线监测技术、红外测温技术、局部放电试验、超声定位技术、绝缘预防性试验、绝缘油老化试验、变压器耐压试验、绕组变形试验、油流带电试验、变压器老化诊断试验及各种常规试验。本研究中,分析了已有的支持向量机分类器只能解决两分类问题的不足,结合变压器故障诊断中常用的油色谱分析方法,提出了基于C-支持向量机多分类器的变压器状态诊断模型。利用支持向量机基于数据的统计学习理论的良好学习能力,并借用交叉验证的方法调整和优化支持向量机主要参数,构建了适用于变压器状态诊断的支持向量分类器。该模型具有较高分类预测准确率,能够有效且较准确的对变压器油色谱数据进行分类诊断。该模型简单、实用,具有推广应用的潜力,为变压器故障诊断的实际工作提供可靠的手段。

论文目录

  • 摘要
  • Abstract
  • 第一章 绪论
  • 1.1 课题研究的背景及意义
  • 1.2 电力变压器故障诊断国内外研究现状
  • 1.3 论文研究主要工作
  • 第二章 变压器故障与诊断
  • 2.1 变压器分类与结构特点及其主要故障类型
  • 2.1.1 变压器的分类
  • 2.1.2 油浸式变压器的主要结构
  • 2.1.3 变压器的故障类型
  • 2.2 变压器油中溶解气体的产生机理
  • 2.2.1 油中溶解气体的来源
  • 2.2.2 热性故障时变压器油中特征气体的产生
  • 2.2.3 电性故障时变压器油中特征气体的产生
  • 2.2.4 变压器内部故障与油中特征气体的关系
  • 2.3 基于油中溶解气体的特征气体诊断法
  • 2.3.1 由气体含量注意值和产气率判断有无故障
  • 2.3.2 由特征气体组分含量诊断故障性质
  • 2.3.3 以总烃为特征量的故障诊断
  • 2.4 基于油中溶解气体的比值法
  • 2.4.1 三比值法
  • 2.4.2 改良三比值法
  • 2.4.3 三比值法的局限性
  • 2.5 本章小结
  • 第三章 SVM-支持向量机
  • 3.1 支持向量机简介
  • 3.1.1 统计学习理论背景
  • 3.1.2 支持向量机基本思想
  • 3.1.3 SVM 分类及 C-SVC
  • 3.2 SVM 核函数、主要参数及其意义
  • 3.3 交叉验证优化
  • 3.4 本章小结
  • 第四章 基于交叉验证优化的 SVM 在变压器故障诊断中的应用
  • 4.1 SVM 在 Matlab 平台的实现
  • 4.2 基于交叉验证优化后的 SVM 的变压器故障诊断
  • 4.3 变压器故障诊断实例分析
  • 4.3.1 样本数据预处理
  • 4.3.2 交叉验证选择最佳参数c,g
  • 4.3.3 变压器故障诊断结果
  • 结论与展望
  • 参考文献
  • 致谢
  • 附录A (攻读硕士学位期间发表的学术论文目录)
  • 附录B (攻读硕士学位期间参加的科研项目)
  • 详细摘要
  • 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].基于灰狼算法优化支持向量机的变压器故障诊断[J]. 信息技术与信息化 2020(11)
    • [29].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)
    • [30].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)

    标签:;  ;  ;  ;  ;  

    基于支持向量机的变压器故障诊断
    下载Doc文档

    猜你喜欢