我國經(jīng)濟的持續(xù)快速發(fā)展帶動了電力工業(yè)的迅速發(fā)展,變壓器是電網(wǎng)中最重要的設(shè)備之一,在整個電力系統(tǒng)中占有著十分重要的地位。確保變壓器正常運行是電網(wǎng)安全的首要前提,大型電力變壓器在運行時一旦發(fā)生突發(fā)事故,可能引起大面積的停電,造成重大的社會效應(yīng)和經(jīng)濟損失。而且電力變壓器的維修成本高、維修周期長,產(chǎn)生的各種經(jīng)濟損失也是十分巨大的。本文采用振動分析法開展電力變壓器帶電檢測與故障診斷方法的研究與實現(xiàn)。在課題組提出的振動特征及提取算法的基礎(chǔ)上,研究提出了一種有效的機器學(xué)習(xí)模型,并用于實際變壓器的故障診斷。應(yīng)用日益成熟的物聯(lián)網(wǎng)技術(shù)與架構(gòu),開發(fā)、實現(xiàn)了基于Android平臺的變壓器振動監(jiān)測與診斷軟件系統(tǒng)。該系統(tǒng)通過云平臺可以實現(xiàn)全天候、遠(yuǎn)程地對電力變壓器進行帶電、實時監(jiān)測和故障診斷。本課題研究內(nèi)容如下:(1)闡述電力變壓器振動機理和基于振動的特征值及其提取算法。(2)基于振動特征值,分別對樸素貝葉斯分類模型和支持向量機模型進行了研究,通過對實驗和現(xiàn)場變壓器實測數(shù)據(jù)結(jié)果的對比與分析,提出并實現(xiàn)了一種針對電力變壓器帶電監(jiān)測和故障診斷更為有效的機器學(xué)習(xí)模型及其診斷算法。(3)在上述研究結(jié)果的基礎(chǔ)上,應(yīng)用物聯(lián)網(wǎng)... 

【文章來源】：浙江大學(xué)浙江省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：101 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２．１磁致伸縮變形隨磁通密度變化曲線ｔ４４】??從圖２－１可以看出，鐵芯磁致伸縮引起的變化長度與磁感應(yīng)強度的平方成正??

析振動和電流、電壓之間的趨勢來獲取更多的診斷信息。先驗性分析方法通過對??比變壓器振動的歷史情況，可以實現(xiàn)對變壓器的實時監(jiān)測，及時反映變壓器狀態(tài)??的微小變化。該方法可總結(jié)歸納如圖２．２所示。??非先驗性方法快速獲取相關(guān)的診斷結(jié)果，包含兩種具體算法。第一種方法從??信號的頻率角度出發(fā)，考慮其頻率的離散程度，從頻率復(fù)雜性的角度去考察變壓??器的狀態(tài)。第二種為振動平穩(wěn)性，該方法則是基于時域信息，從振動時域信號的??角度進行分析。先驗性算法主要基于振動變化的趨勢，以獲取診斷信息，先驗性??算法也分成兩種。分別為能量相似度分析和振動相關(guān)性分析，前者著重分析振動??能量隨時間的變化。后者強調(diào)各個測點之間的振動相關(guān)性。??變壓器狀態(tài)檢蕤算法．．．????Ｉ????非先驗性算法先驗性萁法＜？．??，?Ｉ?．?Ｉ??基于頻域ｗ?基于時域ｖ?基于基頻成分？．?基于諧波成分＋，??頻率復(fù)雜振動平

圖２．５所示分別為ＦＣＡ、ＤＥＴ、ＥＤＲ和ＭＰＣ的單特征分布圖。從圖中可以??看到，特征分布雖然按照一定的規(guī)律進行聚合，但是不同類別之間仍然是相互重??疊，無法用線性方法進行分類。所以下文將對不同機器學(xué)習(xí)算法進行分析，提出??適用于變壓器帶電振動監(jiān)測和故障診斷的分類模型。??２．?４基于機器學(xué)習(xí)的診斷算法研究??２．４．?１概述??由表２－１可知，變壓器主要存在三種狀態(tài)，因此，變壓器的故障診斷不是一??個簡單的二分類問題。另外，由于電力變壓器在電網(wǎng)運行中有十分重要的地位，??一旦發(fā)生故障需要立即對其停運檢修，以免發(fā)生火災(zāi)等重大安全事故。因此，樣??本庫中電力變壓器的故障樣本數(shù)量遠(yuǎn)遠(yuǎn)少于正常與老化的樣本數(shù)量。由此可見，??如何對故障樣本少于正常樣本這種樣本不平衡的現(xiàn)象進行多分類，是故障診斷的??難點問題，而大多數(shù)機器學(xué)習(xí)分類算法模型都缺乏準(zhǔn)確率較高的解決方法。??

【參考文獻】：
期刊論文
[1]基于不同概率密度估計方法的樸素貝葉斯分類器[J]. 王樂慈,高世臣,林孟雄,李宗賢.  中國礦業(yè). 2018(11)
[2]基于貝葉斯正則化深度信念網(wǎng)絡(luò)的電力變壓器故障診斷方法[J]. 王德文,雷倩.  電力自動化設(shè)備. 2018(05)
[3]面向不平衡數(shù)據(jù)集分類模型的優(yōu)化研究[J]. 溫雪巖,陳家男,景維鵬,徐克生.  計算機工程. 2018(04)
[4]基于阻抗法的變壓器繞組變形在線監(jiān)測系統(tǒng)[J]. 梁藝,馬文輝.  重慶科技學(xué)院學(xué)報(自然科學(xué)版). 2017(05)
[5]改進SMOTE的非平衡數(shù)據(jù)集分類算法研究[J]. 趙清華,張藝豪,馬建芬,段倩倩.  計算機工程與應(yīng)用. 2018(18)
[6]變壓器繞組變形綜合診斷分析系統(tǒng)研究與實踐[J]. 李杰華,孟艷,溫紅旗,張福廣,陳鵬.  變壓器. 2017(07)
[7]一種基于決策樹的SVM算法[J]. 程鳳偉.  太原學(xué)院學(xué)報(自然科學(xué)版). 2017(01)
[8]改進的基于遺傳優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的電網(wǎng)故障診斷[J]. 袁圃,毛劍琳,向鳳紅,劉戀,張茂興.  電力系統(tǒng)及其自動化學(xué)報. 2017(01)
[9]基于混沌優(yōu)化粒子群BP神經(jīng)網(wǎng)絡(luò)的電力變壓器故障診斷[J]. 公茂法,柳巖妮,王來河,宋保業(yè),鐘文強.  電測與儀表. 2016(15)
[10]多尺度熵在變壓器振動信號特征提取中的應(yīng)用[J]. 李莉,朱永利,宋亞奇.  振動.測試與診斷. 2015(04)

碩士論文
[1]配電變壓器繞組故障在線診斷方法研究[D]. 劉以剛.重慶大學(xué) 2014
[2]變壓器繞組振動特征提取及其狀態(tài)識別方法研究[D]. 林愛弟.浙江大學(xué) 2014



本文編號：2910304