發(fā)布時間：2020-02-22 06:07

【摘要】：變壓器是電力系統(tǒng)實現(xiàn)輸、變電工程的樞紐設備,其運行狀態(tài)直接影響著整個電力系統(tǒng)的安全、可靠和穩(wěn)定。長時間持續(xù)工作中的油浸式變壓器,不可避免地會出現(xiàn)故障。如何通過油浸式變壓器內部機理及油中溶解氣體含量對變壓器故障進行及時診斷和預測是變壓器安全運行的關鍵。本文以油浸式變壓器故障診斷為背景,針對油中溶解氣體含量數(shù)據(jù)集尋找規(guī)律,采用特征提取、機器學習等方法對變壓器的故障進行診斷和預測。本文的主要研究內容有以下幾個方面:1、建立油浸式變壓器故障診斷模型,提出結合人工智能的油浸式變壓器故障診斷方法。首先研究變壓器油中氣體的來源和氣體的溶解,并分析變壓器油中氣體的產氣機理以及變壓器故障與絕緣油中特征氣體之間的映射關系,得到不同故障類型與產生的特征氣體相互之間的關系。基于特征氣體與變壓器故障的特殊對應關系,通過第一章各種診斷方法的對比,提出需要尋求更為準確全面的方法,結合人工智能的方法進行變壓器故障診斷。2、改進的KPCA和LS-SVM故障診斷方法。針對油中溶解氣體含量中異常數(shù)據(jù)對KPCA特征提取造成精度下降這一問題,提出改進的KPCA和LS-SVM故障診斷方法,該方法對KPCA非線性映射后得到的特征空間進行格拉布斯準則判定,剔除異常離群值,減小離群值對KPCA特征提取的影響。在油浸式變壓器故障診斷中,將經過KPCA處理后的特征樣本輸出LS-SVM,結果證明本章方法的可行性和有效性。3、提出基于蟻群優(yōu)化最小二乘支持向量機(ACO-LSSVM)的變壓器故障診斷方法。針對LS-SVM中核函數(shù)參數(shù)及懲罰系數(shù)預先難以確定的問題,提出了基于蟻群算法優(yōu)化最小二乘支持向量機的變壓器故障診斷方法。本文采用蟻群算法對LS-SVM中參數(shù)的選取進行優(yōu)化,提高LS-SVM方法故障類型的分類準確性及精度。在樣本數(shù)據(jù)集上對基于蟻群優(yōu)化的LS-SVM方法進行驗證,結果表明經蟻群優(yōu)化以后的最小二乘支持向量機模型分類準確率達到了 92.57%,分類準確率比LS-SVM算法高出了 9.43個百分點,并根據(jù)診斷結果得出正常狀態(tài)和6種典型的故障類型。
【圖文】：

第一章緒論逡逑ＤＧＡ在線監(jiān)測系統(tǒng)。變壓器油中溶解氣體在線監(jiān)測方法［１３１如圖１．１所示：逡逑？邋？？？＿？邐邐邐？、？？？？＿？逡逑，，（變壓器運行現(xiàn)場邐）（遠程通信）逡逑ｒ＾＼邐ｒ＾＼邐；邐邐逡逑ｉ變邐汽邐組邐氣邐數(shù)邐■；邐；邐ｆ邐＼邐；逡逑：？藝－？誓－？機＜＜＾１遠程計算機逡逑：益邐方才方邐木逡逑丨油邐離邐離邐析邐集邐■邐；邐；邐Ｖ邐Ｊ逡逑＼＾）邐＼＾）邐Ｋｙ邐ｖ＿ｙ邐＼ｙ．：邐＼逡逑？邋邐邐邐？邋■邐＊邋■邋？邐ｒ逡逑圖１．１邋油中溶解氣體在線監(jiān)測的一般方法逡逑在線監(jiān)測的優(yōu)點是在不停電的情況下對變壓器所處狀態(tài)進行監(jiān)測，逡逑可以診斷出一般電氣試驗無法實現(xiàn)的變壓器潛伏性故障，能夠實現(xiàn)故障逡逑的提前發(fā)現(xiàn)、提早預防。逡逑ＤＧＡ方法以溶解在油中的特征氣體為研宄對象，以油中特征氣體的逡逑組分和含量、實際故障的性質與其嚴重程度為基礎，根據(jù)這兩者之間的逡逑映射關系來做故障診斷�！峨娏υO備預防試驗規(guī)程》１１２］指出，ＤＧＡ技術是逡逑采用氣相色譜分析儀分析油中氣體，包括分析氣體的類型、組分和含逡逑量

一步判斷故障的具體情況，比如故障的類型、發(fā)生故障的具體位置和故逡逑障的嚴重程度，最后根據(jù)故障類型提出相應的解決辦法［５６］。變壓器故障逡逑診斷的一般步驟流程圖如圖２．１所示。逡逑２５逡逑
【學位授予單位】：昆明理工大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TM41;TP18

【參考文獻】

相關期刊論文 前10條

1 師瑞峰;史永鋒;牟軍;李慧;劉瀟涵;;油中溶解氣體電力變壓器故障診斷專家系統(tǒng)[J];電力系統(tǒng)及其自動化學報;2014年12期

2 鄭含博;王偉;李曉綱;王立楠;李予全;韓金華;;基于多分類最小二乘支持向量機和改進粒子群優(yōu)化算法的電力變壓器故障診斷方法[J];高電壓技術;2014年11期

3 唐勇波;;改進特征樣本方法的KPCA變壓器故障檢測模型[J];計算機工程與應用;2014年21期

4 王婭娜;黃新波;宋桐;朱永燦;;基于改進粒子群算法的模糊神經網絡變壓器油色譜監(jiān)測故障診斷策略[J];廣東電力;2013年05期

5 張帆;;變壓器油中氣體分析輔助診斷方法[J];電力安全技術;2013年05期

6 高振興;駱玉海;李海山;郭創(chuàng)新;;采用CSA優(yōu)化LS-SVM的油浸式變壓器故障診斷方法[J];能源工程;2011年03期

7 陳靜;劉淵;;融合模擬退火算法的神經網絡流量預測研究[J];計算機工程與設計;2011年06期

8 曾杰;張華;;基于蟻群優(yōu)化的最小二乘支持向量機風速預測模型研究[J];太陽能學報;2011年03期

9 馮倩旋;;變壓器絕緣材料老化判斷的方法探討[J];機電工程技術;2010年11期

10 楊洪;古世甫;陶加貴;茍建;;自適應分級多分類支持向量機在變壓器故障診斷中的應用[J];高壓電器;2010年05期

相關博士學位論文 前3條

1 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

2 楊廷方;變壓器在線監(jiān)測與故障診斷新技術的研究[D];華中科技大學;2008年

3 彭寧云;基于DGA技術的變壓器故障智能診斷系統(tǒng)研究[D];武漢大學;2004年

相關碩士學位論文 前10條

1 蔡陳;油浸式變壓器DGA數(shù)據(jù)分析及其故障診斷研究[D];昆明理工大學;2016年

2 李本鋅;智能算法在油浸式變壓器故障診斷中的應用研究[D];華東交通大學;2015年

3 秦鵬;基于最小二乘支持向量機和D-S證據(jù)理論的電力變壓器故障診斷研究[D];蘭州交通大學;2015年

4 李江浩;基于改進神經網絡的變壓器故障診斷方法的研究[D];華北電力大學;2015年

5 何亞軍;變壓器的貝葉斯網絡故障診斷融合方法研究[D];華北電力大學;2015年

6 李育恒;基于模擬退火優(yōu)化支持向量機的電力變壓器故障診斷研究[D];蘭州交通大學;2014年

7 姬立新;變壓器油中溶解氣體故障診斷研究[D];華北電力大學;2014年

8 張鈺寧;蟻群優(yōu)化支持向量機在變壓器故障診斷中的應用[D];華北電力大學;2014年

9 張慶磊;基于油中氣體分析和局部放電檢測的變壓器故障診斷技術研究[D];南京理工大學;2014年

10 包淇天;變壓器油在線監(jiān)測系統(tǒng)在深圳供電局的應用[D];華南理工大學;2013年

本文編號：2581840