基于支持向量机的变压器远程故障诊断研究

论文摘要

变压器是电力系统中最重要的电气设备之一,也是电气化铁路牵引供电系统的重要设备。随着国民经济的持续发展,变压器正在向超高压、大容量、自动化的方向发展,对其可靠性要求越来越高,因此提高变压器的运行可靠性显得尤为重要。开展变压器故障诊断技术,提高变压器的运行维护水平,是实现变压器状态维修的重要内容,具有重要的现实意义。油中溶解气体分析(Dissolved Gas Analysis,简称DGA)是检测变压器早期故障的有效方法。本文使用支持向量机开展基于油中溶解气体分析的变压器故障诊断,通过实例分析证明了其有效性。本文还运用基于GPRS的无线通信技术实现变压器气体数据的远程传输,并运用LabVIEW技术设计变压器远程故障诊断控制界面,主要工作内容与结论具体如下：(1)首先分析了电力变压器的常见故障,介绍了变压器故障诊断的常用方法,然后对基于DGA的变压器故障传统诊断方法进行了综述。由于传统的故障诊断方法存在许多不足,本文提出了使用基于支持向量机的故障诊断方法。(2)介绍了统计学习理论和支持向量机的基本原理,从理论上和实际中得出支持向量机具有良好的非线性映射能力。阐述了传统归一化方法的不足,进而提出了改良的归一化方法,并与传统的归一化方法进行比较。介绍不同的核函数的特点,通过不同核函数的不同算法进行比较选取最适合的核函数。将支持向量机与传统的比值法进行二分类和多分类的对比,验证了支持向量机算法的优势。通过变压器故障的诊断实例,证明比传统比值法更具有优越性。(3)选用无线通信模块MC55完成现场与诊断中心的数据传输,保证数据及时准确的传送到诊断中心,进行相应的故障诊断。本文详细阐述了无线通信模块的软硬件设计,介绍了重要的AT命令,并对系统进行可靠性设计。(4)采用Lab VIEW语言设计了基于支持向量机的变压器远程故障诊断界面。综合上述研究成果,开发出了变压器远程故障诊断系统,经过综合调试能够实时的将现场采集的气体数据传送到远程故障诊断中心,经过支持向量机诊断系统得出了较高的分类准确率。

论文目录

• 致谢
• 中文摘要
• ABSTRACT
• 1 绪论
• 1.1 研究变压器故障诊断的背景及意义
• 1.2 变压器故障诊断技术及研究现状
• 1.2.1 变压器的常见故障类型
• 1.2.2 基于DGA的变压器故障诊断技术及研究现状
• 1.3 支持向量机的研究概况
• 1.4 变压器的在线监测和远程通信技术现状
• 1.5 论文的研究内容和结构安排
• 2 变压器的产气机理及传统故障诊断方法
• 2.1 变压器的产气机理
• 2.2 基于油中溶解气体的变压器传统故障诊断方法
• 2.2.1 判断变压器有无故障的两种方法
• 2.2.2 判断变压器故障性质和类型的几种常规方法
• 2.3 本章小结
• 3 统计学习与支持向量机基本理论
• 3.1 引言
• 3.2 统计学习理论
• 3.2.1 学习过程一致性的条件
• 3.2.2 函数集的VC维
• 3.2.3 推广性的界
• 3.2.4 结构风险最小化原则
• 3.3 支持向量机基本原理
• 3.3.1 最优分类面
• 3.3.2 广义的最优分类面
• 3.3.3 非线性支持向量机
• 3.3.4 多类分类支持向量机
• 3.4 模糊支持向量机（FSVM）基本原理
• 3.4.1 输入样本的模糊属性
• 3.4.2 两分类FSVM算法
• 3.5 支持向量机在变压器中的故障诊断研究
• 3.5.1 故障特征量的提取
• 3.5.2 支持向量机故障诊断过程
• 3.5.3 算法的具体步骤
• 3.6 诊断实例分析
• 3.7 本章小结
• 4 远程故障诊断系统的具体实现
• 4.1 无线通信模块设备的选型
• 4.2 组网方案的选择
• 4.3 无线通信模块总体设计
• 4.4 无线通信模块硬件设计
• 4.4.1 MC55模块启动电路设计
• 4.4.2 MC55与单片机接口设计
• 4.4.3 MC55的SIM卡接口设计
• 4.4.4 MC55的电源接口设计
• 4.5 无线通信模块的软件设计
• 4.6 无线通信模块可靠性设计
• 4.7 本章小结
• 5 基于LabVIEW的支持向量机远程故障诊断系统界面设计
• 5.1 LabVIEW简介
• 5.2 利用LabVIEW调用MATLAB算法的方法介绍
• 5.2.1 利用MATLAB Script节点调用MATLAB算法
• 5.2.2 利用COM技术调用MATLAB算法组件
• 5.2.3 利用动态链接库技术
• 5.3 基于LabVIEW的变压器远程故障诊断系统设计
• 5.3.1 远程故障诊断系统主界面设计
• 5.3.2 故障模型训练系统界面设计
• 5.3.3 远程故障诊断系统界面设计
• 5.4 本章小结
• 6 总结与展望
• 参考文献
• 作者简历
• 学位论文数据集