基于MGWO-SVM与PCA特征重构的变压器故障诊断方法研究
发布时间：2022-08-07 16:51
电力变压器是电力系统中的重要设备之一,其运行状态直接关系到整个电网的安全稳定。随着电力行业的发展,电力系统装机容量日益増长,变压器无疑面临着日趋严重的材质劣化和绝缘老化问题,甚至引发重大停电事故,并造成严重的经济损失。因此,对电力变压器进行深入有效的故障诊断研究,指导变压器的维护检修,具有重要的理论和实际意义。基于油中溶解气体数据（DGA数据）的电力变压器故障诊断方法能准确及时的发现变压器潜伏性故障,提高变压器的运行维护水平,在此基础上,本课题尝试将智能算法、数据处理方法与擅长解决非线性小样本分类问题的支持向量机（SVM）相结合,研究一种电力变压器故障诊断的新方法。本文的主要研究内容如下:（1）将SVM应用于电力变压器故障诊断中,利用灰狼优化算法（GWO）优化其参数,并针对GWO算法迭代后期收敛速度慢、易陷入局部最优的缺点,对α、β、δ狼的更新机制进行了改进,向其引入了差分进化机制,提出了一种改良的灰狼优化算法（MGWO）。测试函数的寻优实验结果表明,MGWO算法具备丰富的种群多样性与优秀的全局搜索能力,可以作为SVM参数优化的有效工具。（2）确立了电力变压器状态的评价指标与参诊类型,...
【文章页数】：86 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 选题背景及研究意义
1.2 国内外研究现状
1.2.1 变压器状态类型的划分
1.2.2 电力变压器故障诊断的发展
1.3 本文的研究内容
2 支持向量机
2.1 统计学习理论
2.1.1 VC维(Vapnik-Chervonenkis Dimension)
2.1.2 经验风险最小化原则(empirical risk minimization,ERM)
2.1.3 结构风险最小化原则(structural risk minimization,SRM)
2.2 支持向量机理论
2.3 Lib-SVM工具箱介绍
2.4 模型验证法
2.5 支持向量机参数的优化
2.5.1 网格搜索算法优化SVM参数
2.5.2 遗传算法优化SVM参数
2.5.3 粒子群算法优化SVM参数
2.6 本章小结
3 改进的灰狼优化算法
3.1 灰狼优化算法
3.1.1 GWO算法概述
3.1.2 GWO算法流程
3.2 差分进化算法
3.2.1 DE算法概述
3.2.2 DE算法流程
3.3 改进的灰狼优化算法
3.3.1 改进方式
3.3.2 MGWO算法流程
3.4 算法性能测试
3.4.1 典型函数
3.5 测试结果分析
3.6 本章小结
4 DGA数据的收集与处理
4.1 变压器状态的评价指标与参诊类型
4.2 数据的收集与处理
4.2.1 数据来源
4.2.2 数据预处理
4.2.3 数据整理
4.3 基于主成分分析的DGA数据的特征重构
4.3.1 PCA理论
4.3.2 PCA特征重构
4.3.3 PCA特征重构的DGA数据
4.4 本章小结
5 基于MGWO-SVM的变压器故障诊断
5.1 MGWO算法优化SVM模型的实现流程
5.2 变压器故障诊断模型的结果分析
5.2.1 各算法的参数设置
5.2.2 GA-SVM模型的故障诊断
5.2.3 PSO-SVM模型的故障诊断
5.2.4 GWO-SVM模型的故障诊断
5.2.5 MGWO-SVM模型的故障诊断
5.2.6 实验结果对比及分析
5.3 本章小结
6 总结与展望
6.1 总结
6.2 展望
参考文献
攻读硕士学位期间发表论文及科研成果
致谢
【参考文献】：
期刊论文
[1]基于模糊c均值算法和改进归一化的变压器故障诊断方法[J]. 崔青,方欣,张志磊,王涛,张天伟. 电气技术. 2019(11)
[2]基于改进量子粒子群优化支持向量机的变压器故障诊断方法[J]. 党东升,张树永,葛鹏江,田星. 电力科学与技术学报. 2019(03)
[3]基于WPA优化神经网络的扼流适配变压器故障诊断研究[J]. 郑云水,李程. 铁道科学与工程学报. 2019(04)
[4]基于改进蝙蝠算法优化支持向量机的变压器故障诊断研究[J]. 田晓飞. 黑龙江电力. 2019(01)
[5]基于卷积神经网络的变压器故障诊断[J]. 李辉,张志攀,张中卫. 河南理工大学学报(自然科学版). 2018(06)
[6]基于支持向量机和遗传算法的变压器故障诊断[J]. 吐松江·卡日,高文胜,张紫薇,莫文雄,王红斌,崔屹平. 清华大学学报(自然科学版). 2018(07)
[7]基于改进模糊聚类算法的变压器油色谱分析[J]. 李恩文,王力农,宋斌,方雅琪. 电工技术学报. 2018(19)
[8]协调探索和开发能力的改进灰狼优化算法[J]. 龙文,伍铁斌. 控制与决策. 2017(10)
[9]一种基于差分进化和灰狼算法的混合优化算法[J]. 金星,邵珠超,王盛慧. 科学技术与工程. 2017(16)
[10]基于多维度信息融合的实用型变压器故障诊断专家系统[J]. 徐阳,谢天喜,周志成,陆云才,李建生,曹健,蒋超. 中国电力. 2017(01)
博士论文
[1]基于相关向量机的油浸式电力变压器故障诊断方法研究[D]. 尹金良.华北电力大学 2013
[2]变压器绝缘故障诊断黑板型专家系统和基于遗传算法的故障预测研究[D]. 廖瑞金.重庆大学 2003
硕士论文
[1]变压器故障诊断与定位研究[D]. 施竹君.南京理工大学 2017
[2]基于人工免疫算法优化支持向量机的电力变压器故障诊断研究[D]. 高文军.太原理工大学 2012
[3]基于模糊聚类分析与最小二乘支持向量机的短期负荷预测[D]. 宁卜.西安理工大学 2009
本文编号：3670688
【文章页数】：86 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 选题背景及研究意义
1.2 国内外研究现状
1.2.1 变压器状态类型的划分
1.2.2 电力变压器故障诊断的发展
1.3 本文的研究内容
2 支持向量机
2.1 统计学习理论
2.1.1 VC维(Vapnik-Chervonenkis Dimension)
2.1.2 经验风险最小化原则(empirical risk minimization,ERM)
2.1.3 结构风险最小化原则(structural risk minimization,SRM)
2.2 支持向量机理论
2.3 Lib-SVM工具箱介绍
2.4 模型验证法
2.5 支持向量机参数的优化
2.5.1 网格搜索算法优化SVM参数
2.5.2 遗传算法优化SVM参数
2.5.3 粒子群算法优化SVM参数
2.6 本章小结
3 改进的灰狼优化算法
3.1 灰狼优化算法
3.1.1 GWO算法概述
3.1.2 GWO算法流程
3.2 差分进化算法
3.2.1 DE算法概述
3.2.2 DE算法流程
3.3 改进的灰狼优化算法
3.3.1 改进方式
3.3.2 MGWO算法流程
3.4 算法性能测试
3.4.1 典型函数
3.5 测试结果分析
3.6 本章小结
4 DGA数据的收集与处理
4.1 变压器状态的评价指标与参诊类型
4.2 数据的收集与处理
4.2.1 数据来源
4.2.2 数据预处理
4.2.3 数据整理
4.3 基于主成分分析的DGA数据的特征重构
4.3.1 PCA理论
4.3.2 PCA特征重构
4.3.3 PCA特征重构的DGA数据
4.4 本章小结
5 基于MGWO-SVM的变压器故障诊断
5.1 MGWO算法优化SVM模型的实现流程
5.2 变压器故障诊断模型的结果分析
5.2.1 各算法的参数设置
5.2.2 GA-SVM模型的故障诊断
5.2.3 PSO-SVM模型的故障诊断
5.2.4 GWO-SVM模型的故障诊断
5.2.5 MGWO-SVM模型的故障诊断
5.2.6 实验结果对比及分析
5.3 本章小结
6 总结与展望
6.1 总结
6.2 展望
参考文献
攻读硕士学位期间发表论文及科研成果
致谢
【参考文献】：
期刊论文
[1]基于模糊c均值算法和改进归一化的变压器故障诊断方法[J]. 崔青,方欣,张志磊,王涛,张天伟. 电气技术. 2019(11)
[2]基于改进量子粒子群优化支持向量机的变压器故障诊断方法[J]. 党东升,张树永,葛鹏江,田星. 电力科学与技术学报. 2019(03)
[3]基于WPA优化神经网络的扼流适配变压器故障诊断研究[J]. 郑云水,李程. 铁道科学与工程学报. 2019(04)
[4]基于改进蝙蝠算法优化支持向量机的变压器故障诊断研究[J]. 田晓飞. 黑龙江电力. 2019(01)
[5]基于卷积神经网络的变压器故障诊断[J]. 李辉,张志攀,张中卫. 河南理工大学学报(自然科学版). 2018(06)
[6]基于支持向量机和遗传算法的变压器故障诊断[J]. 吐松江·卡日,高文胜,张紫薇,莫文雄,王红斌,崔屹平. 清华大学学报(自然科学版). 2018(07)
[7]基于改进模糊聚类算法的变压器油色谱分析[J]. 李恩文,王力农,宋斌,方雅琪. 电工技术学报. 2018(19)
[8]协调探索和开发能力的改进灰狼优化算法[J]. 龙文,伍铁斌. 控制与决策. 2017(10)
[9]一种基于差分进化和灰狼算法的混合优化算法[J]. 金星,邵珠超,王盛慧. 科学技术与工程. 2017(16)
[10]基于多维度信息融合的实用型变压器故障诊断专家系统[J]. 徐阳,谢天喜,周志成,陆云才,李建生,曹健,蒋超. 中国电力. 2017(01)
博士论文
[1]基于相关向量机的油浸式电力变压器故障诊断方法研究[D]. 尹金良.华北电力大学 2013
[2]变压器绝缘故障诊断黑板型专家系统和基于遗传算法的故障预测研究[D]. 廖瑞金.重庆大学 2003
硕士论文
[1]变压器故障诊断与定位研究[D]. 施竹君.南京理工大学 2017
[2]基于人工免疫算法优化支持向量机的电力变压器故障诊断研究[D]. 高文军.太原理工大学 2012
[3]基于模糊聚类分析与最小二乘支持向量机的短期负荷预测[D]. 宁卜.西安理工大学 2009
本文编号：3670688
本文链接：https://www.wllwen.com/kejilunwen/dianlidianqilunwen/3670688.html
