基于机器学习与自然语言处理的变压器故障诊断与状态评价研究

发布时间：2020-12-14 01:36

　　油浸式变压器是输变电系统当中的关键设备,其运行状态直接影响了电网系统的安全性与经济性。在我国电网中尚在运行的油浸式变压器中,有一大部分已有较长的运行年限,存在着一定的绝缘劣化风险。因此,对变压器进行准确的状态评价与故障诊断,对保障电网可靠运行具有重大意义。传统的变压器故障诊断与状态评价方法,依赖于运维人员经验与专家规则,未能有效利用多源异构电力设备数据,在客观性与准确性方面存在不足。本文旨在基于机器学习与自然语言处理相关方法,对变压器在线监测数据与变压器缺陷文本数据进行深入挖掘,实现数据处理、特征提取、模型构建等关键步骤的效果优化,从而提升变压器故障诊断与状态评价准确性。首先,针对统电力变压器故障诊断方法存在易受数据噪声影响、诊断精度较低和模型参数难以确定等问题,提出基于数据预处理和梯度提升树的变压器故障诊断方法。从油中溶解气体数据中提取能更好反映设备运行工况的组合特征,采用多种数据预处理方法识别并替换噪声数据,构建基于梯度提升树的故障诊断模型进行故障诊断训练,并通过贝叶斯优化方法实现模型参数寻优,提升了变压器故障诊断精度。其次,为提升变压器状态评价全面性,将变压器缺陷现象描述文本作为... 

【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校

【文章页数】：76 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
ABSTRACT
第1章 绪论
    1.1 课题背景及意义
    1.2 国内外研究现状及进展
        1.2.1 变压器状态评价与故障诊断概述
        1.2.2 数据处理与机器学习在变压器故障诊断中的应用概述
        1.2.3 自然语言处理在设备状态评价中的应用概述
    1.3 本文主要解决的问题与章节安排
第2章 基于梯度提升树的变压器故障诊断
    2.1 引言
    2.2 基于梯度提升树的变压器故障诊断流程
    2.3 油中溶解气体数据预处理方法
        2.3.1 离线训练数据预处理方法
        2.3.2 在线监测数据预处理方法
        2.3.3 基于比值编码的特征组合
        2.3.4 故障类型确定与标签划分
    2.4 梯度提升树诊断模型构建
        2.4.1 集成学习概述
        2.4.2 梯度提升法
        2.4.3 梯度提升树构建原理
    2.5 基于超参数搜索的模型性能优化
        2.5.1 网格搜索与随机搜索
        2.5.2 基于贝叶斯优化算法的超参数优化
    2.6 算例分析
        2.6.1 数据划分说明
        2.6.2 评价指标说明
        2.6.3 数据预处理效果检验
        2.6.4 多模型对比试验
        2.6.5 参数优化效果分析
    2.7 本章小结
第3章 基于自然语言处理的变压器状态评价
    3.1 引言
    3.2 基于深度学习文本分类的缺陷定级
        3.2.1 电力设备缺陷记录文本数据分析
        3.2.2 电力设备缺陷记录文本特点分析
        3.2.3 缺陷定级分类流程
        3.2.4 词表扩充及停用词表构建
        3.2.5 文本特征表示
        3.2.6 深度文本分类模型构建
    3.3 基于信息抽取与现象匹配的辅助缺陷诊断
        3.3.1 基于实体属性结构的关键信息抽取
        3.3.2 基于文本匹配的相似缺陷查询
        3.3.3 异构数据融合故障诊断与状态评价流程设计
    3.4 算例分析
        3.4.1 数据划分与评价指标说明
        3.4.2 数据预处理及特征融合效果校验
        3.4.3 多模型对比试验
        3.4.4 注意力机制结果可视化
        3.4.5 文本匹配结果
    3.5 本章小结
第4章 变压器故障诊断与状态评价系统开发
    4.1 引言
    4.2 系统主要功能介绍
        4.2.1 实时数据预处理与在线监测
        4.2.2 关键信息提取与自动填报
        4.2.3 融合状态评价与故障诊断
    4.3 系统开发与搭建
        4.3.1 系统软件架构
        4.3.2 系统开发工具
    4.4 系统界面与功能实现
        4.4.1 在线监测数据动态显示页面
        4.4.2 缺陷信息在线填报页面
        4.4.3 诊断详情页面
        4.4.4 相似案例展示页面
        4.4.5 历史事件管理页面
    4.5 本章小结
第5章 结论与展望
    5.1 工作总结
    5.2 工作展望
参考文献
攻读硕士学位期间发表或录用的论文及科研成果



本文编号：2915559