【摘要】：使用對(duì)有種溶解氣體分析的方法進(jìn)行變壓器故障診斷，可在變壓器運(yùn)行期進(jìn)行故障分析的特點(diǎn)，對(duì)于變壓器維修模式的轉(zhuǎn)變有很大的推動(dòng)作用，具有重要的研究意義。本文在分析現(xiàn)有變壓器故障診斷方法的特點(diǎn)及其存在問(wèn)題的基礎(chǔ)上，將極限學(xué)習(xí)機(jī)算法應(yīng)用于變壓器故障診斷。 提出了基于極限學(xué)習(xí)機(jī)的油浸式電力變壓器故障診斷方法。分析了不同隱藏層激活函數(shù)對(duì)極限學(xué)習(xí)機(jī)的診斷性能的影響，給出了診斷的具體實(shí)現(xiàn)方法。這種方法有不容易出現(xiàn)局部值的特點(diǎn)，且訓(xùn)練速度快，參數(shù)設(shè)定簡(jiǎn)單，易于應(yīng)用，，適合于在線診斷。并通過(guò)實(shí)例驗(yàn)證了該方法的性能。 給了基于WELM的變壓器故障診斷方法。這種方法主要針對(duì)DGA數(shù)據(jù)中存在的數(shù)據(jù)不均現(xiàn)象，使用加權(quán)方案使數(shù)據(jù)恢復(fù)平衡性。研究了不同加權(quán)方案對(duì)診斷性能的影響。通過(guò)實(shí)驗(yàn)證明了WELM有更好的診斷效果。 在研究KELM參數(shù)優(yōu)化的基礎(chǔ)上提出了基于KELM的變壓器故障診斷方法。提出了使用粒子群優(yōu)化算法結(jié)合K折交叉驗(yàn)證的方法對(duì)KELM參數(shù)進(jìn)行優(yōu)化的方法，給出了具體參數(shù)優(yōu)化和診斷實(shí)現(xiàn)過(guò)程。實(shí)驗(yàn)證明，相比SVM算法，基于KELM的變壓器故障診斷方法診斷準(zhǔn)確率更高，訓(xùn)練時(shí)間更短。
[Abstract]:Using the method of dissolved gas analysis for transformer fault diagnosis, it can be used to analyze the characteristics of transformer fault during the operation period, which has a great role in promoting the transformation of transformer maintenance mode, and has an important significance in research. On the basis of analyzing the characteristics of existing transformer fault diagnosis methods and their existing problems, this paper applies the extreme learning machine algorithm to transformer fault diagnosis. An oil-immersed power transformer fault diagnosis method based on extreme learning machine is proposed. The influence of different hidden layer activation functions on the diagnostic performance of LLM is analyzed, and the realization method of diagnosis is given. This method is not easy to appear the local value, and the training speed is fast, the parameter setting is simple, the method is easy to be applied, and it is suitable for on-line diagnosis. The performance of the method is verified by an example. The method of transformer fault diagnosis based on WELM is given. This method mainly aims at the uneven data in DGA data, and uses the weighted scheme to restore the balance of the data. The influence of different weighting schemes on diagnostic performance was studied. Experimental results show that WELM has better diagnostic effect. Based on the study of KELM parameter optimization, a transformer fault diagnosis method based on KELM is proposed. The particle swarm optimization (PSO) algorithm combined with K-fold cross-validation is proposed to optimize KELM parameters. The process of parameter optimization and diagnosis is given. Experimental results show that compared with SVM algorithm, transformer fault diagnosis method based on KELM has higher accuracy and shorter training time.
【學(xué)位授予單位】：華北電力大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TM407

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳金莉,于飛,劉喜梅;人工神經(jīng)網(wǎng)絡(luò)在電力變壓器故障診斷中的應(yīng)用及仿真[J];青島科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2003年02期

2 楊湘澤;變壓器故障診斷技術(shù)[J];大眾用電;2003年10期

3 翟季青;劉志清;;變壓器故障診斷的綜述[J];電力設(shè)備;2003年06期

4 鄭高,戴玉松;人工智能方法在變壓器故障診斷中的應(yīng)用[J];四川工業(yè)學(xué)院學(xué)報(bào);2004年S1期

5 鄧宏貴,羅安,曹建,曹祥;關(guān)聯(lián)度分析在變壓器故障診斷中的應(yīng)用[J];電力系統(tǒng)自動(dòng)化;2005年18期

6 宋斌,于萍,羅運(yùn)柏,文習(xí)山;基于灰關(guān)聯(lián)熵的充油變壓器故障診斷方法[J];電力系統(tǒng)自動(dòng)化;2005年18期

7 鄧宏貴,羅安,曹建;灰關(guān)聯(lián)度在變壓器故障診斷中的應(yīng)用[J];控制工程;2005年01期

8 吳宏岐;賈宏賓;張小娟;高蕊;;變壓器故障診斷中數(shù)據(jù)融合技術(shù)的研究[J];中國(guó)儀器儀表;2006年04期

9 楊之望;;智能型變壓器故障診斷系統(tǒng)[J];電氣制造;2006年11期

10 彭劍;羅安;周柯;夏向陽(yáng);;變壓器故障診斷中信息融合技術(shù)的應(yīng)用[J];高電壓技術(shù);2007年03期

相關(guān)會(huì)議論文 前10條

1 胡澤江;張海濤;;可拓關(guān)聯(lián)函數(shù)與屬性約簡(jiǎn)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(guó)輸變電設(shè)備狀態(tài)檢修技術(shù)交流研討會(huì)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(huì)論文集（上冊(cè)）[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(guó)輸變電設(shè)備狀態(tài)檢修技術(shù)交流研討會(huì)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(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第四分冊(cè)）[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(guó)信息獲取與處理學(xué)術(shù)會(huì)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(shù)支持向量機(jī)的變壓器故障診斷新技術(shù)的研究[A];重慶市電機(jī)工程學(xué)會(huì)2010年學(xué)術(shù)會(huì)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(jī)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

相關(guān)重要報(bào)紙文章 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(shí)報(bào);2004年

相關(guān)博士學(xué)位論文 前8條

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

2 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

3 鄭元兵;變壓器故障診斷與預(yù)測(cè)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

4 尹金良;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];華北電力大學(xué);2013年

5 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

6 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

7 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

8 蘇宏升;軟計(jì)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

相關(guān)碩士學(xué)位論文 前10條

1 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

2 潘連榮;基于協(xié)同學(xué)理論的變壓器故障診斷研究[D];天津大學(xué);2008年

3 丁茜;基于關(guān)聯(lián)規(guī)則的變壓器故障診斷研究[D];華北電力大學(xué)（河北）;2010年

4 胡勇;基于故障樹(shù)分析法—電力變壓器故障診斷[D];合肥工業(yè)大學(xué);2002年

5 張?zhí)?基于人工免疫思維進(jìn)化算法的變壓器故障診斷[D];湘潭大學(xué);2011年

6 鄧浩;基于膜計(jì)算的變壓器故障診斷研究[D];西華大學(xué);2012年

7 趙永雷;基于模糊聚類新算法的變壓器故障診斷研究[D];華北電力大學(xué);2012年

8 韓世軍;基于支持向量機(jī)的立星110kV變壓器故障診斷[D];寧夏大學(xué);2013年

9 吳立帥;基于粗糙集與支持向量機(jī)的變壓器故障診斷研究[D];河南科技大學(xué);2013年

10 胡雁翔;多源信息融合技術(shù)在變壓器故障診斷中的研究[D];華北電力大學(xué);2013年

本文編號(hào)：2363438