發(fā)布時(shí)間：2019-06-11 09:38

【摘要】：為提高電力變壓器故障診斷的診斷速度和準(zhǔn)確率,提出了一種以變壓器油氣參數(shù)為診斷依據(jù)的電力變壓器故障分步式診斷算法。該算法第1步采用量子行為的支持向量機(jī)(SVM)故障診斷算法,即采用SVM對(duì)大型電力變壓器的故障進(jìn)行分類,在分類的過程中采用改進(jìn)的具有量子行為的遺傳算法對(duì)SVM的參數(shù)進(jìn)行尋優(yōu)。在完成第1步的基礎(chǔ)上,第2步再對(duì)存在于可疑區(qū)域的樣本采用K-近鄰聚類分析算法分類。仿真結(jié)果表明:改進(jìn)的量子遺傳算法只需要50代繁衍就能得到最佳分類模型,而普通遺傳算法則需要通過170代才能得到;同時(shí)聚類分析與支持向量機(jī)的有機(jī)結(jié)合將分類準(zhǔn)確率由97.5%提高到了100%。可見,所提出的電力變壓器故障分步式診斷算法能有效地提高故障診斷的診斷速度和準(zhǔn)確率,可廣泛應(yīng)用于電力變壓器的故障診斷。
[Abstract]:In order to improve the diagnosis speed and accuracy of power transformer fault diagnosis, a step-by-step fault diagnosis algorithm based on transformer oil and gas parameters is proposed. In the first step of the algorithm, the quantum behavior support vector machine (SVM) fault diagnosis algorithm is adopted, that is, SVM is used to classify the faults of large power transformers. In the process of classification, an improved genetic algorithm with quantum behavior is used to optimize the parameters of SVM. On the basis of the first step, the samples existing in suspicious areas are classified by K-nearest neighbor clustering analysis algorithm in the second step. The simulation results show that the improved quantum genetic algorithm only needs 50 generations to reproduce to get the best classification model, while the ordinary genetic algorithm needs 170 generations to get the optimal classification model. At the same time, the organic combination of cluster analysis and support vector machine improves the classification accuracy from 97.5% to 100%. It can be seen that the proposed fault step-by-step diagnosis algorithm can effectively improve the diagnosis speed and accuracy of fault diagnosis, and can be widely used in power transformer fault diagnosis.
【作者單位】： 重慶大學(xué)通信工程學(xué)院;重慶工商大學(xué)會(huì)計(jì)學(xué)院;
【基金】：國家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃(973計(jì)劃)(2012CB21520) 第四屆國家大學(xué)生創(chuàng)新性實(shí)驗(yàn)項(xiàng)目(101061118)~~
【分類號(hào)】：TM41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李琦;張紹輝;;淺談變壓器的聲響及處理方法[J];一重技術(shù);2006年02期

2 徐杰;;淺談電力變壓器故障的在線監(jiān)測[J];技術(shù)與市場;2006年06期

3 魏魯原;崔霞;;綜合人工智能技術(shù)在變壓器故障離線診斷中的應(yīng)用[J];變壓器;2009年04期

4 于水婧;高興;;變壓器的運(yùn)行及維護(hù)[J];中國西部科技;2009年29期

5 王紅衛(wèi);;淺談變壓器故障檢查與維護(hù)[J];科技情報(bào)開發(fā)與經(jīng)濟(jì);2010年28期

6 何清林;;變壓器潛伏性故障試驗(yàn)與分析[J];黑龍江電力;1987年03期

7 宋士通,李永軍;變壓器故障原因及預(yù)防措施[J];農(nóng)村電氣化;1999年09期

8 馬漢元;電氣設(shè)備故障檢測技術(shù)講座 第五講 變壓器故障檢測技術(shù)[J];中國設(shè)備管理;2000年11期

9 劉華偉;李雛凰;;某變壓器鐵芯多點(diǎn)接地故障處理[J];河南電力;2005年02期

10 劉東旗;郁勝利;;配電變壓器的運(yùn)行管理[J];電氣技術(shù);2007年11期

相關(guān)會(huì)議論文 前10條

1 楊佳華;沈柳菁;;變壓器設(shè)備風(fēng)險(xiǎn)評(píng)估研究[A];2010輸變電年會(huì)論文集[C];2010年

2 錢藝華;蘇偉;胡紅紅;姚唯建;;腐蝕性硫?qū)е伦儔浩鞴收系木C合分析及處理[A];第十三屆全國工程電介質(zhì)學(xué)術(shù)會(huì)議論文集[C];2011年

3 張永記;陳德興;池善活;鄭國順;;變壓器局部放電在線監(jiān)測和故障診斷[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

4 杜小飛;;大型電力變壓器常見故障分析[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

5 姚建;蘇應(yīng)敢;李濤;;變壓器有載調(diào)壓開關(guān)故障診斷新技術(shù)研究[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

6 林云;;變壓器故障分析中氣相色譜技術(shù)的運(yùn)用[A];云南省煙草學(xué)會(huì)2003年學(xué)術(shù)年會(huì)優(yōu)秀論文集[C];2003年

7 姚Z，

本文編號(hào)：2497090