電力變壓器是電力系統(tǒng)中的重要設(shè)備之一,其運(yùn)行狀態(tài)直接關(guān)系到整個(gè)電網(wǎng)的安全穩(wěn)定。隨著電力行業(yè)的發(fā)展,電力系統(tǒng)裝機(jī)容量日益増長(zhǎng),變壓器無(wú)疑面臨著日趨嚴(yán)重的材質(zhì)劣化和絕緣老化問(wèn)題,甚至引發(fā)重大停電事故,并造成嚴(yán)重的經(jīng)濟(jì)損失。因此,對(duì)電力變壓器進(jìn)行深入有效的故障診斷研究,指導(dǎo)變壓器的維護(hù)檢修,具有重要的理論和實(shí)際意義�；谟椭腥芙鈿怏w數(shù)據(jù)（DGA數(shù)據(jù)）的電力變壓器故障診斷方法能準(zhǔn)確及時(shí)的發(fā)現(xiàn)變壓器潛伏性故障,提高變壓器的運(yùn)行維護(hù)水平,在此基礎(chǔ)上,本課題嘗試將智能算法、數(shù)據(jù)處理方法與擅長(zhǎng)解決非線性小樣本分類問(wèn)題的支持向量機(jī)（SVM）相結(jié)合,研究一種電力變壓器故障診斷的新方法。本文的主要研究?jī)?nèi)容如下:（1）將SVM應(yīng)用于電力變壓器故障診斷中,利用灰狼優(yōu)化算法（GWO）優(yōu)化其參數(shù),并針對(duì)GWO算法迭代后期收斂速度慢、易陷入局部最優(yōu)的缺點(diǎn),對(duì)α、β、δ狼的更新機(jī)制進(jìn)行了改進(jìn),向其引入了差分進(jìn)化機(jī)制,提出了一種改良的灰狼優(yōu)化算法（MGWO）。測(cè)試函數(shù)的尋優(yōu)實(shí)驗(yàn)結(jié)果表明,MGWO算法具備豐富的種群多樣性與優(yōu)秀的全局搜索能力,可以作為SVM參數(shù)優(yōu)化的有效工具。（2）確立了電力變壓器狀態(tài)的評(píng)價(jià)指標(biāo)與參診類型,... 

【文章頁(yè)數(shù)】：86 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 選題背景及研究意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 變壓器狀態(tài)類型的劃分
        1.2.2 電力變壓器故障診斷的發(fā)展
    1.3 本文的研究?jī)?nèi)容
2 支持向量機(jī)
    2.1 統(tǒng)計(jì)學(xué)習(xí)理論
        2.1.1 VC維(Vapnik-Chervonenkis Dimension)
        2.1.2 經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化原則(empirical risk minimization,ERM)
        2.1.3 結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則(structural risk minimization,SRM)
    2.2 支持向量機(jī)理論
    2.3 Lib-SVM工具箱介紹
    2.4 模型驗(yàn)證法
    2.5 支持向量機(jī)參數(shù)的優(yōu)化
        2.5.1 網(wǎng)格搜索算法優(yōu)化SVM參數(shù)
        2.5.2 遺傳算法優(yōu)化SVM參數(shù)
        2.5.3 粒子群算法優(yōu)化SVM參數(shù)
    2.6 本章小結(jié)
3 改進(jìn)的灰狼優(yōu)化算法
    3.1 灰狼優(yōu)化算法
        3.1.1 GWO算法概述
        3.1.2 GWO算法流程
    3.2 差分進(jìn)化算法
        3.2.1 DE算法概述
        3.2.2 DE算法流程
    3.3 改進(jìn)的灰狼優(yōu)化算法
        3.3.1 改進(jìn)方式
        3.3.2 MGWO算法流程
    3.4 算法性能測(cè)試
        3.4.1 典型函數(shù)
    3.5 測(cè)試結(jié)果分析
    3.6 本章小結(jié)
4 DGA數(shù)據(jù)的收集與處理
    4.1 變壓器狀態(tài)的評(píng)價(jià)指標(biāo)與參診類型
    4.2 數(shù)據(jù)的收集與處理
        4.2.1 數(shù)據(jù)來(lái)源
        4.2.2 數(shù)據(jù)預(yù)處理
        4.2.3 數(shù)據(jù)整理
    4.3 基于主成分分析的DGA數(shù)據(jù)的特征重構(gòu)
        4.3.1 PCA理論
        4.3.2 PCA特征重構(gòu)
        4.3.3 PCA特征重構(gòu)的DGA數(shù)據(jù)
    4.4 本章小結(jié)
5 基于MGWO-SVM的變壓器故障診斷
    5.1 MGWO算法優(yōu)化SVM模型的實(shí)現(xiàn)流程
    5.2 變壓器故障診斷模型的結(jié)果分析
        5.2.1 各算法的參數(shù)設(shè)置
        5.2.2 GA-SVM模型的故障診斷
        5.2.3 PSO-SVM模型的故障診斷
        5.2.4 GWO-SVM模型的故障診斷
        5.2.5 MGWO-SVM模型的故障診斷
        5.2.6 實(shí)驗(yàn)結(jié)果對(duì)比及分析
    5.3 本章小結(jié)
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表論文及科研成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于模糊c均值算法和改進(jìn)歸一化的變壓器故障診斷方法[J]. 崔青,方欣,張志磊,王濤,張?zhí)靷?  電氣技術(shù). 2019(11)
[2]基于改進(jìn)量子粒子群優(yōu)化支持向量機(jī)的變壓器故障診斷方法[J]. 黨東升,張樹永,葛鵬江,田星.  電力科學(xué)與技術(shù)學(xué)報(bào). 2019(03)
[3]基于WPA優(yōu)化神經(jīng)網(wǎng)絡(luò)的扼流適配變壓器故障診斷研究[J]. 鄭云水,李程.  鐵道科學(xué)與工程學(xué)報(bào). 2019(04)
[4]基于改進(jìn)蝙蝠算法優(yōu)化支持向量機(jī)的變壓器故障診斷研究[J]. 田曉飛.  黑龍江電力. 2019(01)
[5]基于卷積神經(jīng)網(wǎng)絡(luò)的變壓器故障診斷[J]. 李輝,張志攀,張中衛(wèi).  河南理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(06)
[6]基于支持向量機(jī)和遺傳算法的變壓器故障診斷[J]. 吐松江·卡日,高文勝,張紫薇,莫文雄,王紅斌,崔屹平.  清華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(07)
[7]基于改進(jìn)模糊聚類算法的變壓器油色譜分析[J]. 李恩文,王力農(nóng),宋斌,方雅琪.  電工技術(shù)學(xué)報(bào). 2018(19)
[8]協(xié)調(diào)探索和開發(fā)能力的改進(jìn)灰狼優(yōu)化算法[J]. 龍文,伍鐵斌.  控制與決策. 2017(10)
[9]一種基于差分進(jìn)化和灰狼算法的混合優(yōu)化算法[J]. 金星,邵珠超,王盛慧.  科學(xué)技術(shù)與工程. 2017(16)
[10]基于多維度信息融合的實(shí)用型變壓器故障診斷專家系統(tǒng)[J]. 徐陽(yáng),謝天喜,周志成,陸云才,李建生,曹健,蔣超.  中國(guó)電力. 2017(01)

博士論文
[1]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]. 尹金良.華北電力大學(xué) 2013
[2]變壓器絕緣故障診斷黑板型專家系統(tǒng)和基于遺傳算法的故障預(yù)測(cè)研究[D]. 廖瑞金.重慶大學(xué) 2003

碩士論文
[1]變壓器故障診斷與定位研究[D]. 施竹君.南京理工大學(xué) 2017
[2]基于人工免疫算法優(yōu)化支持向量機(jī)的電力變壓器故障診斷研究[D]. 高文軍.太原理工大學(xué) 2012
[3]基于模糊聚類分析與最小二乘支持向量機(jī)的短期負(fù)荷預(yù)測(cè)[D]. 寧卜.西安理工大學(xué) 2009



本文編號(hào)：3670688