電力系統(tǒng)中最關(guān)鍵的樞紐設(shè)備為變壓器,一旦發(fā)生故障,不僅影響到供電的可靠性,而且對(duì)電力系統(tǒng)的安全穩(wěn)定運(yùn)行構(gòu)成嚴(yán)重威脅,會(huì)導(dǎo)致嚴(yán)重經(jīng)濟(jì)損失。由此可見,診斷變壓器故障可以提前檢測(cè)變壓器潛在問題,減少變壓器故障產(chǎn)生的經(jīng)濟(jì)損失,讓電力系統(tǒng)可以更加可靠、安全地運(yùn)行。本文通過研究變壓器故障類型與特征氣體間對(duì)應(yīng)關(guān)系,采用溶解氣體分析法,在此基礎(chǔ)上提出兩種不同診斷方式,分別為基于布谷鳥算法的改進(jìn)支持向量機(jī)和基于布谷鳥算法的改進(jìn)克里金模型的變壓器故障診斷方法。本文主要研究?jī)?nèi)容如下:(1)收集整理樣本數(shù)據(jù)、測(cè)試數(shù)據(jù),建立最小二乘支持向量機(jī)的分類模型并給出建模步驟,運(yùn)用布谷鳥算法對(duì)最小二乘支持向量機(jī)核參數(shù)g與懲罰參數(shù)C優(yōu)化,為了提高布谷鳥算法的優(yōu)化能力,應(yīng)用慣性權(quán)重改進(jìn)布谷鳥算法,并與最速下降法相結(jié)合,得到一種新的算法進(jìn)行參數(shù)尋優(yōu)。在MATLAB軟件平臺(tái)上訓(xùn)練模型并仿真。通過對(duì)比遺傳算法、布谷鳥算法對(duì)支持向量機(jī)參數(shù)尋優(yōu)的方法,驗(yàn)證本算法優(yōu)越性。(2)提出基于克里金模型的變壓器故障診斷方式,根據(jù)收集的數(shù)據(jù)創(chuàng)建克里金故障診斷模型,以改進(jìn)的布谷鳥算法優(yōu)化模型中的相關(guān)參數(shù),利用MATLAB進(jìn)行訓(xùn)練模型,通過實(shí)例仿真證... 

【文章來源】：遼寧石油化工大學(xué)遼寧省

【文章頁數(shù)】：65 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則示意圖

22圖 3.2 最優(yōu)分類超平面Fig.3.2 Optimal separating hyperplane模型可以歸納為一個(gè)求凸二次優(yōu)化的問題，給定一個(gè)ni R表示輸入向量， 1, 1iy 代表了兩類，維數(shù)以及樣本數(shù)表征。遵循上述思路能夠求解得到正確區(qū)分兩類樣本的超平的情況下，能夠得到一個(gè)經(jīng)驗(yàn)風(fēng)險(xiǎn)最小的最優(yōu)超平臺(tái)。最趨近別為 H1和 H2，分類間隔利用M arg in 2/ 來加以表征，一度呈正相關(guān)，越低的分類間隔，會(huì)產(chǎn)生越差的向量機(jī)分類效

映射回原輸入數(shù)據(jù)。步驟，最終得到預(yù)期的分類結(jié)果。之所以要引入核函數(shù)，征向量空間映射過程中較復(fù)雜的空間維度情況。礎(chǔ)之上，得到滿足 Mercer 條件下的內(nèi)積計(jì)算方案。 j x，從而可以得到最優(yōu)超平面的分類優(yōu)化函數(shù)公式 ijliljijliiL yy 11 121 述問題求解可以得到線性決策函數(shù)： miiiijdxykxxb1sgn ,方式，有效簡(jiǎn)化了該算法的運(yùn)算步驟[59]。.3 可知，支持向量機(jī)中主要包含了三個(gè)基本組成部分，分含層。該構(gòu)造類似于神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，且具備諸多與后

【參考文獻(xiàn)】：
期刊論文
[1]變壓器油中氣體常規(guī)故障診斷方法的探討與展望[J]. 郭慶奎.  化工自動(dòng)化及儀表. 2017(09)
[2]關(guān)于變壓器故障診斷中油中溶解氣體色譜分析技術(shù)的有效運(yùn)用研究[J]. 劉秋潔.  通訊世界. 2017(05)
[3]國內(nèi)外輸電網(wǎng)可靠性性能管理對(duì)比分析[J]. 劉文霞,王舒,陳盛君,王志強(qiáng),夏寶亮,江偉民.  供用電. 2016(10)
[4]變壓器故障診斷研究現(xiàn)狀[J]. 韓鈺潔,葉暉,王然.  科技創(chuàng)新與應(yīng)用. 2016(04)
[5]基于DGA的變壓器故障診斷智能方法分析[J]. 王國平,余濤,傅森木,鐘運(yùn)平,張勇,程小華.  電力建設(shè). 2015(06)
[6]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]. 鄭含博,王偉,李曉綱,王立楠,李予全,韓金華.  高電壓技術(shù). 2014(11)
[7]支持向量機(jī)在船舶電力推進(jìn)系統(tǒng)故障診斷中的應(yīng)用[J]. 梁樹甜,孟得東.  船電技術(shù). 2014(09)
[8]基于粒子群優(yōu)化支持向量機(jī)的變壓器故障診斷[J]. 韓世軍,朱菊,毛吉貴,詹汶燕.  電測(cè)與儀表. 2014(11)
[9]電力變壓器的故障診斷研究[J]. 李春平.  黑龍江科學(xué). 2014(05)
[10]布谷鳥算法優(yōu)化支持向量機(jī)的網(wǎng)絡(luò)熱點(diǎn)話題預(yù)測(cè)[J]. 戴臻.  計(jì)算機(jī)應(yīng)用與軟件. 2014(04)

博士論文
[1]可靠性和可靠性靈敏度分析的函數(shù)替代方法研究及應(yīng)用[D]. 趙海龍.西北工業(yè)大學(xué) 2015
[2]數(shù)據(jù)驅(qū)動(dòng)的大型電力變壓器故障診斷和預(yù)測(cè)研究[D]. 唐勇波.中南大學(xué) 2013
[3]電力變壓器故障診斷方法研究[D]. 武中利.華北電力大學(xué) 2013
[4]大型電力變壓器以油中溶解氣體為特征量的內(nèi)部故障診斷模型研究[D]. 李儉.重慶大學(xué) 2001

碩士論文
[1]基于灰色神經(jīng)網(wǎng)絡(luò)模型的電力變壓器故障診斷研究[D]. 房艷軍.長(zhǎng)春工業(yè)大學(xué) 2018
[2]基于多維特征量的電力變壓器故障診斷技術(shù)研究[D]. 袁海滿.西南交通大學(xué) 2017
[3]基于支持向量機(jī)的電網(wǎng)故障診斷研究[D]. 袁柳楊.華北電力大學(xué)(北京) 2017
[4]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]. 李江浩.華北電力大學(xué) 2015
[5]基于人工免疫算法優(yōu)化支持向量機(jī)的電力變壓器故障診斷研究[D]. 高文軍.太原理工大學(xué) 2012
[6]電力變壓器狀態(tài)評(píng)估方法的研究[D]. 諶軍.華北電力大學(xué)（北京） 2011
[7]智能診斷方法及其在變壓器故障中的應(yīng)用研究[D]. 董杏.華北電力大學(xué) 2011
[8]基于智能信息融合的油浸式電力變壓器故障診斷[D]. 秦麗偉.山東大學(xué) 2009
[9]BP神經(jīng)網(wǎng)絡(luò)在斜拉橋換索中的應(yīng)用[D]. 祁永利.重慶交通大學(xué) 2009
[10]基于遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的變壓器故障診斷[D]. 段侯峰.北京交通大學(xué) 2008



本文編號(hào)：2937141