本文關(guān)鍵詞：變壓器故障診斷用油中溶解氣體新特征參量

  更多相關(guān)文章： 電力變壓器 故障診斷 油中溶解氣體比值 支持向量機 遺傳算法 IEC TC 數(shù)據(jù)庫

【摘要】：油中溶解氣體分析(dissolved gas analysis,DGA)是現(xiàn)場電力變壓器故障診斷最常用的方法。然而,油中溶解氣體含量較容易受到變壓器結(jié)構(gòu)、容量、故障位置以及故障程度等因素的影響,從而降低了變壓器故障診斷的可靠性。為了提升變壓器故障診斷正確率,該文提出了基于支持向量機(support vector machie,SVM)和遺傳算法(geneti calgorithm,GA)優(yōu)選的DGA新特征參量。首先,以28個DGA比值為輸入,建立了基于SVM的變壓器故障診斷模型;其次,采用GA同時對SVM參數(shù)和DGA比值進行優(yōu)化,得到9個優(yōu)選DGA比值作為變壓器故障診斷用新特征參量。對IEC TC 10故障數(shù)據(jù)庫的診斷結(jié)果表明:DGA新特征參量的故障診斷正確率為84%,較常用的DGA含量和IEC比值的診斷正確率提高10%~25%;并且無論采用哪種特征參量,支持向量機的診斷結(jié)果均優(yōu)于神經(jīng)網(wǎng)絡(luò)診斷模型。最后,采用DGA新特征參量對國內(nèi)117組變壓器的故障診斷正確率達到了87.18%,再次驗證了該方法的有效性。
【作者單位】： 中國電力科學(xué)研究院;
【關(guān)鍵詞】： 電力變壓器 故障診斷 油中溶解氣體比值 支持向量機 遺傳算法 IEC TC 數(shù)據(jù)庫
【基金】：國家電網(wǎng)公司科技項目(GY 71-15-061)~~
【分類號】：TM407
【正文快照】： algorithm,GA)優(yōu)選的DGA新特征參量。首先,以28個DGA比值為輸入,建立了基于SVM的變壓器故障診斷模型;其次,采用GA同時對SVM參數(shù)和DGA比值進行優(yōu)化,得到9個優(yōu)選DGA比值作為變壓器故障診斷用新特征參量。對IEC TC 10故障數(shù)據(jù)庫的診斷結(jié)果表明:DGA新特征參量的故障診斷正確率為84

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 蘇宏升;李群湛;;概念格在變壓器故障診斷中的應(yīng)用研究[J];高電壓技術(shù);2006年02期

2 閆學(xué)杰;;煤礦變壓器故障診斷的研究[J];煤礦現(xiàn)代化;2011年02期

3 王錚一;鄭文杰;;基于基因表達式編程的變壓器故障診斷[J];陜西電力;2012年04期

4 ;變壓器故障診斷[J];電氣制造;2012年05期

5 肖華蘭;吳駿;;基于多分類相關(guān)向量機的變壓器故障診斷[J];電子世界;2013年15期

6 ;《大型變壓器故障診斷技術(shù)的研究》技術(shù)成果通過電力部鑒定[J];上海電力學(xué)院學(xué)報;1995年04期

7 張豐仁,張恩鋒;氣相色譜分析在變壓器故障診斷中的應(yīng)用[J];中國煤炭;2000年10期

8 馬素媛;氣相色譜法在電力變壓器故障診斷中的實際應(yīng)用[J];冶金動力;2000年05期

9 錢政,黃蘭,嚴(yán)璋,羅承沐;集成模糊數(shù)學(xué)與范例推理的變壓器故障診斷方法[J];電網(wǎng)技術(shù);2001年09期

10 孫輝,李衛(wèi)東,孫啟忠;判決樹方法用于變壓器故障診斷的研究[J];中國電機工程學(xué)報;2001年02期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 胡澤江;張海濤;;可拓關(guān)聯(lián)函數(shù)與屬性約簡相結(jié)合的變壓器故障診斷方法[A];2011年云南電力技術(shù)論壇論文集（入選部分）[C];2011年

2 周柯;羅安;;信息融合技術(shù)在變壓器故障診斷中的應(yīng)用[A];2009年全國輸變電設(shè)備狀態(tài)檢修技術(shù)交流研討會論文集[C];2009年

3 趙繼印;李建坡;黎巧生;;基于氣相色譜分析方法的變壓器故障診斷系統(tǒng)[A];“振興吉林老工業(yè)基地——科技工作者的歷史責(zé)任”吉林省第三屆科學(xué)技術(shù)學(xué)術(shù)年會論文集（上冊）[C];2004年

4 李銳;;化學(xué)技術(shù)監(jiān)督在變壓器故障診斷中的應(yīng)用[A];2009年云南電力技術(shù)論壇論文集（文摘部分）[C];2009年

5 李銳;;化學(xué)技術(shù)監(jiān)督在變壓器故障診斷中的應(yīng)用[A];2009年全國輸變電設(shè)備狀態(tài)檢修技術(shù)交流研討會論文集[C];2009年

6 禹建麗;周瑞芳;;一種基于神經(jīng)網(wǎng)絡(luò)和模糊理論的變壓器故障診斷[A];2013年中國智能自動化學(xué)術(shù)會議論文集（第四分冊）[C];2013年

7 李銳;;化學(xué)技術(shù)監(jiān)督在變壓器故障診斷中的應(yīng)用[A];2009年云南電力技術(shù)論壇論文集（優(yōu)秀論文部分）[C];2009年

8 陳湘萍;;基于神經(jīng)網(wǎng)絡(luò)的變壓器故障診斷[A];第八屆全國信息獲取與處理學(xué)術(shù)會議論文集[C];2010年

9 卞建鵬;廖瑞金;楊麗君;鄭含博;;基于均值核聚類與二叉樹支持向量機的變壓器故障診斷新技術(shù)的研究[A];重慶市電機工程學(xué)會2010年學(xué)術(shù)會議論文集[C];2010年

10 于虹;張永剛;;基于模擬退火和支持向量機理論的變壓器故障診斷方法[A];2011年云南電力技術(shù)論壇論文集（優(yōu)秀論文部分）[C];2011年

中國重要報紙全文數(shù)據(jù)庫 前1條

1 廣西龍州縣鴨水電廠 王f ;變壓器故障診斷方法的探討[N];中華合作時報;2004年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 司馬莉萍;基于改進支持向量機的電力變壓器故障診斷與預(yù)測方法的研究[D];武漢大學(xué);2012年

2 趙文清;基于數(shù)據(jù)挖掘的變壓器故障診斷和預(yù)測研究[D];華北電力大學(xué)（河北）;2009年

3 鄧宏貴;可拓理論與關(guān)聯(lián)分析及其在變壓器故障診斷中的應(yīng)用[D];中南大學(xué);2005年

4 鄭元兵;變壓器故障診斷與預(yù)測集成學(xué)習(xí)方法及維修決策模型研究[D];重慶大學(xué);2011年

5 尹金良;基于相關(guān)向量機的油浸式電力變壓器故障診斷方法研究[D];華北電力大學(xué);2013年

6 張利偉;油浸式電力變壓器故障診斷方法研究[D];華北電力大學(xué);2014年

7 陳舵;模糊聚類分析及其在電力變壓器故障診斷中的應(yīng)用研究[D];西安理工大學(xué);2008年

8 唐勇波;數(shù)據(jù)驅(qū)動的大型電力變壓器故障診斷和預(yù)測研究[D];中南大學(xué);2013年

9 鄭蕊蕊;智能信息處理理論的電力變壓器故障診斷方法[D];吉林大學(xué);2010年

10 蘇宏升;軟計算方法及其在電力系統(tǒng)故障診斷中的若干應(yīng)用研究[D];西南交通大學(xué);2007年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 劉飛霞;基于蟻群算法的變壓器故障診斷研究[D];長沙理工大學(xué);2014年

2 李江浩;基于改進神經(jīng)網(wǎng)絡(luò)的變壓器故障診斷方法的研究[D];華北電力大學(xué);2015年

3 隋卓;基于振動能量法的電力變壓器故障診斷與初步定位研究[D];華北電力大學(xué);2015年

4 李洪超;基于M-LS-SVM的變壓器故障診斷研究[D];浙江工商大學(xué);2015年

5 宋桐;多模型組合優(yōu)化的變壓器故障診斷策略研究[D];西安工程大學(xué);2015年

6 裴飛;基于在線序列極限學(xué)習(xí)機的變壓器故障診斷研究[D];華北電力大學(xué);2015年

7 朱紫娟;綜合故障診斷方法在電力變壓器故障診斷中的應(yīng)用研究[D];西安工程大學(xué);2016年

8 洪浪;基于油氣量和超高頻局放信號的變壓器故障診斷研究[D];湖北工業(yè)大學(xué);2016年

9 王瑩;變壓器故障診斷中油溶氣體基本信任分配函數(shù)研究[D];長春工業(yè)大學(xué);2016年

10 陸靜;蟻群算法在變壓器故障診斷中的應(yīng)用研究[D];南京航空航天大學(xué);2008年

，

本文編號：739560