【摘要】：針對傳統(tǒng)變壓器故障診斷過程中未能將部分反映變壓器故障狀態(tài)的信息有效利用,以致故障診斷信息不完備、診斷結(jié)果不準確的情況,將鐵芯接地電流等信息與特征氣體相結(jié)合,以完善故障特征信息。并在此基礎上,構(gòu)建了一種采用粗糙集的一對一多類支持向量機故障診斷新方法。首先利用一對一多類支持向量機實現(xiàn)故障類別區(qū)域的劃分;然后根據(jù)粗糙集的上下近似這一核心思想對故障類別劃分區(qū)域進行描述,得出故障分類的上下近似域及邊界域的集合,并提取故障診斷分類規(guī)則;最后利用分類規(guī)則實現(xiàn)故障類別劃分。該方法實現(xiàn)了故障信息的綜合利用,并將粗糙集在不完備數(shù)據(jù)與復雜模式刻畫方面所具備的優(yōu)良表現(xiàn),及一對一支持向量機在分類方面的良好泛化性能進行有效融合,從而有效提高故障分類精度。變壓器故障實例分析表明,與傳統(tǒng)診斷方法相比較,該方法具有更高的診斷正確率,且其可有效反映故障診斷中所出現(xiàn)的不完備信息。
[Abstract]:In the process of traditional transformer fault diagnosis, some information reflecting the fault state of transformer can not be used effectively, so that the fault diagnosis information is not complete and the diagnosis result is not accurate. In order to perfect fault characteristic information, the information of core grounding current is combined with characteristic gas. On this basis, a new method of fault diagnosis based on rough set for one to one class support vector machine (SVM) is proposed. First, one to one class support vector machine (SVM) is used to partition the fault category region, and then the fault classification region is described according to the core idea of rough set approximation. The sets of upper and lower approximate domain and boundary domain of fault classification are obtained, and fault diagnosis classification rules are extracted. Finally, fault classification is realized by using classification rules. This method realizes the comprehensive utilization of fault information, and combines the good performance of rough set in incomplete data and complex pattern characterization, and the good generalization performance of one-to-one support vector machine in classification. Thus, the accuracy of fault classification is improved effectively. The analysis of transformer fault example shows that compared with the traditional diagnosis method, this method has higher diagnostic accuracy, and it can effectively reflect the incomplete information in fault diagnosis.
【作者單位】： 西南交通大學電氣工程學院;
【基金】：國家自然科學基金(51177136)~~
【分類號】：TM41

【相似文獻】

相關期刊論文 前10條

1 車增強,李丙才,楊青年,頡振群,傅應霞,趙榮泳;粗糙集理論簡介及其在電站行業(yè)中的應用潛力分析[J];移動電源與車輛;2004年04期

2 丁娟;;粗糙集理論在電力系統(tǒng)中的應用與發(fā)展[J];電氣開關;2011年01期

3 常太華;李健;王旭;楊婷婷;;基于粗糙集的電站運行優(yōu)化目標值研究[J];控制工程;2012年04期

4 韓葉良;蘇國鋒;袁宏永;馬偉;;基于粗糙集的電網(wǎng)覆冰事故預警模型[J];清華大學學報(自然科學版);2010年12期

5 王永茂,劉克勤;粗糙集理論在電力系統(tǒng)燃料管理中的應用[J];現(xiàn)代電力;2002年05期

6 孫秋野;張化光;黎明;;基于不確定推理的粗糙集配網(wǎng)故障診斷方法研究[J];自然科學進展;2009年01期

7 董澤;李鵬;王學厚;周黎輝;;基于粗糙集和支持向量機的汽輪機組故障診斷[J];華北電力大學學報(自然科學版);2008年02期

8 舒服華;;粗糙集在電能質(zhì)量綜合評價中應用[J];電力自動化設備;2008年10期

9 劉學琴;吳耀華;崔寶華;;基于擴展粗糙集的短期電力負荷預測模型[J];電力系統(tǒng)保護與控制;2010年05期

10 晁進;劉文穎;劉勇智;趙連斌;;基于粗糙集理論的電網(wǎng)報警規(guī)則自動提取與應用[J];電力系統(tǒng)保護與控制;2011年08期

相關會議論文 前10條

1 胡澤江;張海濤;;可拓關聯(lián)函數(shù)與屬性約簡相結(jié)合的變壓器故障診斷方法[A];2011年云南電力技術(shù)論壇論文集（入選部分）[C];2011年

2 周柯;羅安;;信息融合技術(shù)在變壓器故障診斷中的應用[A];2009年全國輸變電設備狀態(tài)檢修技術(shù)交流研討會論文集[C];2009年

3 趙繼印;李建坡;黎巧生;;基于氣相色譜分析方法的變壓器故障診斷系統(tǒng)[A];“振興吉林老工業(yè)基地——科技工作者的歷史責任”吉林省第三屆科學技術(shù)學術(shù)年會論文集（上冊）[C];2004年

4 李銳;;化學技術(shù)監(jiān)督在變壓器故障診斷中的應用[A];2009年云南電力技術(shù)論壇論文集（文摘部分）[C];2009年

5 李銳;;化學技術(shù)監(jiān)督在變壓器故障診斷中的應用[A];2009年全國輸變電設備狀態(tài)檢修技術(shù)交流研討會論文集[C];2009年

6 禹建麗;周瑞芳;;一種基于神經(jīng)網(wǎng)絡和模糊理論的變壓器故障診斷[A];2013年中國智能自動化學術(shù)會議論文集（第四分冊）[C];2013年

7 李銳;;化學技術(shù)監(jiān)督在變壓器故障診斷中的應用[A];2009年云南電力技術(shù)論壇論文集（優(yōu)秀論文部分）[C];2009年

8 陳湘萍;;基于神經(jīng)網(wǎng)絡的變壓器故障診斷[A];第八屆全國信息獲取與處理學術(shù)會議論文集[C];2010年

9 卞建鵬;廖瑞金;楊麗君;鄭含博;;基于均值核聚類與二叉樹支持向量機的變壓器故障診斷新技術(shù)的研究[A];重慶市電機工程學會2010年學術(shù)會議論文集[C];2010年

10 于虹;張永剛;;基于模擬退火和支持向量機理論的變壓器故障診斷方法[A];2011年云南電力技術(shù)論壇論文集（優(yōu)秀論文部分）[C];2011年

相關重要報紙文章 前1條

1 廣西龍州縣鴨水電廠 王f ;變壓器故障診斷方法的探討[N];中華合作時報;2004年

相關博士學位論文 前10條

1 司馬莉萍;基于改進支持向量機的電力變壓器故障診斷與預測方法的研究[D];武漢大學;2012年

2 趙文清;基于數(shù)據(jù)挖掘的變壓器故障診斷和預測研究[D];華北電力大學（河北）;2009年

3 鄧宏貴;可拓理論與關聯(lián)分析及其在變壓器故障診斷中的應用[D];中南大學;2005年

4 鄭元兵;變壓器故障診斷與預測集成學習方法及維修決策模型研究[D];重慶大學;2011年

5 尹金良;基于相關向量機的油浸式電力變壓器故障診斷方法研究[D];華北電力大學;2013年

6 張利偉;油浸式電力變壓器故障診斷方法研究[D];華北電力大學;2014年

7 王瑜;基于支持向量機和多信息融合的局部放電故障診斷研究[D];華北電力大學;2015年

8 周葉;基于新異類檢測和支持向量機的水電機組診斷技術(shù)研究[D];中國水利水電科學研究院;2015年

9 馬君華;粗糙集屬性約簡和聚類算法及其在電力自動化中的應用研究[D];華中科技大學;2010年

10 陳舵;模糊聚類分析及其在電力變壓器故障診斷中的應用研究[D];西安理工大學;2008年

相關碩士學位論文 前10條

1 張德齊;基于粗糙集理論的電機故障診斷方法研究[D];渤海大學;2015年

2 高建森;基于知識獲取的電子電器壽命分析方法的研究[D];河北工業(yè)大學;2015年

3 賀林曉;基于粗糙集的關聯(lián)規(guī)則挖掘在變電設備故障診斷中的應用[D];華北電力大學;2015年

4 姜翻;粗糙集在控制燃煤電廠NO_x排放中的應用研究[D];華北電力大學;2015年

5 劉紅彬;基于粗糙集的風機故障診斷與電站運行優(yōu)化[D];華北電力大學;2015年

6 解毅;基于直覺不確定粗糙集的智能電網(wǎng)故障診斷[D];東北大學;2010年

7 白俊平;粗糙集理論在變壓器故障診斷中應用的研究[D];天津大學;2009年

8 王賀;基于粗糙集知識約減的電站優(yōu)化運行研究[D];華北電力大學;2014年

9 張仁杰;粗糙集理論在電站運行優(yōu)化中的應用研究[D];華北電力大學（北京）;2011年

10 李大慶;基于粗糙集理論的配電網(wǎng)故障診斷[D];華北電力大學（河北）;2007年

，

本文編號：2212013