發(fā)布時(shí)間：2020-04-20 00:04

【摘要】：電力變壓器作為電力系統(tǒng)的樞紐電氣設(shè)備,它擔(dān)任著變電、輸電和分配電能等重要功能,電力變壓器的運(yùn)行狀態(tài)直接關(guān)乎到電網(wǎng)的穩(wěn)定性和安全性。研究電力變壓器故障診斷與預(yù)測(cè)技術(shù),準(zhǔn)確判斷故障的性質(zhì),預(yù)測(cè)存在的潛在故障,具有重要意義。論文針對(duì)電力變壓器故障的特點(diǎn),以油中溶解氣體含量為特征量,用支持向量機(jī)(SVM)理論作為基礎(chǔ),結(jié)合其他智能算法,建立了基于SVM的電力變壓器故障診斷與預(yù)測(cè)模型,用于解決變壓器內(nèi)部故障類型診斷和運(yùn)行狀態(tài)趨勢(shì)問(wèn)題。SVM的參數(shù)直接決定了模型的性能,針對(duì)SVM參數(shù)選取難問(wèn)題,引入人工魚群算法(AFSA)對(duì)參數(shù)進(jìn)行尋優(yōu)。在對(duì)AFSA理論研究的基礎(chǔ)上,分析了步長(zhǎng)和視野兩個(gè)參數(shù)對(duì)AFSA的影響,在算法尋優(yōu)的初期,期望人工魚的步長(zhǎng)和視野具有較大的值,在算法尋優(yōu)的后期,期望人工魚的步長(zhǎng)和視野具有較小的值,針對(duì)AFSA固定步長(zhǎng)和視野的不足,提出了自適應(yīng)人工魚群算法(AAFSA),實(shí)驗(yàn)證明AAFSA尋優(yōu)效果更好。對(duì)電力變壓器故障診斷多分類問(wèn)題,引入糾錯(cuò)輸出編碼支持向量機(jī)(ECOC-SVMs)模型。目前編碼矩陣都是預(yù)先構(gòu)造出來(lái)的,未與具體的應(yīng)用相結(jié)合,針對(duì)此問(wèn)題,提出了一種聚類編碼矩陣,經(jīng)實(shí)驗(yàn)對(duì)比驗(yàn)證了其有效性。但聚類編碼矩陣碼長(zhǎng)固定且較短,不具備冗余性,針對(duì)此不足,將聚類編碼矩陣和1-v-1編碼矩陣進(jìn)行結(jié)合,并適當(dāng)刪減編碼,提出了一種混合編碼矩陣,用混合編碼的ECOC-SVMs建立了電力變壓器故障診斷模型,經(jīng)驗(yàn)證效果較好。對(duì)電力變壓器故障預(yù)測(cè)問(wèn)題,建立了AAFSA優(yōu)化SVM的預(yù)測(cè)模型AAFSA-SVM,效果較好,說(shuō)明將SVM運(yùn)用到變壓器油中溶解氣體預(yù)測(cè)是可行的。采用單變量灰色預(yù)測(cè)模型(GM(1,1))和多變量灰色預(yù)測(cè)模型(MGM(1,n))進(jìn)行預(yù)測(cè)對(duì)比,驗(yàn)證了變壓器油中氣體之間存在一定的關(guān)聯(lián)性。針對(duì)MGM(1,n)模型的背景值問(wèn)題,采用AAFSA尋優(yōu)確定背景值,并用這種改進(jìn)的MGM(1,n)模型建立了變壓器故障預(yù)測(cè)模型。單一模型預(yù)測(cè)的風(fēng)險(xiǎn)較大,組合預(yù)測(cè)模型可以降低預(yù)測(cè)風(fēng)險(xiǎn),提出將AAFSA-SVM模型與改進(jìn)MGM(1,n)模型進(jìn)行結(jié)合,建立了組合預(yù)測(cè)的電力變壓器故障預(yù)測(cè)模型,經(jīng)驗(yàn)證,比單一預(yù)測(cè)方法效果好。
【圖文】：

與預(yù)測(cè)過(guò)程中涉及到的 SVM 理論，進(jìn)行具體分析。計(jì)學(xué)習(xí)理論 是一門專門針對(duì)小樣本問(wèn)題的機(jī)器學(xué)習(xí)理論，在上世紀(jì)六、七等人就已經(jīng)開始從事這方面的研究，到了九十年代，其理論知[52]，SLT 開始受到廣泛的關(guān)注。下面簡(jiǎn)要介紹 SLT 的 VC 維小化（Structural Risk Minimization, SRM）原則。C 維理論 維是 SLT 的核心概念，用來(lái)描述學(xué)習(xí)機(jī)器的復(fù)雜度。VC 維可學(xué)習(xí)能力的指標(biāo)，其值與學(xué)習(xí)機(jī)器容量成正比。函數(shù)集的 VC能打散的最大樣本數(shù)目[35]。構(gòu)風(fēng)險(xiǎn)最小化原則

人工魚步長(zhǎng)和視野的系數(shù)相同，，可得人工魚步長(zhǎng)和視野的自適應(yīng)函數(shù)為iteritervalueitervaluevalueiterss*(max_)min_(1max_)max_min_( ) + =(iteritervalueitervaluevalueiterss*(max_)min_(1max_)max_min_( ) + =(s 為常數(shù)值， s 的值決定了曲線的幅度，綜合考慮后，令 s = 3。令分段自適應(yīng)函數(shù)的值域?yàn)閇0.1,2]，最大迭代次數(shù)為 100，圖 3-3 為人和視野的自適應(yīng)系數(shù)變化趨勢(shì)。
【學(xué)位授予單位】：武漢理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TM41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張鵬舉;劉建英;;紅外激光光譜分析的變壓器故障診斷[J];激光雜志;2016年11期

2 夏飛;羅志疆;張浩;彭道剛;張茜;唐依雯;;混合神經(jīng)網(wǎng)絡(luò)在變壓器故障診斷中的應(yīng)用[J];電子測(cè)量與儀器學(xué)報(bào);2017年01期

3 賈立敬;;基于混合算法與支持向量機(jī)的電力變壓器故障診斷[J];電氣開關(guān);2017年03期

4 劉忠杰;;電力變壓器故障診斷方法初探[J];能源技術(shù)與管理;2017年04期

5 劉林凡;;基于機(jī)器學(xué)習(xí)的電力變壓器故障診斷的研究進(jìn)展[J];電子世界;2017年15期

6 龔健;;基于支持向量機(jī)的變壓器故障診斷研究[J];電氣開關(guān);2016年02期

7 張仁民;黃雪昀;曹霞;;論電力變壓器故障診斷方法[J];科技展望;2014年18期

8 隋雙;;關(guān)于發(fā)電廠變壓器故障診斷及處理措施思考[J];科技與企業(yè);2015年02期

9 周穎佑;;變壓器故障診斷技術(shù)探析[J];中國(guó)新技術(shù)新產(chǎn)品;2015年08期

10 周浩;高明;;基于可拓理論的變壓器故障診斷[J];電氣開關(guān);2015年02期

相關(guān)會(huì)議論文 前10條

1 王邦林;段一雄;;基于C語(yǔ)言變壓器故障診斷灰關(guān)聯(lián)度計(jì)算研究[A];2009年云南電力技術(shù)論壇論文集（文摘部分）[C];2009年

2 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

3 于虹;孫鵬;;基于粗糙集和支持向量機(jī)理論的變壓器故障診斷方法[A];2010年云南電力技術(shù)論壇論文集（優(yōu)秀論文部分）[C];2010年

4 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

5 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

6 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

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 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（入選部分）[C];2011年

9 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

10 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

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10條

1 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

2 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

3 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

4 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

5 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

6 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

7 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

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

9 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

10 武中利;電力變壓器故障診斷方法研究[D];華北電力大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 易超人;基于支持向量機(jī)的電力變壓器故障診斷與預(yù)測(cè)研究[D];武漢理工大學(xué);2018年

2 張耀鵬;基于決策樹算法的扼流適配變壓器故障診斷系統(tǒng)研究與設(shè)計(jì)[D];北京交通大學(xué);2018年

3 肖乾望;基于改進(jìn)的模糊C均值聚類算法的變壓器故障診斷研究[D];東南大學(xué);2017年

4 何子襄;深度混合網(wǎng)絡(luò)研究及其在變壓器故障診斷中的應(yīng)用[D];華北電力大學(xué);2018年

5 雷倩;基于深度神經(jīng)網(wǎng)絡(luò)和貝葉斯網(wǎng)絡(luò)的電力設(shè)備故障診斷方法研究[D];華北電力大學(xué);2018年

6 周國(guó)慶;基于量子遺傳神經(jīng)網(wǎng)絡(luò)的變壓器故障診斷研究[D];華北理工大學(xué);2018年

7 魏雪倩;基于向量機(jī)的變壓器故障診斷研究[D];西安工程大學(xué);2018年

8 趙洋;智能診斷方法在電力變壓器故障識(shí)別中的應(yīng)用研究[D];西安工程大學(xué);2018年

9 張俞;基于信息物理融合的變壓器故障診斷研究[D];華北電力大學(xué)(北京);2018年

10 李婭菲;基于魚群算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的變壓器故障診斷研究[D];湖北工業(yè)大學(xué);2018年

本文編號(hào)：2633899