隨著國(guó)民經(jīng)濟(jì)的快速發(fā)展,各行業(yè)對(duì)電能需求逐漸增加,電力能源的穩(wěn)定供應(yīng)對(duì)各行業(yè)發(fā)展具有重要作用,伴隨著“智能電網(wǎng)”、“中國(guó)制造2025”等政策的推進(jìn),對(duì)電力系統(tǒng)的穩(wěn)定性安全性智能性也提出了新的要求。在電力系統(tǒng)中,電力變壓器和高壓斷路器被廣泛使用,是兩個(gè)重要且故障頻發(fā)的不可或缺器件,變壓器和高壓斷路器發(fā)生故障會(huì)造成巨大危害并誘發(fā)重大的電力事故,本研究在省自然科學(xué)基金重點(diǎn)項(xiàng)目的支持下完成,針對(duì)傳統(tǒng)的故障診斷手段已經(jīng)不能滿足快速、精準(zhǔn)、智能、穩(wěn)定的要求和現(xiàn)有的故障診斷方法不足,提出融合人工智能方法對(duì)變壓器和高壓斷路器的故障診斷方法,具有重要研究?jī)r(jià)值和實(shí)用應(yīng)用前景。本文分析了電力系統(tǒng)中的變壓器和高壓斷路器的物理構(gòu)造、工作原理及常見(jiàn)故障,介紹了變壓器和高壓斷路器的常見(jiàn)故障類(lèi)型和故障表征。提出一種基于粒子群優(yōu)化的改進(jìn)K均值聚類(lèi)算法。所提方法對(duì)傳統(tǒng)K均值算法的聚類(lèi)中心初始化方式進(jìn)行改進(jìn),并且改進(jìn)了距離評(píng)價(jià)函數(shù),為輸入向量各維度添加權(quán)重因子構(gòu)造一種新的距離評(píng)價(jià)函數(shù);然后直接使用變壓器油中氣體百分比作為故障診斷數(shù)據(jù),避免了比值法在編碼過(guò)程中造成的信息損失,取得較高精度的診斷效果。本文提出一種多分類(lèi)相關(guān)向量機(jī)故障診斷方法。該方法針對(duì)高壓斷路器具有復(fù)雜的結(jié)構(gòu)和特殊的工況,故障具有類(lèi)別較多且不易獲取大量故障樣本數(shù)據(jù)的特點(diǎn),將在小樣本數(shù)據(jù)條件下具有較好的分類(lèi)效果的相關(guān)向量機(jī)方法與具有較高精度的“一對(duì)一”多分類(lèi)模型結(jié)合,使其既能夠進(jìn)行多故障分類(lèi)又能具有較高的精度。實(shí)驗(yàn)仿真結(jié)果表明:本文所提出的基于粒子群優(yōu)化權(quán)重的K均值算法能夠在變壓器故障診斷領(lǐng)域取得準(zhǔn)確的結(jié)果;提出的基于多分類(lèi)相關(guān)向量機(jī)算法能夠在小數(shù)據(jù)集上具有比BP神經(jīng)網(wǎng)絡(luò)算法和支持向量機(jī)算法具有更好的分類(lèi)精度和分類(lèi)速度,在高壓斷路器的小故障樣本數(shù)據(jù)集上,具有較高的診斷可信度。
【學(xué)位單位】：湖南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類(lèi)】：TM407;TM561
【部分圖文】：

(c) (d)圖 1.1 電力系統(tǒng)中的變壓器斷路器實(shí)景實(shí)物圖在電力系統(tǒng)中，變壓器和斷路器是數(shù)量眾多，是電力系統(tǒng)中不可或缺的重器件，并且是故障發(fā)生率較高的電氣設(shè)備，據(jù)統(tǒng)計(jì)，國(guó)家電網(wǎng)公司每年因變壓故障帶來(lái)的設(shè)備損失和維修費(fèi)用高達(dá)上千億元，由停電引起的間接損失每天超數(shù)億元[9]，由于高壓斷路器故障引起的非計(jì)劃性停電事故占據(jù)停電事故的百分六十以上[10]，變壓器和斷路器為電力系統(tǒng)的故障頻發(fā)且影響較大的器件，一旦

碩士學(xué)位論文n1n2n1n2U1U2圖 2.1 變壓器原理簡(jiǎn)圖圖 2.2 變壓器實(shí)物圖2.2.2 變壓器典型故障分析變壓器在工作過(guò)程中，因?yàn)橛芯�圈電阻、鐵芯電阻等因素產(chǎn)生的熱經(jīng)有冷卻系統(tǒng)得以正常運(yùn)行。變壓器內(nèi)部的變壓器油由各種碳?xì)浠衔锝M成的混合物，主要有烷炔、環(huán)烷炔。芳香炔、烯炔等。變壓器在長(zhǎng)期運(yùn)行過(guò)程中，在電和熱故障情況下，進(jìn)而產(chǎn)生少量的氫、低分子烴類(lèi)氣體和碳的氧化物，根據(jù)《變壓器油中溶解氣體分析和判斷導(dǎo)則》[49]，規(guī)定了 9 種氣體，包括 CO、CO2、H2、 4、 2 6、 2 2、 2 4、 2、 2，其中， 2和 2為正常狀態(tài)可能包含的氣體，其余為故障下才可能產(chǎn)生的氣體，其中， 2 4、 2 6、 2 2、和 4這 4 種氣體統(tǒng)稱(chēng)為總烴，簡(jiǎn)寫(xiě)為 C1+C2。在 101.3kPa，25℃條件下

圖 2.4 斷路器操作室實(shí)物圖路器動(dòng)作過(guò)程分析器發(fā)生故障伴隨振動(dòng)變化、聲波變化、溫度變化和電流等動(dòng)信號(hào)和聲波信號(hào)受位置影響較大，溫度變化相對(duì)故障發(fā)圈電流變化較為迅速，且能夠精準(zhǔn)測(cè)量。高壓斷路器分、合閘線圈電流隨時(shí)間變化而變化，在此變化中電流信號(hào)蘊(yùn)的故障信號(hào)[31][22]。本文通過(guò)采取高壓斷路器線圈電流數(shù)據(jù)，訓(xùn)練樣本和測(cè)試樣本是采用文[42]中從斷路器分、合閘取的機(jī)械特征樣本。高壓斷路器分合閘線圈電流信號(hào)中包合閘線圈及操動(dòng)機(jī)構(gòu)等器件的狀態(tài)信息，發(fā)現(xiàn)故障征兆。圈電流信號(hào)圖[23]。i1i/A

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張衛(wèi)正;李永麗;姚創(chuàng);;基于最小二乘支持向量機(jī)的高壓斷路器故障診斷[J];高壓電器;2015年12期

2 楊凌霄;朱亞麗;;基于概率神經(jīng)網(wǎng)絡(luò)的高壓斷路器故障診斷[J];電力系統(tǒng)保護(hù)與控制;2015年10期

3 張鐿議;廖瑞金;楊麗君;孟繁津;李金忠;程渙超;;綜合考慮可靠性與經(jīng)濟(jì)性的電力變壓器檢修方案優(yōu)選[J];電工技術(shù)學(xué)報(bào);2014年11期

4 梅飛;梅軍;鄭建勇;張思宇;朱克東;;粒子群優(yōu)化的KFCM及SVM診斷模型在斷路器故障診斷中的應(yīng)用[J];中國(guó)電機(jī)工程學(xué)報(bào);2013年36期

5 陳守軍;黎建強(qiáng);魏亞楠;;基于證據(jù)集成軟集的智能電網(wǎng)綜合效益評(píng)價(jià)[J];華東電力;2013年12期

6 胡偉濤;劉海鋒;白彥坤;祝曉輝;閆佳文;王緒;;組合檢測(cè)技術(shù)在避雷器狀態(tài)檢修中的應(yīng)用[J];電工技術(shù);2013年06期

7 梁志文;胡嚴(yán)思;楊金民;;基于FTA與BAM神經(jīng)網(wǎng)絡(luò)融合的飛機(jī)故障診斷方法[J];湖南大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年05期

8 陳琳;唐忠;崔昊楊;;電氣設(shè)備紅外測(cè)溫技術(shù)的實(shí)現(xiàn)[J];電測(cè)與儀表;2013年04期

9 張翠玲;王大志;王安娜;劉曉琴;;基于模糊AHP變壓器運(yùn)行狀態(tài)判斷矩陣建立方法[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年03期

10 徐建源;張彬;林莘;李斌;騰云;;能譜熵向量法及粒子群優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)在高壓斷路器機(jī)械故障診斷中的應(yīng)用[J];高電壓技術(shù);2012年06期

相關(guān)博士學(xué)位論文 前2條

1 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

2 柳長(zhǎng)源;相關(guān)向量機(jī)多分類(lèi)算法的研究與應(yīng)用[D];哈爾濱工程大學(xué);2013年

相關(guān)碩士學(xué)位論文 前1條

1 羅小安;基于徑向基神經(jīng)網(wǎng)絡(luò)的高壓斷路器故障診斷應(yīng)用研究[D];西南交通大學(xué);2007年

本文編號(hào)：2812451