【摘要】：近年來,隨著電力工業(yè)的發(fā)展,電力系統(tǒng)裝機(jī)容量日益增長(zhǎng),變壓器故障時(shí)有發(fā)生,此時(shí),及時(shí)的發(fā)現(xiàn)并處理變壓器的故障顯得格外的重要。在樣本數(shù)量較小的情況下,支持向量機(jī)(SVVM)依然可以解決非線性、高維等問題,根據(jù)此優(yōu)勢(shì),本文建立了基于支持向量機(jī)的變壓器故障診斷模型和故障定位模型。故障診斷的結(jié)果主要是由支持向量機(jī)的參數(shù)所決定的,所以,本文還提出用布谷鳥算法(CS)來優(yōu)化支持向量機(jī)的參數(shù)。通過仿真實(shí)驗(yàn)表明,相比于其他算法,該算法能夠提高變壓器故障診斷以及故障定位的正確率。本文的主要研究?jī)?nèi)容如下:(1)在變壓器故障診斷模型中,利用布谷鳥算法優(yōu)化支持向量機(jī)的懲罰參數(shù)C和核參數(shù)g,為了提高布谷鳥算法的優(yōu)化能力,引入一種新的慣性權(quán)重ω,并將改進(jìn)的布谷鳥算法(WCS)與最速下降法(SD)相結(jié)合,得到新算法(SDWCS)。利用該算法進(jìn)行SVM參數(shù)的尋優(yōu),克服了基本的SVM模型容易陷入局部最優(yōu)的缺陷。(2)在變壓器故障診斷模型中,建立了基于支持向量機(jī)的分類模型,采用SDWCS算法優(yōu)化支持向量機(jī)參數(shù),利用LibSVM工具箱在MATLAB軟件平臺(tái)上訓(xùn)練支持向量機(jī),并通過實(shí)例仿真,將該故障診斷模型與布谷鳥算法(CS)、粒子群算法(PSO)、遺傳算法(GA)、網(wǎng)格搜索算法(GS)相比較。(3)在變壓器故障定位模型中,將變壓器的油色譜信息和電氣試驗(yàn)特征結(jié)合,建立基于二叉樹的支持向量機(jī)多層分類模型,采用SDWCS算法優(yōu)化支持向量機(jī)參數(shù),并逐步對(duì)變壓器故障進(jìn)行定位。通過實(shí)例證明,該故障定位模型能夠快速的判斷出變壓器發(fā)生故障的部位,而且定位的準(zhǔn)確率也有所提高,以做到快速的處理故障。
[Abstract]:In recent years, with the development of power industry, the installed capacity of power system is increasing day by day, and transformer faults occur frequently. At this time, it is very important to find and deal with transformer faults in time. In the case of small number of samples, SVM (SVVM) can still solve nonlinear and high-dimensional problems. Based on this advantage, a transformer fault diagnosis model and fault location model based on SVM are established in this paper. The result of fault diagnosis is mainly determined by the parameters of support vector machine (SVM). Therefore, this paper also proposes to optimize the parameters of support vector machine by Cuckoo algorithm (CS). The simulation results show that compared with other algorithms, the proposed algorithm can improve the accuracy of transformer fault diagnosis and fault location. The main contents of this paper are as follows: (1) in the transformer fault diagnosis model, Cuckoo algorithm is used to optimize the penalty parameter C and kernel parameter g of support vector machine, in order to improve the optimization ability of cuckoo algorithm. A new inertial weight 蠅 is introduced, and the improved cuckoo algorithm (WCS) is combined with the steepest descent method (SD) to obtain the new algorithm (SDWCS). The algorithm is used to optimize the SVM parameters, which overcomes the defect that the basic SVM model is prone to fall into local optimum. (2) in the transformer fault diagnosis model, a classification model based on support vector machine is established. SDWCS algorithm is used to optimize the parameters of support vector machine, and LibSVM toolbox is used to train support vector machine on MATLAB software platform. The fault diagnosis model and (CS), particle swarm optimization algorithm (PSO), of cuckoo algorithm are simulated by an example. The genetic algorithm (GA), grid search algorithm (GS) is compared. (3) in the fault location model of transformer, the multi-layer classification model of support vector machine based on binary tree is established by combining the oil chromatographic information of transformer with the characteristics of electrical test. The parameters of support vector machine are optimized by SDWCS algorithm, and transformer fault location is carried out step by step. The example shows that the fault location model can quickly determine the fault location of transformer, and the accuracy of location is also improved, in order to deal with the fault quickly.
【學(xué)位授予單位】：南京理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TM407

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 蘇宏升;李群湛;;概念格在變壓器故障診斷中的應(yīng)用研究[J];高電壓技術(shù);2006年02期

2 閆學(xué)杰;;煤礦變壓器故障診斷的研究[J];煤礦現(xiàn)代化;2011年02期

3 王錚一;鄭文杰;;基于基因表達(dá)式編程的變壓器故障診斷[J];陜西電力;2012年04期

4 ;變壓器故障診斷[J];電氣制造;2012年05期

5 肖華蘭;吳駿;;基于多分類相關(guān)向量機(jī)的變壓器故障診斷[J];電子世界;2013年15期

6 ;《大型變壓器故障診斷技術(shù)的研究》技術(shù)成果通過電力部鑒定[J];上海電力學(xué)院學(xué)報(bào);1995年04期

7 張豐仁,張恩鋒;氣相色譜分析在變壓器故障診斷中的應(yīng)用[J];中國(guó)煤炭;2000年10期

8 馬素媛;氣相色譜法在電力變壓器故障診斷中的實(shí)際應(yīng)用[J];冶金動(dòng)力;2000年05期

9 錢政,黃蘭,嚴(yán)璋,羅承沐;集成模糊數(shù)學(xué)與范例推理的變壓器故障診斷方法[J];電網(wǎng)技術(shù);2001年09期

10 孫輝,李衛(wèi)東,孫啟忠;判決樹方法用于變壓器故障診斷的研究[J];中國(guó)電機(jī)工程學(xué)報(bào);2001年02期

相關(guān)會(huì)議論文 前10條

1 胡澤江;張海濤;;可拓關(guān)聯(lián)函數(shù)與屬性約簡(jiǎn)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(yīng)用[A];2009年全國(guó)輸變電設(shè)備狀態(tài)檢修技術(shù)交流研討會(huì)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(zé)任”吉林省第三屆科學(xué)技術(shù)學(xué)術(shù)年會(huì)論文集（上冊(cè)）[C];2004年

4 李銳;;化學(xué)技術(shù)監(jiān)督在變壓器故障診斷中的應(yīng)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(xué)技術(shù)監(jiān)督在變壓器故障診斷中的應(yīng)用[A];2009年全國(guó)輸變電設(shè)備狀態(tài)檢修技術(shù)交流研討會(huì)論文集[C];2009年

6 禹建麗;周瑞芳;;一種基于神經(jīng)網(wǎng)絡(luò)和模糊理論的變壓器故障診斷[A];2013年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第四分冊(cè)）[C];2013年

7 李銳;;化學(xué)技術(shù)監(jiān)督在變壓器故障診斷中的應(yīng)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(luò)的變壓器故障診斷[A];第八屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)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(jī)的變壓器故障診斷新技術(shù)的研究[A];重慶市電機(jī)工程學(xué)會(huì)2010年學(xué)術(shù)會(huì)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(jī)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(guān)重要報(bào)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(shí)報(bào);2004年

相關(guān)博士學(xué)位論文 前10條

1 司馬莉萍;基于改進(jìn)支持向量機(jī)的電力變壓器故障診斷與預(yù)測(cè)方法的研究[D];武漢大學(xué);2012年

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

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

4 鄭元兵;變壓器故障診斷與預(yù)測(cè)集成學(xué)習(xí)方法及維修決策模型研究[D];重慶大學(xué);2011年

5 尹金良;基于相關(guān)向量機(jī)的油浸式電力變壓器故障診斷方法研究[D];華北電力大學(xué);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(xué);2014年

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

8 唐勇波;數(shù)據(jù)驅(qū)動(dòng)的大型電力變壓器故障診斷和預(yù)測(cè)研究[D];中南大學(xué);2013年

9 鄭蕊蕊;智能信息處理理論的電力變壓器故障診斷方法[D];吉林大學(xué);2010年

10 蘇宏升;軟計(jì)算方法及其在電力系統(tǒng)故障診斷中的若干應(yīng)用研究[D];西南交通大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 劉飛霞;基于蟻群算法的變壓器故障診斷研究[D];長(zhǎng)沙理工大學(xué);2014年

2 李江浩;基于改進(jìn)神經(jīng)網(wǎng)絡(luò)的變壓器故障診斷方法的研究[D];華北電力大學(xué);2015年

3 隋卓;基于振動(dòng)能量法的電力變壓器故障診斷與初步定位研究[D];華北電力大學(xué);2015年

4 朱紫娟;綜合故障診斷方法在電力變壓器故障診斷中的應(yīng)用研究[D];西安工程大學(xué);2016年

5 洪浪;基于油氣量和超高頻局放信號(hào)的變壓器故障診斷研究[D];湖北工業(yè)大學(xué);2016年

6 王瑩;變壓器故障診斷中油溶氣體基本信任分配函數(shù)研究[D];長(zhǎng)春工業(yè)大學(xué);2016年

7 張楠喬;基于智能算法的扼流適配變壓器故障診斷的研究[D];北京交通大學(xué);2016年

8 莊晟;基于樸素貝葉斯的電力變壓器故障診斷[D];上海交通大學(xué);2015年

9 王t，

本文編號(hào)：2416531