變壓器故障診斷可靠性的提高有利于進一步落實變壓器的差異化運行維護和狀態(tài)檢修。目前應(yīng)用較為廣泛的評估方法為三比值法,該方法存在編碼不全,無法覆蓋全部故障類型,評判標準過于絕對的缺點。隨著監(jiān)測設(shè)備的投入和檢測手段的提高,越來越多的變壓器特征數(shù)據(jù)被收集,這為基于智能算法的變壓器故障診斷方法的研究提供了數(shù)據(jù)基礎(chǔ)。這些數(shù)據(jù)表征了運行工齡工況不同、工作環(huán)境差異較大、試驗設(shè)備有不同程度的誤差、檢測周期不一致以及不同原因?qū)е鹿收系淖儔浩鳡顟B(tài)。本文圍繞如何提高以特征數(shù)據(jù)為建模對象的變壓器故障診斷模型精度的問題展開研究,論文的主要內(nèi)容有:（1）考慮到數(shù)據(jù)形成環(huán)境復雜,采用人工收集的方式,可能存在離群值。本文利用結(jié)合密度聚類的模糊C均值算法取代人工的數(shù)據(jù)挑選方式,實現(xiàn)了數(shù)據(jù)噪聲的分類清洗,使剔除離群值和邊緣值后的數(shù)據(jù)所反映變壓器狀態(tài)特征信息更清晰,提高了數(shù)據(jù)質(zhì)量和價值密度。（2）研究現(xiàn)已提出的變壓器故障診斷方法,針對方法輸出精度低的問題,提出基于智能極限學習機的變壓器故障診斷方法,將表征變壓器狀態(tài)的數(shù)據(jù)轉(zhuǎn)換變?yōu)閿?shù)學模型,輸出可靠的診斷信息。為此,本文利用免疫算法對粒子群進行改進,克服了種群容易陷入局部極值的... 

【文章來源】：廣東工業(yè)大學廣東省

【文章頁數(shù)】：67 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 變壓器狀態(tài)檢修的發(fā)展
        1.2.2 基于數(shù)學方法的變壓器故障診斷
        1.2.3 基于大數(shù)據(jù)挖掘技術(shù)的變壓故障診斷
    1.3 論文研究內(nèi)容與章節(jié)安排
        1.3.1 課題來源與研究內(nèi)容
        1.3.2 論文章節(jié)安排
第二章 變壓器故障指標選取
    2.1 概述
    2.2 變壓器指標體系構(gòu)建
        2.2.1 變壓器指標的選取
        2.2.2 數(shù)據(jù)噪聲清洗方法
        2.2.3 降噪效果評價指標
    2.3 數(shù)據(jù)的降噪處理
    2.4 本章小結(jié)
第三章 基于最優(yōu)正則極限學習機的變壓器故障診斷
    3.1 概述
    3.2 最優(yōu)正則極限學習機
        3.2.1 極限學習機
        3.2.2 正則極限學習機
    3.3 變壓器故障診斷模型
    3.4 實例計算與分析
    3.5 本章小結(jié)
第四章 基于智能極限學習機的變壓器故障診斷
    4.1 概述
    4.2 改進免疫粒子群優(yōu)化算法
        4.2.1 粒子群算法
        4.2.2 免疫算法
    4.3 變壓器故障診斷模型
    4.4 實例計算與分析
        4.4.1 模型訓練
        4.4.2 故障診斷
        4.4.3 方法比較
    4.5 本章小結(jié)
結(jié)論與展望
參考文獻
攻讀學位期間發(fā)表的論文
攻讀學位期間參與的科研項目
致謝


【參考文獻】：
期刊論文
[1]基于分類修剪的關(guān)聯(lián)分類算法改進[J]. 秦晨普,張云華.  計算機系統(tǒng)應(yīng)用. 2019(04)
[2]基于粒子群算法的電動汽車電能計量優(yōu)化[J]. 高敬更,李項,張勇紅,王興貴,陳欣.  工業(yè)儀表與自動化裝置. 2019(02)
[3]基于實際運行數(shù)據(jù)的配電變壓器故障原因多維度分析[J]. 康兵,楊勇,李振興,沈煜,季斌.  智慧電力. 2019(03)
[4]綜合RapidMiner與改進粒子群極限學習機算法的變壓器故障診斷[J]. 魏金蕭,周步祥,唐浩,張百甫,楊常.  電力系統(tǒng)及其自動化學報. 2019(03)
[5]基于特征氣體關(guān)聯(lián)特征的變壓器故障診斷方法[J]. 梁永亮,郭漢琮,薛永端.  高電壓技術(shù). 2019(02)
[6]基于最優(yōu)正則極限學習機的變壓器故障診斷[J]. 覃煒梅,吳杰康,羅偉明,金尚婷,龔杰.  寧夏電力. 2018(05)
[7]大數(shù)據(jù)背景下電力行業(yè)數(shù)據(jù)應(yīng)用研究[J]. 李志勇,郭一通.  自動化技術(shù)與應(yīng)用. 2018(09)
[8]基于局部密度聚類算法的變壓器故障狀態(tài)評估[J]. 羅偉明,吳帆,黃業(yè)廣,吳杰康,覃煒梅,龔杰,金尚婷.  廣東電力. 2018(08)
[9]基于改進差分進化算法優(yōu)化極限學習機的短期負荷預測[J]. 胡函武,施偉,陳橋,李凱.  寧夏電力. 2018(04)
[10]基于多因素的變壓器油中溶解氣體體積分數(shù)預測方法[J]. 劉航,王有元,梁玄鴻,白德盟,秦佳峰.  高電壓技術(shù). 2018(04)

碩士論文
[1]基于加權(quán)極限學習機集成算法的污水處理故障診斷及軟件開發(fā)[D]. 孫稱立.華南理工大學 2018
[2]面向組合優(yōu)化問題的粒子群算法的研究[D]. 戎漢中.南京郵電大學 2017
[3]基于大數(shù)據(jù)分析方法的變壓器絕緣老化診斷與故障預測研究[D]. 黎佳.長沙理工大學 2017
[4]基于故障案例的變壓器風險評估體系研究[D]. 田姍.華北電力大學 2017
[5]極限學習機算法及應(yīng)用研究[D]. 任陽暉.沈陽航空航天大學 2017
[6]基于大數(shù)據(jù)分析的電力變壓器狀態(tài)評估與故障診斷技術(shù)研究[D]. 雷帆.西南交通大學 2016
[7]基于DBSCAN的自適應(yīng)聚類算法研究[D]. 李宗林.長沙理工大學 2015
[8]電力變壓器分層分部件狀態(tài)評估研究[D]. 徐智.重慶大學 2013
[9]變壓器狀態(tài)評估方法的研究[D]. 張登.華中科技大學 2013



本文編號：3175721