發(fā)布時(shí)間：2020-02-22 06:07

【摘要】：變壓器是電力系統(tǒng)實(shí)現(xiàn)輸、變電工程的樞紐設(shè)備,其運(yùn)行狀態(tài)直接影響著整個(gè)電力系統(tǒng)的安全、可靠和穩(wěn)定。長(zhǎng)時(shí)間持續(xù)工作中的油浸式變壓器,不可避免地會(huì)出現(xiàn)故障。如何通過油浸式變壓器內(nèi)部機(jī)理及油中溶解氣體含量對(duì)變壓器故障進(jìn)行及時(shí)診斷和預(yù)測(cè)是變壓器安全運(yùn)行的關(guān)鍵。本文以油浸式變壓器故障診斷為背景,針對(duì)油中溶解氣體含量數(shù)據(jù)集尋找規(guī)律,采用特征提取、機(jī)器學(xué)習(xí)等方法對(duì)變壓器的故障進(jìn)行診斷和預(yù)測(cè)。本文的主要研究?jī)?nèi)容有以下幾個(gè)方面:1、建立油浸式變壓器故障診斷模型,提出結(jié)合人工智能的油浸式變壓器故障診斷方法。首先研究變壓器油中氣體的來源和氣體的溶解,并分析變壓器油中氣體的產(chǎn)氣機(jī)理以及變壓器故障與絕緣油中特征氣體之間的映射關(guān)系,得到不同故障類型與產(chǎn)生的特征氣體相互之間的關(guān)系。基于特征氣體與變壓器故障的特殊對(duì)應(yīng)關(guān)系,通過第一章各種診斷方法的對(duì)比,提出需要尋求更為準(zhǔn)確全面的方法,結(jié)合人工智能的方法進(jìn)行變壓器故障診斷。2、改進(jìn)的KPCA和LS-SVM故障診斷方法。針對(duì)油中溶解氣體含量中異常數(shù)據(jù)對(duì)KPCA特征提取造成精度下降這一問題,提出改進(jìn)的KPCA和LS-SVM故障診斷方法,該方法對(duì)KPCA非線性映射后得到的特征空間進(jìn)行格拉布斯準(zhǔn)則判定,剔除異常離群值,減小離群值對(duì)KPCA特征提取的影響。在油浸式變壓器故障診斷中,將經(jīng)過KPCA處理后的特征樣本輸出LS-SVM,結(jié)果證明本章方法的可行性和有效性。3、提出基于蟻群優(yōu)化最小二乘支持向量機(jī)(ACO-LSSVM)的變壓器故障診斷方法。針對(duì)LS-SVM中核函數(shù)參數(shù)及懲罰系數(shù)預(yù)先難以確定的問題,提出了基于蟻群算法優(yōu)化最小二乘支持向量機(jī)的變壓器故障診斷方法。本文采用蟻群算法對(duì)LS-SVM中參數(shù)的選取進(jìn)行優(yōu)化,提高LS-SVM方法故障類型的分類準(zhǔn)確性及精度。在樣本數(shù)據(jù)集上對(duì)基于蟻群優(yōu)化的LS-SVM方法進(jìn)行驗(yàn)證,結(jié)果表明經(jīng)蟻群優(yōu)化以后的最小二乘支持向量機(jī)模型分類準(zhǔn)確率達(dá)到了 92.57%,分類準(zhǔn)確率比LS-SVM算法高出了 9.43個(gè)百分點(diǎn),并根據(jù)診斷結(jié)果得出正常狀態(tài)和6種典型的故障類型。
【圖文】：

第一章緒論逡逑ＤＧＡ在線監(jiān)測(cè)系統(tǒng)。變壓器油中溶解氣體在線監(jiān)測(cè)方法［１３１如圖１．１所示：逡逑？邋？？？＿？邐邐邐？、？？？？＿？逡逑，，（變壓器運(yùn)行現(xiàn)場(chǎng)邐）（遠(yuǎn)程通信）逡逑ｒ＾＼邐ｒ＾＼邐；邐邐逡逑ｉ變邐汽邐組邐氣邐數(shù)邐■；邐；邐ｆ邐＼邐；逡逑：？藝－？誓－？機(jī)＜＜＾１遠(yuǎn)程計(jì)算機(jī)逡逑：益邐方才方邐木逡逑丨油邐離邐離邐析邐集邐■邐；邐；邐Ｖ邐Ｊ逡逑＼＾）邐＼＾）邐Ｋｙ邐ｖ＿ｙ邐＼ｙ．：邐＼逡逑？邋邐邐邐？邋■邐＊邋■邋？邐ｒ逡逑圖１．１邋油中溶解氣體在線監(jiān)測(cè)的一般方法逡逑在線監(jiān)測(cè)的優(yōu)點(diǎn)是在不停電的情況下對(duì)變壓器所處狀態(tài)進(jìn)行監(jiān)測(cè)，逡逑可以診斷出一般電氣試驗(yàn)無法實(shí)現(xiàn)的變壓器潛伏性故障，能夠?qū)崿F(xiàn)故障逡逑的提前發(fā)現(xiàn)、提早預(yù)防。逡逑ＤＧＡ方法以溶解在油中的特征氣體為研宄對(duì)象，以油中特征氣體的逡逑組分和含量、實(shí)際故障的性質(zhì)與其嚴(yán)重程度為基礎(chǔ)，根據(jù)這兩者之間的逡逑映射關(guān)系來做故障診斷�！峨娏υO(shè)備預(yù)防試驗(yàn)規(guī)程》１１２］指出，ＤＧＡ技術(shù)是逡逑采用氣相色譜分析儀分析油中氣體，包括分析氣體的類型、組分和含逡逑量

一步判斷故障的具體情況，比如故障的類型、發(fā)生故障的具體位置和故逡逑障的嚴(yán)重程度，最后根據(jù)故障類型提出相應(yīng)的解決辦法［５６］。變壓器故障逡逑診斷的一般步驟流程圖如圖２．１所示。逡逑２５逡逑
【學(xué)位授予單位】：昆明理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TM41;TP18

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 師瑞峰;史永鋒;牟軍;李慧;劉瀟涵;;油中溶解氣體電力變壓器故障診斷專家系統(tǒng)[J];電力系統(tǒng)及其自動(dòng)化學(xué)報(bào);2014年12期

2 鄭含博;王偉;李曉綱;王立楠;李予全;韓金華;;基于多分類最小二乘支持向量機(jī)和改進(jìn)粒子群優(yōu)化算法的電力變壓器故障診斷方法[J];高電壓技術(shù);2014年11期

3 唐勇波;;改進(jìn)特征樣本方法的KPCA變壓器故障檢測(cè)模型[J];計(jì)算機(jī)工程與應(yīng)用;2014年21期

4 王婭娜;黃新波;宋桐;朱永燦;;基于改進(jìn)粒子群算法的模糊神經(jīng)網(wǎng)絡(luò)變壓器油色譜監(jiān)測(cè)故障診斷策略[J];廣東電力;2013年05期

5 張帆;;變壓器油中氣體分析輔助診斷方法[J];電力安全技術(shù);2013年05期

6 高振興;駱玉海;李海山;郭創(chuàng)新;;采用CSA優(yōu)化LS-SVM的油浸式變壓器故障診斷方法[J];能源工程;2011年03期

7 陳靜;劉淵;;融合模擬退火算法的神經(jīng)網(wǎng)絡(luò)流量預(yù)測(cè)研究[J];計(jì)算機(jī)工程與設(shè)計(jì);2011年06期

8 曾杰;張華;;基于蟻群優(yōu)化的最小二乘支持向量機(jī)風(fēng)速預(yù)測(cè)模型研究[J];太陽能學(xué)報(bào);2011年03期

9 馮倩旋;;變壓器絕緣材料老化判斷的方法探討[J];機(jī)電工程技術(shù);2010年11期

10 楊洪;古世甫;陶加貴;茍建;;自適應(yīng)分級(jí)多分類支持向量機(jī)在變壓器故障診斷中的應(yīng)用[J];高壓電器;2010年05期

相關(guān)博士學(xué)位論文 前3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 楊廷方;變壓器在線監(jiān)測(cè)與故障診斷新技術(shù)的研究[D];華中科技大學(xué);2008年

3 彭寧云;基于DGA技術(shù)的變壓器故障智能診斷系統(tǒng)研究[D];武漢大學(xué);2004年

相關(guān)碩士學(xué)位論文 前10條

1 蔡陳;油浸式變壓器DGA數(shù)據(jù)分析及其故障診斷研究[D];昆明理工大學(xué);2016年

2 李本鋅;智能算法在油浸式變壓器故障診斷中的應(yīng)用研究[D];華東交通大學(xué);2015年

3 秦鵬;基于最小二乘支持向量機(jī)和D-S證據(jù)理論的電力變壓器故障診斷研究[D];蘭州交通大學(xué);2015年

4 李江浩;基于改進(jìn)神經(jīng)網(wǎng)絡(luò)的變壓器故障診斷方法的研究[D];華北電力大學(xué);2015年

5 何亞軍;變壓器的貝葉斯網(wǎng)絡(luò)故障診斷融合方法研究[D];華北電力大學(xué);2015年

6 李育恒;基于模擬退火優(yōu)化支持向量機(jī)的電力變壓器故障診斷研究[D];蘭州交通大學(xué);2014年

7 姬立新;變壓器油中溶解氣體故障診斷研究[D];華北電力大學(xué);2014年

8 張鈺寧;蟻群優(yōu)化支持向量機(jī)在變壓器故障診斷中的應(yīng)用[D];華北電力大學(xué);2014年

9 張慶磊;基于油中氣體分析和局部放電檢測(cè)的變壓器故障診斷技術(shù)研究[D];南京理工大學(xué);2014年

10 包淇天;變壓器油在線監(jiān)測(cè)系統(tǒng)在深圳供電局的應(yīng)用[D];華南理工大學(xué);2013年

本文編號(hào)：2581840