基于改进人工鱼群-RBF神经网络的电力变压器故障诊断研究

发布时间：2017-10-29 19:22

  本文关键词：基于改进人工鱼群-RBF神经网络的电力变压器故障诊断研究

  更多相关文章： 电力变压器 故障分析 溶解气体 改进AFSA RBF网络

【摘要】：本文通过对电力变压器故障诊断技术的学习研究,概述了该技术在国内外的发展概况,阐述了传统的故障诊断方法(DGA),以及基于DGA数据的人工智能诊断技术,分析了变压器故障气体的产生机理、过程和特征气体的构成与故障类型的关联性,提出了基于改进的人工鱼群算法(IAFSA)结合RBF神经网络的变压器故障诊断方法。首先对传统的基于DGA数据的变压器故障诊断方法进行了理论学习和分析,介绍了溶解气体在变压器中的产生来源,以及各类气体的组成比例与之相对应的故障类型,并得出了传统变压器故障诊断方法的不足之处,为下一步提出新方法奠定了理论依据。然后通过研究AFSA算法的原理特征及其自身存在的欠缺之处,对鱼群算法的参数和行为进行了改进,适当引入了相应策略：自适应策略、分段策略、跳跃行为、踏步行为等。设计出改进后的人工鱼群算法(IAFSA)模型和流程图,改进后的鱼群算法具有搜索速度快,并自动选择鱼群行为,易于逃离局部最优解,为下一步的结合RBF神经网络提供了算法支撑。IAFSA主要用于优化RBF神经网络的基函数中心和宽度,文中采用了均匀分布鱼群,搜索故障数据的径向基中心的初始值,再根据K-means聚类算法,最终确定网络的基中心和宽度等参数,使RBF网络得出最优结构,提高网络的训练效率和效果。最后依据IAFSA-RBF算法的理论成果,使用MATLA R2013a平台搭建模型,进行实验仿真。通过实验数据对比结果来看,本文使用的方法一一IAFSA-RBF网络对于变压器故障数据训练和预测的速度与精度上,相对单一RBF网络、常规AFSA-RBF网络有了显著的提高。IAFSA-RBF网络的诊断性能体现出较强的优越性,在电力变压器故障诊断方面,具有很好的实用价值。
【关键词】：电力变压器 故障分析 溶解气体 改进AFSA RBF网络
【学位授予单位】：广西大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM407;TP183
【目录】：

• 摘要4-6
• ABSTRACT6-10
• 第一章 绪论10-19
• 1.1 引言10-11
• 1.2 电力变压器故障诊断的现实意义11-12
• 1.3 电力变压器故障诊断技术的发展12-17
• 1.3.1 基于DGA数据的传统诊断方法12-15
• 1.3.2 基于DGA数据的智能诊断方法15-17
• 1.4 本文主要研究内容17-19
• 第二章 油浸式电力变压器基于DGA的常用检测方法19-30
• 2.1 电力变压器常见故障类型19-21
• 2.1.1 热性故障19
• 2.1.2 电性故障19-21
• 2.2 油浸式变压器溶解气体的分析21-25
• 2.2.1 油中溶解气体产生机理21-23
• 2.2.2 油中溶解气体成分组成23-25
• 2.3 油中溶解气体与故障类型的关系25-27
• 2.3.1 热性故障时油中溶解气体特征25-26
• 2.3.2 电性故障时油中溶解气体特征26-27
• 2.4 基于传统DGA数据常规诊断方法的缺陷27-29
• 2.5 本章小结29-30
• 第三章 人工鱼群算法的改进与测试30-50
• 3.1 群智能优化算法应用30-31
• 3.1.1 几种群智能算法30
• 3.1.2 AFSA算法的提出和现状30-31
• 3.2 人工鱼基本行为的数学描述31-35
• 3.2.1 参数对收敛性能的影响分析31-32
• 3.2.2 行为的描述与数学表达32-33
• 3.2.3 AFSA算法的全局寻优原理33-35
• 3.3 AFSA参数的改进35-39
• 3.3.1 步长Step的改进35-38
• 3.3.2 视野Visual的改进38
• 3.3.3 拥挤度因子delta的改进38-39
• 3.4 AFSA行为的改进39-43
• 3.4.1 觅食行为的改进39-40
• 3.4.2 聚群行为的改进40
• 3.4.3 追尾行为的改进40-41
• 3.4.4 跳跃行为的引入41-43
• 3.5 IAFSA算法的性能测试43-48
• 3.5.1 测试函数介绍44-45
• 3.5.2 三维Rastrigin函数人工鱼收敛结果比较45-47
• 3.5.3 算法迭代次数一定的情况下对收敛精度结果比较47-48
• 3.6 本章小结48-50
• 第四章 结合变压器特征气体的改进K-MEANS算法分析50-65
• 4.1 RBF神经网络的概述与算法介绍50-54
• 4.1.1 RBF神经网络结构模型和算法实现51-53
• 4.1.2 RBF神经网络的聚类分析53-54
• 4.2 变压器特征气体的分析确定54-58
• 4.3 K-MEANS聚类算法的改进58-60
• 4.3.1 改进鱼群算法(IAFSA)优化K-means聚类算法58-59
• 4.3.2 优化算法中相关参数设定59-60
• 4.4 基于变压器特征气体比值的相关实验60-64
• 4.4.1 两种算法的对比试验60-63
• 4.4.2 采用四种特征气体比值的分类实验63-64
• 4.5 本章小结64-65
• 第五章 基于IAFSA-RBF网络的变压器故障诊断结果分析65-81
• 5.1 改进人工鱼群算法(IAFSA)优化RBF神经网络65-66
• 5.1.1 IAFSA优化RBF神经网络的基本思路65
• 5.1.2 IAFSA优化RBF神经网络的具体步骤65-66
• 5.2 IAFSA-RBF神经网络的变压器故障诊断的模型建立66-67
• 5.3 电力变压器故障类型(定性)诊断的实例仿真实现与分析67-80
• 5.3.1 实验样本数据的预处理68-69
• 5.3.2 对所建的诊断模型网络实现训练和结果分析69-75
• 5.3.3 对训练好的故障诊断网络进行故障实例的诊断及分析75-80
• 5.4 本章小结80-81
• 第六章 论文总结与展望81-83
• 6.1 本文工作总结81-82
• 6.2 展望82-83
• 参考文献83-87
• 附录87-95
• 附录Ⅰ：变压器故障油色谱数据(μL/L)87-95
• 致谢95-96
• 攻读学位期间发表论文情况96-97
• 攻读学位期间参加的科研工作97

【相似文献】

中国期刊全文数据库 前10条

1 王凡,孟立凡;关于使用神经网络推定操作者疲劳的研究[J];人类工效学;2004年03期

2 常国任;李仁松;沈医文;刘钢;;基于神经网络的直升机舰面系统效能评估[J];舰船电子工程;2007年03期

3 陈俊;;神经网络的应用与展望[J];佛山科学技术学院学报(自然科学版);2009年05期

4 许万增;;神经网络的研究及其应用[J];国际技术经济研究学报;1990年01期

5 张军华;神经网络技术及其在军用系统中的应用[J];现代防御技术;1992年04期

6 雷明,李作清,陈志祥,吴雅,杨叔子;神经网络在预报控制中的应用[J];机床;1993年11期

7 靳蕃;神经网络及其在铁道科技中应用的探讨[J];铁道学报;1993年02期

8 宋玉华，，王启霞;神经网络诊断──神经网络在自动化领域里的应用[J];中国仪器仪表;1994年03期

9 魏铭炎;国内外神经网络技术的研究与应用概况[J];电机电器技术;1995年04期

10 王中贤，钱颂迪;神经网络法在经济管理中的应用[J];航天工业管理;1995年04期

中国重要会议论文全文数据库 前10条

1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年

2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集（上册）[C];2003年

3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年

9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

中国重要报纸全文数据库 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

中国博士学位论文全文数据库 前10条

1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年

9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年

10 陈辉;多维超精密定位系统建模与控制关键技术研究[D];东南大学;2015年

中国硕士学位论文全文数据库 前10条

1 陈少吉;基于神经网络血压预测研究与系统实现[D];华南理工大学;2015年

2 张韬;几类时滞神经网络稳定性分析[D];渤海大学;2015年

3 邵雪莹;几类时滞不确定神经网络的稳定性分析[D];渤海大学;2015年

4 胡婷;改进QGA-BP模型及其在弥苴河总氮量预测中的应用[D];昆明理工大学;2015年

5 刘俊辉;基于数据清洗方法的河道水位预测研究[D];昆明理工大学;2015年

6 刘波;短期风电功率预测方法研究[D];南京信息工程大学;2015年

7 蔡邦宇;人脸识别中单次ERP时空特征分析及其快速检索的应用[D];浙江大学;2015年

8 郑川;垃圾评论检测算法的研究[D];西南交通大学;2015年

9 李菊;BP神经网络在房地产批量评估中的应用研究[D];昆明理工大学;2015年

10 马亮;降水点分类预测方法研究[D];中国地质大学(北京);2015年

本文编号：1114344