支持向量机研究及其应用于特高压变压器电场优化

论文摘要

对变压器线圈及出线装置电场进行计算,控制各处油隙的电场强度远小于起始局部放电场强度,是特高压变压器绝缘设计的重要内容。对这部分绝缘结构进行优化设计,对特高压变压器的整体制造水平具有重要意义。支持向量机是一种继人工神经网络之后的新型机器学习算法,它以统计学习理论为基础,使用核函数把数据从样本空间映射到高维特征空间,将非线性问题转化为线性可分问题,从而获得最优解。本论文在深入研究支持向量机理论和基本算法的基础上,对其在特高压变压器电场优化设计中的应用进行了研究。本文利用支持向量机对特高压变压器线圈电场的有限元计算结果进行训练得到模型。应用基于最小二乘支持向量机和模拟退火法的全局优化算法以较快的速度找到不同设计尺寸下均压球附近的最大电场强度的最小值,以满足特高压变压器绝缘设计要求,最终达到结构优化的目的,为产品的设计研制提供理论依据。特高压变压器电场的优化,往往采用人为的改变绝缘结构的尺寸参数,反复计算。对应每一个结果,进行必要地结构调整,从而达到最小场强的优化目标。虽然最终也可以满足工程需要,但是效率很低。利用本优化方法,只需一定组数不同尺寸结构下最大电场强度的数据即可得到最大电场强度最小时的结构尺寸,效率较高。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 支持向量机简介
• 1.2 特高压变压器简介
• 1.3 论文的研究意义和主要工作
• 1.3.1 本论文的研究意义
• 1.3.2 本论文的主要研究工作
• 第二章 支持向量机原理
• 2.1 机器学习
• 2.1.1 机器学习的定义和研究内容
• 2.1.2 机器学习的发展史
• 2.1.3 机器学习的策略和结构
• 2.2 统计学习理论
• 2.2.1 VC 维
• 2.2.2 推广能力
• 2.2.3 结构风险最小化原则
• 2.3 支持向量机
• 2.3.1 支持向量机核函数
• 2.3.2 支持向量分类
• 2.3.3 支持向量回归
• 2.4 最小二乘支持向量机
• 2.5 本章小节
• 第三章 变压器设计
• 3.1 变压器设计概况
• 3.1.1 变压器优化设计国内外现状
• 3.1.2 变压器绝缘设计
• 3.2 电力变压器绝缘技术
• 3.2.1 电力变压器绝缘技术的关键问题
• 3.2.2 局部放电问题
• 3.2.3 局部放电的主要原因及防止措施
• 3.3 本章小节
• 第四章 基于支持向量机的优化方法
• 4.1 模拟退火法
• 4.2 基于最小二乘支持向量机和模拟退火法的优化算法
• 4.3 优化设计方法及其在特高压变压器电场优化设计中的应用
• 4.3.1 应用实例简述
• 4.3.2 优化过程
• 4.4 本章小结
• 第五章 结论
• 参考文献
• 致谢