本文關(guān)鍵詞：基于改進(jìn)人工魚群-RBF神經(jīng)網(wǎng)絡(luò)的電力變壓器故障診斷研究

  更多相關(guān)文章： 電力變壓器 故障分析 溶解氣體 改進(jìn)AFSA RBF網(wǎng)絡(luò)

【摘要】：本文通過對電力變壓器故障診斷技術(shù)的學(xué)習(xí)研究,概述了該技術(shù)在國內(nèi)外的發(fā)展概況,闡述了傳統(tǒng)的故障診斷方法(DGA),以及基于DGA數(shù)據(jù)的人工智能診斷技術(shù),分析了變壓器故障氣體的產(chǎn)生機(jī)理、過程和特征氣體的構(gòu)成與故障類型的關(guān)聯(lián)性,提出了基于改進(jìn)的人工魚群算法(IAFSA)結(jié)合RBF神經(jīng)網(wǎng)絡(luò)的變壓器故障診斷方法。首先對傳統(tǒng)的基于DGA數(shù)據(jù)的變壓器故障診斷方法進(jìn)行了理論學(xué)習(xí)和分析,介紹了溶解氣體在變壓器中的產(chǎn)生來源,以及各類氣體的組成比例與之相對應(yīng)的故障類型,并得出了傳統(tǒng)變壓器故障診斷方法的不足之處,為下一步提出新方法奠定了理論依據(jù)。然后通過研究AFSA算法的原理特征及其自身存在的欠缺之處,對魚群算法的參數(shù)和行為進(jìn)行了改進(jìn),適當(dāng)引入了相應(yīng)策略：自適應(yīng)策略、分段策略、跳躍行為、踏步行為等。設(shè)計(jì)出改進(jìn)后的人工魚群算法(IAFSA)模型和流程圖,改進(jìn)后的魚群算法具有搜索速度快,并自動選擇魚群行為,易于逃離局部最優(yōu)解,為下一步的結(jié)合RBF神經(jīng)網(wǎng)絡(luò)提供了算法支撐。IAFSA主要用于優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的基函數(shù)中心和寬度,文中采用了均勻分布魚群,搜索故障數(shù)據(jù)的徑向基中心的初始值,再根據(jù)K-means聚類算法,最終確定網(wǎng)絡(luò)的基中心和寬度等參數(shù),使RBF網(wǎng)絡(luò)得出最優(yōu)結(jié)構(gòu),提高網(wǎng)絡(luò)的訓(xùn)練效率和效果。最后依據(jù)IAFSA-RBF算法的理論成果,使用MATLA R2013a平臺搭建模型,進(jìn)行實(shí)驗(yàn)仿真。通過實(shí)驗(yàn)數(shù)據(jù)對比結(jié)果來看,本文使用的方法一一IAFSA-RBF網(wǎng)絡(luò)對于變壓器故障數(shù)據(jù)訓(xùn)練和預(yù)測的速度與精度上,相對單一RBF網(wǎng)絡(luò)、常規(guī)AFSA-RBF網(wǎng)絡(luò)有了顯著的提高。IAFSA-RBF網(wǎng)絡(luò)的診斷性能體現(xiàn)出較強(qiáng)的優(yōu)越性,在電力變壓器故障診斷方面,具有很好的實(shí)用價(jià)值。
【關(guān)鍵詞】：電力變壓器 故障分析 溶解氣體 改進(jìn)AFSA RBF網(wǎng)絡(luò)
【學(xué)位授予單位】：廣西大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TM407;TP183
【目錄】：

• 摘要4-6
• ABSTRACT6-10
• 第一章 緒論10-19
• 1.1 引言10-11
• 1.2 電力變壓器故障診斷的現(xiàn)實(shí)意義11-12
• 1.3 電力變壓器故障診斷技術(shù)的發(fā)展12-17
• 1.3.1 基于DGA數(shù)據(jù)的傳統(tǒng)診斷方法12-15
• 1.3.2 基于DGA數(shù)據(jù)的智能診斷方法15-17
• 1.4 本文主要研究內(nèi)容17-19
• 第二章 油浸式電力變壓器基于DGA的常用檢測方法19-30
• 2.1 電力變壓器常見故障類型19-21
• 2.1.1 熱性故障19
• 2.1.2 電性故障19-21
• 2.2 油浸式變壓器溶解氣體的分析21-25
• 2.2.1 油中溶解氣體產(chǎn)生機(jī)理21-23
• 2.2.2 油中溶解氣體成分組成23-25
• 2.3 油中溶解氣體與故障類型的關(guān)系25-27
• 2.3.1 熱性故障時(shí)油中溶解氣體特征25-26
• 2.3.2 電性故障時(shí)油中溶解氣體特征26-27
• 2.4 基于傳統(tǒng)DGA數(shù)據(jù)常規(guī)診斷方法的缺陷27-29
• 2.5 本章小結(jié)29-30
• 第三章 人工魚群算法的改進(jìn)與測試30-50
• 3.1 群智能優(yōu)化算法應(yīng)用30-31
• 3.1.1 幾種群智能算法30
• 3.1.2 AFSA算法的提出和現(xiàn)狀30-31
• 3.2 人工魚基本行為的數(shù)學(xué)描述31-35
• 3.2.1 參數(shù)對收斂性能的影響分析31-32
• 3.2.2 行為的描述與數(shù)學(xué)表達(dá)32-33
• 3.2.3 AFSA算法的全局尋優(yōu)原理33-35
• 3.3 AFSA參數(shù)的改進(jìn)35-39
• 3.3.1 步長Step的改進(jìn)35-38
• 3.3.2 視野Visual的改進(jìn)38
• 3.3.3 擁擠度因子delta的改進(jìn)38-39
• 3.4 AFSA行為的改進(jìn)39-43
• 3.4.1 覓食行為的改進(jìn)39-40
• 3.4.2 聚群行為的改進(jìn)40
• 3.4.3 追尾行為的改進(jìn)40-41
• 3.4.4 跳躍行為的引入41-43
• 3.5 IAFSA算法的性能測試43-48
• 3.5.1 測試函數(shù)介紹44-45
• 3.5.2 三維Rastrigin函數(shù)人工魚收斂結(jié)果比較45-47
• 3.5.3 算法迭代次數(shù)一定的情況下對收斂精度結(jié)果比較47-48
• 3.6 本章小結(jié)48-50
• 第四章 結(jié)合變壓器特征氣體的改進(jìn)K-MEANS算法分析50-65
• 4.1 RBF神經(jīng)網(wǎng)絡(luò)的概述與算法介紹50-54
• 4.1.1 RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型和算法實(shí)現(xiàn)51-53
• 4.1.2 RBF神經(jīng)網(wǎng)絡(luò)的聚類分析53-54
• 4.2 變壓器特征氣體的分析確定54-58
• 4.3 K-MEANS聚類算法的改進(jìn)58-60
• 4.3.1 改進(jìn)魚群算法(IAFSA)優(yōu)化K-means聚類算法58-59
• 4.3.2 優(yōu)化算法中相關(guān)參數(shù)設(shè)定59-60
• 4.4 基于變壓器特征氣體比值的相關(guān)實(shí)驗(yàn)60-64
• 4.4.1 兩種算法的對比試驗(yàn)60-63
• 4.4.2 采用四種特征氣體比值的分類實(shí)驗(yàn)63-64
• 4.5 本章小結(jié)64-65
• 第五章 基于IAFSA-RBF網(wǎng)絡(luò)的變壓器故障診斷結(jié)果分析65-81
• 5.1 改進(jìn)人工魚群算法(IAFSA)優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)65-66
• 5.1.1 IAFSA優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的基本思路65
• 5.1.2 IAFSA優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的具體步驟65-66
• 5.2 IAFSA-RBF神經(jīng)網(wǎng)絡(luò)的變壓器故障診斷的模型建立66-67
• 5.3 電力變壓器故障類型(定性)診斷的實(shí)例仿真實(shí)現(xiàn)與分析67-80
• 5.3.1 實(shí)驗(yàn)樣本數(shù)據(jù)的預(yù)處理68-69
• 5.3.2 對所建的診斷模型網(wǎng)絡(luò)實(shí)現(xiàn)訓(xùn)練和結(jié)果分析69-75
• 5.3.3 對訓(xùn)練好的故障診斷網(wǎng)絡(luò)進(jìn)行故障實(shí)例的診斷及分析75-80
• 5.4 本章小結(jié)80-81
• 第六章 論文總結(jié)與展望81-83
• 6.1 本文工作總結(jié)81-82
• 6.2 展望82-83
• 參考文獻(xiàn)83-87
• 附錄87-95
• 附錄Ⅰ：變壓器故障油色譜數(shù)據(jù)(μL/L)87-95
• 致謝95-96
• 攻讀學(xué)位期間發(fā)表論文情況96-97
• 攻讀學(xué)位期間參加的科研工作97

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 王凡,孟立凡;關(guān)于使用神經(jīng)網(wǎng)絡(luò)推定操作者疲勞的研究[J];人類工效學(xué);2004年03期

2 常國任;李仁松;沈醫(yī)文;劉鋼;;基于神經(jīng)網(wǎng)絡(luò)的直升機(jī)艦面系統(tǒng)效能評估[J];艦船電子工程;2007年03期

3 陳俊;;神經(jīng)網(wǎng)絡(luò)的應(yīng)用與展望[J];佛山科學(xué)技術(shù)學(xué)院學(xué)報(bào)(自然科學(xué)版);2009年05期

4 許萬增;;神經(jīng)網(wǎng)絡(luò)的研究及其應(yīng)用[J];國際技術(shù)經(jīng)濟(jì)研究學(xué)報(bào);1990年01期

5 張軍華;神經(jīng)網(wǎng)絡(luò)技術(shù)及其在軍用系統(tǒng)中的應(yīng)用[J];現(xiàn)代防御技術(shù);1992年04期

6 雷明,李作清,陳志祥,吳雅,楊叔子;神經(jīng)網(wǎng)絡(luò)在預(yù)報(bào)控制中的應(yīng)用[J];機(jī)床;1993年11期

7 靳蕃;神經(jīng)網(wǎng)絡(luò)及其在鐵道科技中應(yīng)用的探討[J];鐵道學(xué)報(bào);1993年02期

8 宋玉華，，王啟霞;神經(jīng)網(wǎng)絡(luò)診斷──神經(jīng)網(wǎng)絡(luò)在自動化領(lǐng)域里的應(yīng)用[J];中國儀器儀表;1994年03期

9 魏銘炎;國內(nèi)外神經(jīng)網(wǎng)絡(luò)技術(shù)的研究與應(yīng)用概況[J];電機(jī)電器技術(shù);1995年04期

10 王中賢，錢頌迪;神經(jīng)網(wǎng)絡(luò)法在經(jīng)濟(jì)管理中的應(yīng)用[J];航天工業(yè)管理;1995年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡(luò)的混沌性[A];1996中國控制與決策學(xué)術(shù)年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡(luò)[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡(luò)和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

5 鐘義信;;知識論:神經(jīng)網(wǎng)絡(luò)的新機(jī)遇——紀(jì)念中國神經(jīng)網(wǎng)絡(luò)10周年[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

6 許進(jìn);保錚;;神經(jīng)網(wǎng)絡(luò)與圖論[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預(yù)報(bào)產(chǎn)品的神經(jīng)網(wǎng)絡(luò)釋用預(yù)報(bào)應(yīng)用[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡(luò)在中學(xué)生創(chuàng)造力評估中的應(yīng)用[A];第十二屆全國心理學(xué)學(xué)術(shù)大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡(luò)的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學(xué)學(xué)報(bào)（增刊）][C];2009年

10 張廣遠(yuǎn);萬強(qiáng);曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的故障診斷方法研究[A];第十二屆全國設(shè)備故障診斷學(xué)術(shù)會議論文集[C];2010年

中國重要報(bào)紙全文數(shù)據(jù)庫 前10條

1 美國明尼蘇達(dá)大學(xué)社會學(xué)博士 密西西比州立大學(xué)國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護(hù)好創(chuàng)新的“神經(jīng)網(wǎng)絡(luò)硬件”[N];中國教師報(bào);2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計(jì)算機(jī)世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡(luò)將大顯身手[N];中國紡織報(bào);2003年

4 中國科技大學(xué)計(jì)算機(jī)系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類大腦[N];計(jì)算機(jī)世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡(luò)”：打開復(fù)雜工藝“黑箱”[N];解放日報(bào);2007年

6 本報(bào)記者 劉霞;美用DNA制造出首個(gè)人造神經(jīng)網(wǎng)絡(luò)[N];科技日報(bào);2011年

7 健康時(shí)報(bào)特約記者　 張獻(xiàn)懷;干細(xì)胞移植：修復(fù)受損的神經(jīng)網(wǎng)絡(luò)[N];健康時(shí)報(bào);2006年

8 劉力;我半導(dǎo)體神經(jīng)網(wǎng)絡(luò)技術(shù)及應(yīng)用研究達(dá)國際先進(jìn)水平[N];中國電子報(bào);2001年

9 ;神經(jīng)網(wǎng)絡(luò)和模糊邏輯[N];世界金屬導(dǎo)報(bào);2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡(luò)應(yīng)用研究通過鑒定[N];中國船舶報(bào);2006年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 楊旭華;神經(jīng)網(wǎng)絡(luò)及其在控制中的應(yīng)用研究[D];浙江大學(xué);2004年

2 李素芳;基于神經(jīng)網(wǎng)絡(luò)的無線通信算法研究[D];山東大學(xué);2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡(luò)的混沌性及幾類時(shí)滯神經(jīng)網(wǎng)絡(luò)的同步研究[D];電子科技大學(xué);2014年

4 王新迎;基于隨機(jī)映射神經(jīng)網(wǎng)絡(luò)的多元時(shí)間序列預(yù)測方法研究[D];大連理工大學(xué);2015年

5 付愛民;極速學(xué)習(xí)機(jī)的訓(xùn)練殘差、穩(wěn)定性及泛化能力研究[D];中國農(nóng)業(yè)大學(xué);2015年

6 李輝;基于粒計(jì)算的神經(jīng)網(wǎng)絡(luò)及集成方法研究[D];中國礦業(yè)大學(xué);2015年

7 王衛(wèi)蘋;復(fù)雜網(wǎng)絡(luò)幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學(xué);2015年

8 張海軍;基于云計(jì)算的神經(jīng)網(wǎng)絡(luò)并行實(shí)現(xiàn)及其學(xué)習(xí)方法研究[D];華南理工大學(xué);2015年

9 李艷晴;風(fēng)速時(shí)間序列預(yù)測算法研究[D];北京科技大學(xué);2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關(guān)鍵技術(shù)研究[D];東南大學(xué);2015年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 陳少吉;基于神經(jīng)網(wǎng)絡(luò)血壓預(yù)測研究與系統(tǒng)實(shí)現(xiàn)[D];華南理工大學(xué);2015年

2 張韜;幾類時(shí)滯神經(jīng)網(wǎng)絡(luò)穩(wěn)定性分析[D];渤海大學(xué);2015年

3 邵雪瑩;幾類時(shí)滯不確定神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性分析[D];渤海大學(xué);2015年

4 胡婷;改進(jìn)QGA-BP模型及其在彌苴河總氮量預(yù)測中的應(yīng)用[D];昆明理工大學(xué);2015年

5 劉俊輝;基于數(shù)據(jù)清洗方法的河道水位預(yù)測研究[D];昆明理工大學(xué);2015年

6 劉波;短期風(fēng)電功率預(yù)測方法研究[D];南京信息工程大學(xué);2015年

7 蔡邦宇;人臉識別中單次ERP時(shí)空特征分析及其快速檢索的應(yīng)用[D];浙江大學(xué);2015年

8 鄭川;垃圾評論檢測算法的研究[D];西南交通大學(xué);2015年

9 李菊;BP神經(jīng)網(wǎng)絡(luò)在房地產(chǎn)批量評估中的應(yīng)用研究[D];昆明理工大學(xué);2015年

10 馬亮;降水點(diǎn)分類預(yù)測方法研究[D];中國地質(zhì)大學(xué)(北京);2015年

本文編號：1114344