基于数据挖掘的配电变压器故障诊断

发布时间：2020-11-09 19:46

　　 电力变压器作为电网主要枢纽设备,在电力系统中具有举足重轻的地位,其运行状态直接影响电网的安全运行。及时、准确地判断变压器故障类型一直是学者们研究的热点,传统的三比值法是过去几十年来应用最为广泛的故障诊断方法,但因其编码存在边界、模糊等缺陷致使故障诊断的正确率不高。同时随着各种在线检测装置的应用,电力设备检测数据爆炸式增长,传统诊断方法更显得心余力绌;而数据挖掘技术在处理海量数据、挖掘隐藏信息方面具备得天独厚的优势,如今被广泛应用于金融、气象、道路交通等领域。因此本文结合数据挖掘与传统诊断方法,提出一种融合数据约简、改进引力搜索、模糊核聚类的变压器故障诊断方法。本文对传统的基于油中溶解气体的变压器故障诊断方法进行理论学习,归纳、总结出油浸式电力变压器的故障类型,分析了变压器油中溶解气体产生的原理及其与相应故障的联系;指出三比值法存在的缺陷,并以此作为下一步故障诊断的切入点。概述了数据挖掘的基本过程以及常用的几种智能算法,选择模糊核聚类为本文故障诊断模型的基础,详细研究了该算法的原理特征、数学模型及其实现步骤。选取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作为变压器故障诊断的原始特征量,初步构建变压器故障诊断的主体模型,仿真实验发现基础模糊核聚类的诊断正确率过度依赖初始聚类中心向量而陷入局部收敛。考虑到知识系统中不同条件属性对决策的贡献程度不同,冗余的条件属性可能使得决策者无法正确地辨别有用的信息,而且知识系统中数据维度越高故障诊断过程越复杂、繁琐。因此引入粗糙集和核主成分分析,以UCI标准数据集wine为例进行仿真实验,结果显示wine数据集经核主成分分析处理后原始线性不可分数据变得线性可分;经过粗糙集处理后,原始数据不仅降低了维度而且还保持了原有的类别信息,有助于数据挖掘。针对模糊核聚类的不足融入万有引力搜索,构建引力核聚类诊断模型;该模型以核函数参数和聚类中心作为搜索粒子,在初始的种群空间中寻找最优解;同时利用混沌初始化、动态逼近策略、纵向交叉策略优化万有引力搜索,增强算法搜索的多样性、改善初始群体的分布性以及算法的寻优效率。结合粗糙集和核主成分分析,本文分别搭建了基于粗糙集与万有引力核聚类和基于核主成分分析与万有引力核聚类的变压器故障诊断模型,仿真实验结果显示后者的诊断结果稍优于前者,且两者诊断正确率均优于模糊核聚类,这表明本文所提出的方法在变压故障诊断方面具有一定的应用性。
【学位单位】：广东工业大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TM407
【部分图文】：

广东工业大学硕士学位论文后再进行数据属性降维处理；而核主成分分析先应用核函数将原始数据映射至高维特征空间，然后进行内积运算并筛选出主要特征及相应的特征向量，最后再进行数据属性降维操作。4.4.1 主成分分析原理主成分分析算法通过构建一组新的属性变量来降低原始数据的维度，原始变量经过映射后消除了各自之间的相关性，从而使得特征空间的变量彼此正交，降低了样本数据的冗余度。本文将以二维对象为例阐述主成分分析法的原理，假设以下 m 个样本有且仅有 2 个特征属性，条件属性向量分别用 1和 2表示，此时可以利用二维空间的几何含义来解释主成分分析。
【相似文献】

相关期刊论文 前10条

1 韩麒麟;荆竹;;飞机故障诊断中飞参的数据支持作用研究[J];电子制作;2019年12期

2 王彦梅;李佳民;;农用汽车发动机状态监测系统与诊断方法研究[J];农机化研究;2018年02期

3 王渊明;徐策;侯继超;张禹生;;烟草机械中故障诊断技术的应用[J];南方农机;2018年04期

4 周雪军;;故障诊断技术在烟草机械中的应用和发展趋势[J];科技风;2018年22期

5 陈亚明;颜云;;故障诊断方法现状及发展方向研究[J];电工技术;2018年18期

6 单建虎;;石化转动设备状态监测与故障诊断平台及应用[J];石化技术;2017年10期

7 石志军;陈信在;高金宝;;舰船电子装备电路板的故障诊断策略研究[J];科技与企业;2016年01期

8 谢敏;楼鑫;罗芊;;航天器故障诊断技术综述及发展趋势[J];软件;2016年07期

9 付丽莉;;汽轮机故障诊断技术的发展分析和研究[J];科技创新与应用;2015年08期

10 谢春萍;梁家荣;;星型网络的几种故障诊断度研究[J];广西大学学报(自然科学版);2015年03期

相关博士学位论文 前10条

1 张玉彦;基于深度自编码器的机械故障诊断方法研究[D];华中科技大学;2019年

2 茆志伟;活塞式发动机典型故障诊断及非稳定工况监测评估方法研究[D];北京化工大学;2018年

3 刘颉;基于振动信号分析的旋转机械故障诊断方法研究[D];华中科技大学;2018年

4 杭芹;用于聚变电源的故障诊断算法研究[D];中国科学技术大学;2019年

5 黄杰;基于智能学习的电喷汽车故障诊断与监测评估系统的研究[D];中国农业大学;2018年

6 王奉涛;非平稳信号故障特征提取与智能诊断方法的研究及应用[D];大连理工大学;2003年

7 钱华明;故障诊断与容错技术及其在组合导航系统中的应用研究[D];哈尔滨工程大学;2004年

8 蒋丽英;基于FDA/DPLS方法的流程工业故障诊断研究[D];浙江大学;2005年

9 韩彦岭;面向复杂设备的远程智能诊断技术及其应用研究[D];上海大学;2005年

10 张君;小波分析技术在汽轮机故障诊断中的应用研究[D];华北电力大学（河北）;2005年

相关硕士学位论文 前10条

1 黄书翰;基于Fisher判别及ICS-RBF的TE过程故障识别及诊断[D];湘潭大学;2019年

2 刘湘婉;基于智能算法的机载蒸发循环制冷系统故障诊断[D];南京航空航天大学;2019年

3 李帅飞;基于数据驱动的轮毂驱动汽车失扭故障诊断方法研究[D];哈尔滨工业大学;2019年

4 宋凯歌;产品交互式电子手册的设计与实现[D];哈尔滨工业大学;2018年

5 于恩宁;激光捷联惯性测量组合故障诊断技术研究[D];哈尔滨工业大学;2018年

6 褚良宇;汽车发动机冷却系统故障诊断方法研究[D];重庆邮电大学;2019年

7 杨晶;基于数据的风电机组整机故障诊断研究[D];上海交通大学;2018年

8 龚杰;基于数据挖掘的配电变压器故障诊断[D];广东工业大学;2019年

9 王春峰;基于迁移学习的工业过程故障诊断方法研究与实现[D];大连理工大学;2019年

10 付莎莎;基于人工智能的空间环境下航天器故障诊断[D];西安电子科技大学;2019年

本文编号：2876887