油浸式电力变压器故障诊断的研究

油浸式电力变压器故障诊断的研究

论文摘要

当代社会经济的迅速发展带动了社会用电量的持续攀升,电网系统长期工作在超负荷状态,这给电网的维护人员带来了诸多难题。电力变压器是电网的核心设备之一,因此电力变压器的安全运行问题受到了越来越广泛的关注,对电力变压器的潜伏性故障的检测也成为了重要的研究课题。油浸式电力变压器的内部故障包括电性故障和热性故障,一旦发生故障可能会造成电网系统不能安全、正常的运行,甚至会发生重大的安全事故,因此对其进行定时诊断具有重大的意义。针对油浸式电力变压器的故障诊断,本文提出了两种解决方案。第一种方案是针对故障诊断的精确度提出的。由于IEC三比值法的边界划分不清楚和油中溶解气体的数据样本中各类故障的样本数不同,导致了样本不平衡,这些因素导致了诊断精度不高,因此本文提出了基于遗传算法优化规则表的电力变压器故障诊断方案。根据变压器故障类型及特点建立模糊故障诊断系统,并采用自举法扩充DGA样本。为了使得诊断精度更高,本文还采用了遗传算法来优化模糊规则表。第二种方案是针对BP神经网络易陷入局部极小和遗传算法的“早熟”问题提出的,主要是采用模拟退火算法来优化小波神经网络。模拟退火算法的优点就是避免陷入局部极小,而小波神经网络中的小波分析在时域和频域上具有良好的特性,这正好弥补了模拟退火算法在收敛速度上的缺陷。最后本文通过Matlab仿真软件对这两种方案进行了验证。通过仿真结果的对比和分析,第一种方案得到的仿真结果具有更高的诊断精度,而第二种方案在易陷入局部极小值问题上比其他方法更具优势。这表明了这两种方案的可行性和有效性。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  • 1.1 课题研究的目的与意义
  • 1.2 油浸式电力变压器故障诊断发展现状和发展方向
  • 1.2.1 油浸式电力变压器国内外的研究和发展概况
  • 1.2.2 油浸式电力变压器的故障类型分析
  • 1.3 本论文的主要工作和论文结构
  • 1.3.1 论文结构
  • 1.3.2 主要工作
  • 第二章 油浸式电力变压器的故障诊断技术
  • 2.1 故障诊断的必要性
  • 2.2 故障诊断的基本原理
  • 2.3 油浸式电力变压器的结构原理和应用范围
  • 2.4 油浸式电力变压器的故障诊断技术
  • 2.4.1 油中溶解气体分析法
  • 2.4.2 三比值法
  • 2.4.3 人工智能技术
  • 2.4.3.1 变压器故障诊断的神经网络
  • 2.4.3.2 变压器故障诊断的模糊技术
  • 2.4.3.3 变压器故障诊断的专家系统
  • 2.5 小结
  • 第三章 模拟退火算法和遗传算法
  • 3.1 遗传算法
  • 3.1.1 遗传算法的形成和发展
  • 3.1.2 遗传算法的基本思想
  • 3.1.3 遗传算法的基本过程
  • 3.2 模拟退火优化算法
  • 3.2.1 模拟退火优化算法的形成和发展
  • 3.2.2 模拟退火优化算法的基本思想
  • 3.2.3 模拟退火算法的关键参数和基本操作流程
  • 3.3 模拟退火算法与遗传算法的性能比较
  • 3.4 小结
  • 第四章 基于模糊IEC三比值法的电力变压器故障诊断
  • 4.1 引言
  • 4.2 变压器的模糊IEC三比值故障诊断系统
  • 4.3 遗传算法优化模糊规则表
  • 4.4 自举法处理DGA样本
  • 4.5 仿真实例与结果分析
  • 4.6 小结
  • 第五章 基于模拟退火的变压器故障诊断
  • 5.1 引言
  • 5.2 小波神经网络
  • 5.2.1 小波变换的发展
  • 5.2.2 神经网络的发展
  • 5.2.3 小波神经网络模型
  • 5.3 模拟退火算法优化网络
  • 5.4 仿真实例与结果分析
  • 5.5 小结
  • 第六章 结束语
  • 6.1 结论与工作
  • 6.2 存在问题与展望
  • 参考文献
  • 致谢
  • 攻读学位期间主要的研究成果
  • 相关论文文献

    • [1].遗传算法在焊接领域的优化与应用[J]. 现代焊接 2012(03)
    • [2].面向作业车间调度问题的遗传算法改进[J]. 河北科技大学学报 2019(06)
    • [3].基于改进遗传算法的校园食堂外卖配送路径优化研究[J]. 辽宁工业大学学报(自然科学版) 2020(01)
    • [4].混合杂草遗传算法求解旅行商问题[J]. 科学技术创新 2020(11)
    • [5].基于模糊遗传算法的先进战机协同攻防决策[J]. 火力与指挥控制 2020(03)
    • [6].基于改进遗传算法的自动导引小车路径规划[J]. 组合机床与自动化加工技术 2020(07)
    • [7].基于遗传算法的海水淡化系统优化调度研究[J]. 绥化学院学报 2020(08)
    • [8].基于改进遗传算法的工程施工进度优化分析[J]. 住宅与房地产 2020(21)
    • [9].基于遗传算法物流配送最佳路径问题研究[J]. 河北建筑工程学院学报 2020(02)
    • [10].基于优化遗传算法的配电网故障定位技术[J]. 化工自动化及仪表 2020(05)
    • [11].两个轴辐式网络协同建设的多层编码遗传算法[J]. 西南交通大学学报 2020(05)
    • [12].基于遗传算法的旅游最优路径探究[J]. 电脑知识与技术 2018(34)
    • [13].浅谈遗传算法及其部分改进算法[J]. 科技风 2019(12)
    • [14].遗传算法在优化问题中的应用综述[J]. 山东工业技术 2019(12)
    • [15].一种改进遗传算法及验证[J]. 电脑编程技巧与维护 2019(06)
    • [16].现代农机数字化装配车间调度技术研究——基于云计算和遗传算法[J]. 农机化研究 2018(01)
    • [17].基于遗传算法的小麦收割机路径智能优化控制研究[J]. 农机化研究 2018(02)
    • [18].基于遗传算法的医院房间位置优化研究[J]. 电脑与信息技术 2018(01)
    • [19].基于遗传算法的汽油调和优化系统[J]. 工业控制计算机 2018(10)
    • [20].基于遗传算法进行结构优化的研究现状[J]. 河北建筑工程学院学报 2018(03)
    • [21].用于图像分割的双变异遗传算法[J]. 传感器与微系统 2017(02)
    • [22].基于改进遗传算法的新型水面无人艇性能综合优化分析[J]. 江苏科技大学学报(自然科学版) 2017(01)
    • [23].以混合式遗传算法核心的网络差异数据挖掘技术[J]. 中国新通信 2017(06)
    • [24].基于贪心遗传算法的穴盘苗补栽路径优化[J]. 农业机械学报 2017(05)
    • [25].基于改进遗传算法的列车节能操纵方案研究[J]. 机电一体化 2017(01)
    • [26].基于混沌遗传算法的计算机辅助动态布局[J]. 计算机工程与设计 2017(09)
    • [27].基于改进遗传算法的多项目资源均衡配置研究[J]. 工业技术经济 2017(10)
    • [28].基于交互式遗传算法的建筑物外观设计探讨[J]. 科技展望 2015(34)
    • [29].改进遗传算法及其在泵站优化运行中的应用[J]. 南水北调与水利科技 2016(02)
    • [30].基于改进遗传算法的高校排课优化问题研究[J]. 电子科技 2016(05)

    标签:;  ;  ;  ;  ;  ;  

    油浸式电力变压器故障诊断的研究
    下载Doc文档

    猜你喜欢