【摘要】：電網穩(wěn)定運行需要系統(tǒng)中各設備的協(xié)調配合,變壓器作為電網中的能量交換設備,其運行狀況對電網有直接的影響。并且隨著電力變壓器電壓等級更高、結構更復雜,其故障也變得更加復雜化和多樣化,故障原因與故障征兆之間的關系也更加不易探究,因此很難采集到完整無誤的故障樣本,這便大大增加了變壓器故障診斷的難度。因此,本文在分析了電力變壓器故障診斷的各類方法后,選擇以改良三比值法為基礎,利用貝葉斯網絡處理因果關系簡潔明了的優(yōu)勢,以樸素貝葉斯網絡來構建故障診斷網絡模型,并利用概率計算對變量間的關系進行量化,使其對于判斷電力變壓器運行過程中出現的不確定因素所引起的故障具有了明顯優(yōu)勢;在此基礎上又結合了粗糙集理論對該網絡模型進行了進一步的改進,充分利用粗糙集理論的屬性約簡功能對所構建的故障診斷模型簡化處理,大大減少了網絡模型的節(jié)點數,降低模型結構的復雜性,以此來提高網絡的學習速度及判斷能力。為了驗證將樸素貝葉斯網絡與粗糙集理論相結合的診斷方法是否能夠提高處理不完整信息的能力,本文通過收集大量變壓器故障數據樣本,利用Matlab仿真軟件對所收集的數據樣本進行訓練和測試,并且將仿真結果與僅使用樸素貝葉斯網絡方法進行診斷的仿真結果進行了對照,驗證了本文提出的驗證了本文所提出的方法能夠有效的克服信息缺失或者不完整對變壓器故障診斷所造成的困難,有效提升了故障診斷的準確性。
【圖文】：

遼寧石油化工大學碩士學位論文兩種方法可應用于確定貝葉斯網絡模型的結構：主觀經驗56]。從方法名稱也可知一二，即主觀經驗更多的是以我們已據，而這些經驗方法多數都是來源于相關領域的專家或者這些為基礎建立模型，在不斷調整，，最終建立；而第二種觀數據進行規(guī)模的樣本訓練，最終得出適配的模型、概率資料等收集的數據，數據樣本并不十分具備規(guī)模，這就與來進行客觀學習的主旨是相違背的，所以本文采用的是第成分。貝葉斯網絡模型類器，就是樸素貝葉斯網絡，假設上下層節(jié)點之間類條件 C 僅與下層之間的 X1、X2、X3…Xn之間有一定的聯系[57][
【學位授予單位】：遼寧石油化工大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TM407

【參考文獻】

相關期刊論文 前10條

1 宋斌;劉志雄;李恩文;王國利;;DGA中三比值缺碼研究初探[J];電力自動化設備;2015年12期

2 曲曉峰;李貽凱;;大型變壓器低壓繞組直流電阻測試時間過長問題的研究[J];電氣技術;2015年11期

3 呂宏麗;;粗糙集約簡算法在變壓器故障診斷中的應用研究[J];唐山學院學報;2015年03期

4 劉國征;;變電運行常見故障及處理方法[J];信息系統(tǒng)工程;2014年10期

5 傅永飛;;淺析配電變壓器的預防性試驗[J];科技與企業(yè);2014年06期

6 杜聯興;;變壓器故障診斷研究進展與展望[J];廣東電力;2013年03期

7 章磊;;基于petri網電力故障診斷技術研究[J];制造業(yè)自動化;2012年11期

8 鄭蕊蕊;趙繼印;趙婷婷;李敏;;基于遺傳支持向量機和灰色人工免疫算法的電力變壓器故障診斷[J];中國電機工程學報;2011年07期

9 趙文清;朱永利;姜波;張小奇;章斌;;基于貝葉斯網絡的電力變壓器狀態(tài)評估[J];高電壓技術;2008年05期

10 段大鵬;江秀臣;孫才新;曾奕;黃成軍;;基于正交分解的介質損耗因數數字測量算法[J];中國電機工程學報;2008年07期

相關博士學位論文 前1條

1 華俊豪;分布式變分貝葉斯算法及其應用[D];浙江大學;2018年

相關碩士學位論文 前6條

1 陳學賡;基于粗糙集理論和貝葉斯網絡的變壓器故障診斷方法研究[D];山東大學;2018年

2 霍曉峰;數據挖掘技術在電力系統(tǒng)故障診斷中的應用[D];華北電力大學;2017年

3 賀林曉;基于粗糙集的關聯規(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 高文軍;基于人工免疫算法優(yōu)化支持向量機的電力變壓器故障診斷研究[D];太原理工大學;2012年

5 秦麗偉;基于智能信息融合的油浸式電力變壓器故障診斷[D];山東大學;2009年

6 董輝;不完整數據的貝葉斯網絡參數學習新算法[D];廣西師范大學;2003年

本文編號：2643335