本文關(guān)鍵詞：面向小樣本數(shù)據(jù)的變電站設(shè)備熱故障診斷方法的研究

  更多相關(guān)文章： 變電設(shè)備 熱故障 支持向量機(jī) 故障診斷 故障預(yù)測(cè) 粒子群算法

【摘要】：隨著電網(wǎng)的不斷擴(kuò)大,變電站的地位不斷提升,變電站內(nèi)設(shè)備的運(yùn)行安全,成為了電網(wǎng)運(yùn)行安全的重中之重。過(guò)熱現(xiàn)象是變電設(shè)備出現(xiàn)故障時(shí)的征兆,而在變電設(shè)備故障數(shù)量中,過(guò)熱故障的比例最大。因此,對(duì)變電設(shè)備熱故障的診斷很有必要。同時(shí)在變電設(shè)備故障診斷過(guò)程中存在典型故障樣本不足的問(wèn)題,主要是由于站內(nèi)設(shè)備檢查周期長(zhǎng),采集的數(shù)據(jù)少,而設(shè)備故障又多為突發(fā)性事件,現(xiàn)場(chǎng)采集故障時(shí)的數(shù)據(jù)也十分困難,為變電設(shè)備故障診斷增加了難度。為此,本文特選取變電設(shè)備過(guò)熱故障為研究對(duì)象,基于小樣本數(shù)據(jù),分析研究變電站設(shè)備故障診斷方法。本文首先深入分析了變電站設(shè)備熱故障產(chǎn)生機(jī)理和發(fā)展規(guī)律,在此基礎(chǔ)上引入FMEA技術(shù),建立完善的變電站設(shè)備系統(tǒng)定義和熱故障模式分析表,為變電站設(shè)備熱故障診斷提供理論依據(jù)。其次,在理論研究的基礎(chǔ)上,為了解決小樣本分類(lèi)問(wèn)題,本文建立了基于支持向量機(jī)的熱故障診斷模型,采用改進(jìn)后的粒子群優(yōu)化算法對(duì)診斷模型進(jìn)行優(yōu)化,并利用實(shí)際數(shù)據(jù)驗(yàn)證最優(yōu)模型診斷的正確率和實(shí)用價(jià)值。再次,利用支持向量機(jī)回歸算法和多變量時(shí)間序列混合模型對(duì)故障特征量的走勢(shì)進(jìn)行預(yù)測(cè),便于發(fā)現(xiàn)設(shè)備出現(xiàn)早期熱故障的可能性。最終,建立實(shí)現(xiàn)實(shí)時(shí)在線(xiàn)變電站設(shè)備熱故障診斷系統(tǒng)。
【關(guān)鍵詞】：變電設(shè)備 熱故障 支持向量機(jī) 故障診斷 故障預(yù)測(cè) 粒子群算法
【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】：2015
【分類(lèi)號(hào)】：TM63
【目錄】：

• 摘要5-6
• Abstract6-10
• 第1章 緒論10-14
• 1.1 選題背景及意義10-11
• 1.2 變電站設(shè)備熱故障診斷現(xiàn)狀11-13
• 1.2.1 常規(guī)診斷方法在電氣設(shè)備熱故障診斷中的應(yīng)用11-12
• 1.2.2 人工智能故障診斷方法12-13
• 1.3 本文主要工作13-14
• 第2章 變電站設(shè)備熱故障模式分析14-26
• 2.1 FMEA技術(shù)14-15
• 2.1.1 FMEA技術(shù)簡(jiǎn)介14
• 2.1.2 FMEA分析項(xiàng)目14-15
• 2.2 變電站設(shè)備熱故障模式分析的系統(tǒng)定義劃分15-21
• 2.2.1 電力變壓器系統(tǒng)定義17
• 2.2.2 斷路器系統(tǒng)定義17-19
• 2.2.3 互感器系統(tǒng)定義19-20
• 2.2.4 輸電線(xiàn)路系統(tǒng)定義20
• 2.2.5 隔離開(kāi)關(guān)系統(tǒng)定義20-21
• 2.3 變電設(shè)備熱故障模式分析表21-25
• 2.3.1 變電設(shè)備系統(tǒng)熱故障模式表21-24
• 2.3.2 變電設(shè)備熱故障模式分析結(jié)果24-25
• 2.4 本章小結(jié)25-26
• 第3章 面向小樣本數(shù)據(jù)的變電設(shè)備熱故障診斷方法26-49
• 3.1 支持向量機(jī)基本理論26-29
• 3.1.1 最優(yōu)分類(lèi)面26-29
• 3.1.2 廣義最優(yōu)分類(lèi)面29
• 3.2 多分類(lèi)支持向量機(jī)29-31
• 3.2.1 一次求解多分類(lèi)29-30
• 3.2.2 組合實(shí)現(xiàn)多分類(lèi)30-31
• 3.3 面向小樣本數(shù)據(jù)的變電設(shè)備熱故障診斷31-34
• 3.3.1 故障特征量的選擇32-33
• 3.3.2 數(shù)據(jù)歸一化處理33
• 3.3.3 構(gòu)造訓(xùn)練集和測(cè)試集33
• 3.3.4 基于SVM的故障診斷模型的建立33-34
• 3.4 基于K-CV和GA優(yōu)化SVM的變電設(shè)備熱故障診斷方法34-42
• 3.4.1 交叉驗(yàn)證參數(shù)優(yōu)化35
• 3.4.2 GA參數(shù)優(yōu)化35-36
• 3.4.3 診斷實(shí)例分析36-42
• 3.5 基于改進(jìn)后的粒子群優(yōu)化算法的變電設(shè)備熱故障診斷42-46
• 3.5.1 粒子群算法原理42-43
• 3.5.2 參數(shù)c和g選擇流程43
• 3.5.3 改進(jìn)粒子群優(yōu)化算法43-44
• 3.5.4 仿真結(jié)果44-46
• 3.6 南方某核電站配備的110KV升壓變壓器熱故障診斷實(shí)例46-48
• 3.7 本章小結(jié)48-49
• 第4章 變電站設(shè)備熱故障預(yù)測(cè)49-59
• 4.1 支持向量機(jī)回歸算法基本理論49-50
• 4.2 多變量時(shí)間序列理論50-51
• 4.3 基于多變量時(shí)間序列與SVR相融合的變電站熱故障預(yù)測(cè)51-54
• 4.3.1 故障特征量選擇51
• 4.3.2 數(shù)據(jù)預(yù)處理51-52
• 4.3.3 性能標(biāo)準(zhǔn)52-53
• 4.3.4 變電站設(shè)備熱故障預(yù)測(cè)模型的建立53-54
• 4.4 基于時(shí)間序列與SVR相融合的變電站熱故障預(yù)測(cè)實(shí)例分析54-57
• 4.5 本章小結(jié)57-59
• 第5章 變電站設(shè)備熱故障診斷系統(tǒng)的實(shí)現(xiàn)59-65
• 5.1 熱故障診斷系統(tǒng)的總體結(jié)構(gòu)59-61
• 5.2 系統(tǒng)描述61-62
• 5.2.1 登錄界面設(shè)計(jì)61
• 5.2.2 變電站設(shè)備熱故障診斷與預(yù)測(cè)主界面61-62
• 5.3 系統(tǒng)界面與功能實(shí)現(xiàn)62-64
• 5.4 本章小結(jié)64-65
• 第6章 結(jié)論與展望65-67
• 6.1 結(jié)論及主要?jiǎng)?chuàng)新點(diǎn)65
• 6.2 不足與展望65-67
• 參考文獻(xiàn)67-71
• 攻讀碩士學(xué)位期間發(fā)表的論文及其它成果71-72
• 致謝72

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前1條

1 曲鳳成;張秀平;邱敏;曹福全;;基于多元重構(gòu)預(yù)測(cè)和LS-SVR的變壓器故障診斷[J];電測(cè)與儀表;2014年15期

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前4條

1 張艷;基于粒子群優(yōu)化支持向量機(jī)的變壓器故障診斷和預(yù)測(cè)[D];西華大學(xué);2011年

2 梁利利;變電站紅外圖像的識(shí)別與故障診斷[D];西安科技大學(xué);2010年

3 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

4 范世超;電容性設(shè)備故障診斷系統(tǒng)的研究[D];吉林大學(xué);2014年

，

本文編號(hào)：605113