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,我國經(jīng)濟高速發(fā)展,用電需求逐年增加,電壓等級更高、變電容量更大也逐漸成為變壓器發(fā)展的必然趨勢,因此,如何保證變壓器安全、可靠運行具有重要的現(xiàn)實意義。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)法能夠在線實時監(jiān)測變壓器油中的氣體數(shù)據(jù),在國內(nèi)外得到了廣泛的應(yīng)用。本文根據(jù)支持向量機能夠有效解決高維、非線性以及局部最優(yōu)等問題,且具備處理小樣本數(shù)據(jù)的優(yōu)勢,采用支持向量機構(gòu)建故障分類器模型,在此基礎(chǔ)之上,考慮到二叉樹支持向量機比一對多組合、一對一組合和有向無環(huán)圖具有測試速度快、不存在不可分區(qū)域等優(yōu)點,構(gòu)建二叉樹支持向量機診斷模型。最后,鑒于變壓器故障類型診斷結(jié)果受支持向量機的參數(shù)直接影響,為優(yōu)化支持向量機參數(shù)模型、提高故障診斷準確率,本文還提出了用遺傳算法對影響支持向量機分類精度的兩個主要參數(shù)C和g進行尋優(yōu),通過建立初始特征集合,并根據(jù)根據(jù)遺傳算法編碼規(guī)則,將支持...

【文章頁數(shù)】：67 頁

【學位級別】：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 本文的主要研究內(nèi)容
第2章 變壓器油中氣體產(chǎn)生機理及常見故障
    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 氣體含量標準
    2.3 變壓器常見內(nèi)部故障與產(chǎn)生氣體對應(yīng)關(guān)系
    2.4 本章小結(jié)
第3章 基于支持向量機的變壓器故障診斷研究
    3.1 統(tǒng)計學習理論
        3.1.1 機器學習理論
        3.1.2 最小化經(jīng)驗風險
    3.2 線性與非線性支持向量機
        3.2.1 線性支持向量機
        3.2.2 非線性支持向量機
    3.3 核函數(shù)
    3.4 多分類支持向量機
    3.5 支持向量機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)化支持向量機的變壓器故障診斷
        4.2.1 基于二叉樹的SVM分類器的原理
        4.2.2 基于二叉樹的變壓器故障分類診斷模型
        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
作者簡介
攻讀碩士學位期間研究成果



本文編號：3764646