基于油中溶解氣體分析的變壓器故障診斷研究
發(fā)布時(shí)間:2023-03-19 05:24
在電力系統(tǒng)中,變壓器屬于最重要的大型電氣設(shè)備之一,變壓器可靠運(yùn)行也是保證電力系統(tǒng)整體穩(wěn)定的關(guān)鍵環(huán)節(jié)之一。近年來(lái),我國(guó)經(jīng)濟(jì)高速發(fā)展,用電需求逐年增加,電壓等級(jí)更高、變電容量更大也逐漸成為變壓器發(fā)展的必然趨勢(shì),因此,如何保證變壓器安全、可靠運(yùn)行具有重要的現(xiàn)實(shí)意義。目前,以故障診斷技術(shù)為核心的變壓器狀態(tài)維修,是保證變壓器穩(wěn)定運(yùn)行的重要手段。在變壓器故障診斷領(lǐng)域,油中溶解氣體分析(Dissolved Gas Analysis,DGA)法能夠在線(xiàn)實(shí)時(shí)監(jiān)測(cè)變壓器油中的氣體數(shù)據(jù),在國(guó)內(nèi)外得到了廣泛的應(yīng)用。本文根據(jù)支持向量機(jī)能夠有效解決高維、非線(xiàn)性以及局部最優(yōu)等問(wèn)題,且具備處理小樣本數(shù)據(jù)的優(yōu)勢(shì),采用支持向量機(jī)構(gòu)建故障分類(lèi)器模型,在此基礎(chǔ)之上,考慮到二叉樹(shù)支持向量機(jī)比一對(duì)多組合、一對(duì)一組合和有向無(wú)環(huán)圖具有測(cè)試速度快、不存在不可分區(qū)域等優(yōu)點(diǎn),構(gòu)建二叉樹(shù)支持向量機(jī)診斷模型。最后,鑒于變壓器故障類(lèi)型診斷結(jié)果受支持向量機(jī)的參數(shù)直接影響,為優(yōu)化支持向量機(jī)參數(shù)模型、提高故障診斷準(zhǔn)確率,本文還提出了用遺傳算法對(duì)影響支持向量機(jī)分類(lèi)精度的兩個(gè)主要參數(shù)C和g進(jìn)行尋優(yōu),通過(guò)建立初始特征集合,并根據(jù)根據(jù)遺傳算法編碼規(guī)則,將支持...
【文章頁(yè)數(shù)】:67 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
ABSTRACT
第1章 緒論
1.1 課題背景及研究意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.2.1 傳統(tǒng)故障診斷研究
1.2.2 基于智能算法的故障診斷研究現(xiàn)狀
1.3 本文的主要研究?jī)?nèi)容
第2章 變壓器油中氣體產(chǎn)生機(jī)理及常見(jiàn)故障
2.1 油中氣體產(chǎn)生及溶解原理
2.1.1 產(chǎn)生原理
2.1.2 氣體在油中溶解原理
2.2 氣體含量標(biāo)準(zhǔn)
2.3 變壓器常見(jiàn)內(nèi)部故障與產(chǎn)生氣體對(duì)應(yīng)關(guān)系
2.4 本章小結(jié)
第3章 基于支持向量機(jī)的變壓器故障診斷研究
3.1 統(tǒng)計(jì)學(xué)習(xí)理論
3.1.1 機(jī)器學(xué)習(xí)理論
3.1.2 最小化經(jīng)驗(yàn)風(fēng)險(xiǎn)
3.2 線(xiàn)性與非線(xiàn)性支持向量機(jī)
3.2.1 線(xiàn)性支持向量機(jī)
3.2.2 非線(xiàn)性支持向量機(jī)
3.3 核函數(shù)
3.4 多分類(lèi)支持向量機(jī)
3.5 支持向量機(jī)在變壓器故障診斷中的研究
3.5.1 故障特征量提取
3.5.2 支持向量機(jī)故障診斷流程
3.5.3 算法具體步驟
3.6 本章小結(jié)
第4章 遺傳算法優(yōu)化支持向量機(jī)的變壓器故障診斷研究
4.1 遺傳算法
4.1.1 適應(yīng)度函數(shù)的選取
4.1.2 選擇算子的確定
4.1.3 交叉算子的選擇
4.1.4 變異算子的選擇
4.2 基于遺傳算法優(yōu)化支持向量機(jī)的變壓器故障診斷
4.2.1 基于二叉樹(shù)的SVM分類(lèi)器的原理
4.2.2 基于二叉樹(shù)的變壓器故障分類(lèi)診斷模型
4.2.3 基于GA-SVM的變壓器故障診斷模型
4.3 基于GA-SVM模型的變壓器故障診斷仿真分析
4.4 變壓器故障實(shí)際案例分析
4.5 本章小結(jié)
第5章 結(jié)論
5.1 結(jié)論
5.2 論文中提出的新方法
致謝
參考文獻(xiàn)
作者簡(jiǎn)介
攻讀碩士學(xué)位期間研究成果
本文編號(hào):3764646
【文章頁(yè)數(shù)】:67 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
ABSTRACT
第1章 緒論
1.1 課題背景及研究意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.2.1 傳統(tǒng)故障診斷研究
1.2.2 基于智能算法的故障診斷研究現(xiàn)狀
1.3 本文的主要研究?jī)?nèi)容
第2章 變壓器油中氣體產(chǎn)生機(jī)理及常見(jiàn)故障
2.1 油中氣體產(chǎn)生及溶解原理
2.1.1 產(chǎn)生原理
2.1.2 氣體在油中溶解原理
2.2 氣體含量標(biāo)準(zhǔn)
2.3 變壓器常見(jiàn)內(nèi)部故障與產(chǎn)生氣體對(duì)應(yīng)關(guān)系
2.4 本章小結(jié)
第3章 基于支持向量機(jī)的變壓器故障診斷研究
3.1 統(tǒng)計(jì)學(xué)習(xí)理論
3.1.1 機(jī)器學(xué)習(xí)理論
3.1.2 最小化經(jīng)驗(yàn)風(fēng)險(xiǎn)
3.2 線(xiàn)性與非線(xiàn)性支持向量機(jī)
3.2.1 線(xiàn)性支持向量機(jī)
3.2.2 非線(xiàn)性支持向量機(jī)
3.3 核函數(shù)
3.4 多分類(lèi)支持向量機(jī)
3.5 支持向量機(jī)在變壓器故障診斷中的研究
3.5.1 故障特征量提取
3.5.2 支持向量機(jī)故障診斷流程
3.5.3 算法具體步驟
3.6 本章小結(jié)
第4章 遺傳算法優(yōu)化支持向量機(jī)的變壓器故障診斷研究
4.1 遺傳算法
4.1.1 適應(yīng)度函數(shù)的選取
4.1.2 選擇算子的確定
4.1.3 交叉算子的選擇
4.1.4 變異算子的選擇
4.2 基于遺傳算法優(yōu)化支持向量機(jī)的變壓器故障診斷
4.2.1 基于二叉樹(shù)的SVM分類(lèi)器的原理
4.2.2 基于二叉樹(shù)的變壓器故障分類(lèi)診斷模型
4.2.3 基于GA-SVM的變壓器故障診斷模型
4.3 基于GA-SVM模型的變壓器故障診斷仿真分析
4.4 變壓器故障實(shí)際案例分析
4.5 本章小結(jié)
第5章 結(jié)論
5.1 結(jié)論
5.2 論文中提出的新方法
致謝
參考文獻(xiàn)
作者簡(jiǎn)介
攻讀碩士學(xué)位期間研究成果
本文編號(hào):3764646
本文鏈接:http://sikaile.net/kejilunwen/dianlidianqilunwen/3764646.html
最近更新
教材專(zhuān)著