電力變壓器作為電網(wǎng)主要樞紐設(shè)備,在電力系統(tǒng)中具有舉足重輕的地位,其運(yùn)行狀態(tài)直接影響電網(wǎng)的安全運(yùn)行。及時、準(zhǔn)確地判斷變壓器故障類型一直是學(xué)者們研究的熱點,傳統(tǒng)的三比值法是過去幾十年來應(yīng)用最為廣泛的故障診斷方法,但因其編碼存在邊界、模糊等缺陷致使故障診斷的正確率不高。同時隨著各種在線檢測裝置的應(yīng)用,電力設(shè)備檢測數(shù)據(jù)爆炸式增長,傳統(tǒng)診斷方法更顯得心余力絀;而數(shù)據(jù)挖掘技術(shù)在處理海量數(shù)據(jù)、挖掘隱藏信息方面具備得天獨厚的優(yōu)勢,如今被廣泛應(yīng)用于金融、氣象、道路交通等領(lǐng)域。因此本文結(jié)合數(shù)據(jù)挖掘與傳統(tǒng)診斷方法,提出一種融合數(shù)據(jù)約簡、改進(jìn)引力搜索、模糊核聚類的變壓器故障診斷方法。本文對傳統(tǒng)的基于油中溶解氣體的變壓器故障診斷方法進(jìn)行理論學(xué)習(xí),歸納、總結(jié)出油浸式電力變壓器的故障類型,分析了變壓器油中溶解氣體產(chǎn)生的原理及其與相應(yīng)故障的聯(lián)系;指出三比值法存在的缺陷,并以此作為下一步故障診斷的切入點。概述了數(shù)據(jù)挖掘的基本過程以及常用的幾種智能算法,選擇模糊核聚類為本文故障診斷模型的基礎(chǔ),詳細(xì)研究了該算法的原理特征、數(shù)學(xué)模型及其實現(xiàn)步驟。選取H_2、CH_4、C_2H_2、C_2H_4、C_2H_6、CH_4/H_2、C_2H_2/C_2H_4、C_2H_4/C_2H_6作為變壓器故障診斷的原始特征量,初步構(gòu)建變壓器故障診斷的主體模型,仿真實驗發(fā)現(xiàn)基礎(chǔ)模糊核聚類的診斷正確率過度依賴初始聚類中心向量而陷入局部收斂�？紤]到知識系統(tǒng)中不同條件屬性對決策的貢獻(xiàn)程度不同,冗余的條件屬性可能使得決策者無法正確地辨別有用的信息,而且知識系統(tǒng)中數(shù)據(jù)維度越高故障診斷過程越復(fù)雜、繁瑣。因此引入粗糙集和核主成分分析,以UCI標(biāo)準(zhǔn)數(shù)據(jù)集wine為例進(jìn)行仿真實驗,結(jié)果顯示wine數(shù)據(jù)集經(jīng)核主成分分析處理后原始線性不可分?jǐn)?shù)據(jù)變得線性可分;經(jīng)過粗糙集處理后,原始數(shù)據(jù)不僅降低了維度而且還保持了原有的類別信息,有助于數(shù)據(jù)挖掘。針對模糊核聚類的不足融入萬有引力搜索,構(gòu)建引力核聚類診斷模型;該模型以核函數(shù)參數(shù)和聚類中心作為搜索粒子,在初始的種群空間中尋找最優(yōu)解;同時利用混沌初始化、動態(tài)逼近策略、縱向交叉策略優(yōu)化萬有引力搜索,增強(qiáng)算法搜索的多樣性、改善初始群體的分布性以及算法的尋優(yōu)效率。結(jié)合粗糙集和核主成分分析,本文分別搭建了基于粗糙集與萬有引力核聚類和基于核主成分分析與萬有引力核聚類的變壓器故障診斷模型,仿真實驗結(jié)果顯示后者的診斷結(jié)果稍優(yōu)于前者,且兩者診斷正確率均優(yōu)于模糊核聚類,這表明本文所提出的方法在變壓故障診斷方面具有一定的應(yīng)用性。
【學(xué)位單位】：廣東工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TM407
【部分圖文】：

廣東工業(yè)大學(xué)碩士學(xué)位論文后再進(jìn)行數(shù)據(jù)屬性降維處理；而核主成分分析先應(yīng)用核函數(shù)將原始數(shù)據(jù)映射至高維特征空間，然后進(jìn)行內(nèi)積運(yùn)算并篩選出主要特征及相應(yīng)的特征向量，最后再進(jìn)行數(shù)據(jù)屬性降維操作。4.4.1 主成分分析原理主成分分析算法通過構(gòu)建一組新的屬性變量來降低原始數(shù)據(jù)的維度，原始變量經(jīng)過映射后消除了各自之間的相關(guān)性，從而使得特征空間的變量彼此正交，降低了樣本數(shù)據(jù)的冗余度。本文將以二維對象為例闡述主成分分析法的原理，假設(shè)以下 m 個樣本有且僅有 2 個特征屬性，條件屬性向量分別用 1和 2表示，此時可以利用二維空間的幾何含義來解釋主成分分析。
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 韓麒麟;荊竹;;飛機(jī)故障診斷中飛參的數(shù)據(jù)支持作用研究[J];電子制作;2019年12期

2 王彥梅;李佳民;;農(nóng)用汽車發(fā)動機(jī)狀態(tài)監(jiān)測系統(tǒng)與診斷方法研究[J];農(nóng)機(jī)化研究;2018年02期

3 王淵明;徐策;侯繼超;張禹生;;煙草機(jī)械中故障診斷技術(shù)的應(yīng)用[J];南方農(nóng)機(jī);2018年04期

4 周雪軍;;故障診斷技術(shù)在煙草機(jī)械中的應(yīng)用和發(fā)展趨勢[J];科技風(fēng);2018年22期

5 陳亞明;顏云;;故障診斷方法現(xiàn)狀及發(fā)展方向研究[J];電工技術(shù);2018年18期

6 單建虎;;石化轉(zhuǎn)動設(shè)備狀態(tài)監(jiān)測與故障診斷平臺及應(yīng)用[J];石化技術(shù);2017年10期

7 石志軍;陳信在;高金寶;;艦船電子裝備電路板的故障診斷策略研究[J];科技與企業(yè);2016年01期

8 謝敏;樓鑫;羅芊;;航天器故障診斷技術(shù)綜述及發(fā)展趨勢[J];軟件;2016年07期

9 付麗莉;;汽輪機(jī)故障診斷技術(shù)的發(fā)展分析和研究[J];科技創(chuàng)新與應(yīng)用;2015年08期

10 謝春萍;梁家榮;;星型網(wǎng)絡(luò)的幾種故障診斷度研究[J];廣西大學(xué)學(xué)報(自然科學(xué)版);2015年03期

相關(guān)博士學(xué)位論文 前10條

1 張玉彥;基于深度自編碼器的機(jī)械故障診斷方法研究[D];華中科技大學(xué);2019年

2 茆志偉;活塞式發(fā)動機(jī)典型故障診斷及非穩(wěn)定工況監(jiān)測評估方法研究[D];北京化工大學(xué);2018年

3 劉頡;基于振動信號分析的旋轉(zhuǎn)機(jī)械故障診斷方法研究[D];華中科技大學(xué);2018年

4 杭芹;用于聚變電源的故障診斷算法研究[D];中國科學(xué)技術(shù)大學(xué);2019年

5 黃杰;基于智能學(xué)習(xí)的電噴汽車故障診斷與監(jiān)測評估系統(tǒng)的研究[D];中國農(nóng)業(yè)大學(xué);2018年

6 王奉濤;非平穩(wěn)信號故障特征提取與智能診斷方法的研究及應(yīng)用[D];大連理工大學(xué);2003年

7 錢華明;故障診斷與容錯技術(shù)及其在組合導(dǎo)航系統(tǒng)中的應(yīng)用研究[D];哈爾濱工程大學(xué);2004年

8 蔣麗英;基于FDA/DPLS方法的流程工業(yè)故障診斷研究[D];浙江大學(xué);2005年

9 韓彥嶺;面向復(fù)雜設(shè)備的遠(yuǎn)程智能診斷技術(shù)及其應(yīng)用研究[D];上海大學(xué);2005年

10 張君;小波分析技術(shù)在汽輪機(jī)故障診斷中的應(yīng)用研究[D];華北電力大學(xué)（河北）;2005年

相關(guān)碩士學(xué)位論文 前10條

1 黃書翰;基于Fisher判別及ICS-RBF的TE過程故障識別及診斷[D];湘潭大學(xué);2019年

2 劉湘婉;基于智能算法的機(jī)載蒸發(fā)循環(huán)制冷系統(tǒng)故障診斷[D];南京航空航天大學(xué);2019年

3 李帥飛;基于數(shù)據(jù)驅(qū)動的輪轂驅(qū)動汽車失扭故障診斷方法研究[D];哈爾濱工業(yè)大學(xué);2019年

4 宋凱歌;產(chǎn)品交互式電子手冊的設(shè)計與實現(xiàn)[D];哈爾濱工業(yè)大學(xué);2018年

5 于恩寧;激光捷聯(lián)慣性測量組合故障診斷技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2018年

6 褚良宇;汽車發(fā)動機(jī)冷卻系統(tǒng)故障診斷方法研究[D];重慶郵電大學(xué);2019年

7 楊晶;基于數(shù)據(jù)的風(fēng)電機(jī)組整機(jī)故障診斷研究[D];上海交通大學(xué);2018年

8 龔杰;基于數(shù)據(jù)挖掘的配電變壓器故障診斷[D];廣東工業(yè)大學(xué);2019年

9 王春峰;基于遷移學(xué)習(xí)的工業(yè)過程故障診斷方法研究與實現(xiàn)[D];大連理工大學(xué);2019年

10 付莎莎;基于人工智能的空間環(huán)境下航天器故障診斷[D];西安電子科技大學(xué);2019年

本文編號：2876887