大型电力变压器基于信息融合故障诊断技术的研究

  本文关键词：大型电力变压器基于信息融合故障诊断技术的研究，由笔耕文化传播整理发布。

《重庆大学》 2008年

大型电力变压器基于信息融合故障诊断技术的研究

钱国超  

【摘要】： 大型变压器是电力工业中最重要、最昂贵的关键设备之一,随着电力系统朝着超高压、大电网、大容量、自动化方向发展,其可靠运行关系到电力供应安全与否,对国民经济发展与人民生活影响重大。因此开展大型电力变压器的状态监测与故障诊断技术研究,及早发现电力变压器早期绝缘潜伏性故障,对于保证电力变压器及整个电力系统的安全、可靠、稳定运行及促进电力设备维修体制从定期维修向预知维修或视情况维修转变具有重要的理论实际意义。 本文以电力变压器故障为诊断对象,针对目前电力变压器故障诊断的特点及现状,将信息融合技术引入到变压器故障诊断领域中,根据信息融合故障诊断过程的一般框架,结合油中溶解气体数据和电气试验数据,提出一种基于小波神经网络与D-S证据理论相结合的变压器多故障信息分层决策融合诊断方法。 首先,对电力变压器的常见故障和结构进行了简单的分析,同时结合电力变压器的故障特征量,对电力变压器的常规故障诊断方法进行了简单的介绍;其次,针对电力变压器故障诊断的不确定性及证据体基本概率分配赋值的主观性,提出基于证据重要性和充分性的证据概率分配赋值分配新方法,使得融合后由不重要、不确定信息导致的BPA减少,冲突因子减少;另外从融合冲突信息的特点出发,将证据融合信度分配中的不可知部分分成权重分配导致的不可知和信息缺乏导致的不可知两部分组成,优化了证据推理算法,较客观的减少了诊断的不确定性,使融合诊断结论更能满足客观要求。 针对分层决策融合诊断模型中特征层采用BP网络融合将会导致网络不易收敛、陷入局部极小等缺点,给出一种基于实值与二进制编码相结合的自适应遗传算法优化的小波神经网络(AGAWNN)代替BP网络,该网络比BP网络在收敛速度、收敛精度等方面都具有较好的性能。 最后,通过2个算例验证了所提出的基于小波神经网络与D-S证据理论相结合的变压器多故障信息分层决策融合诊断方法的有效性和可靠性。

【关键词】：
【学位授予单位】：重庆大学
【学位级别】：硕士
【学位授予年份】：2008
【分类号】：TM407
【目录】：

下载全文 更多同类文献

CAJ全文下载

(如何获取全文？ 欢迎：购买知网充值卡、在线充值、在线咨询)

CAJViewer阅读器支持CAJ、PDF文件格式

【相似文献】

中国期刊全文数据库 前10条

1 曹永刚;周玲;丁晓群;马文静;;基于概率神经网络的电力变压器故障诊断[J];继电器;2006年03期

2 赵文清;朱永利;张小奇;王芳;;粗糙集理论在电力变压器故障诊断中的应用[J];仪器仪表学报;2006年S2期

3 陈伟根;潘翀;云玉新;王有元;孙才新;;基于小波网络及油中溶解气体分析的电力变压器故障诊断方法[J];中国电机工程学报;2008年07期

4 李霜;王朗珠;张为;张琢;;基于DGA的改进BP神经网络的变压器故障诊断方法[J];变压器;2010年12期

5 郭太圣;周玲;丁晓群;;基于负序损耗比率的变压器故障诊断[J];中国科技论文在线;2007年03期

6 马文静;;基于遗传算法小波神经网络的电力变压器故障诊断[J];自动化技术与应用;2008年12期

7 蔡斌;;基于灰关联分析的变压器故障诊断方法研究[J];机电信息;2010年18期

8 熊树;俞阿龙;;基于BP网络远程无线电力变压器故障诊断系统[J];电力系统保护与控制;2010年23期

9 潘翀;陈伟根;云玉新;杜林;孙才新;;基于遗传算法进化小波神经网络的电力变压器故障诊断[J];电力系统自动化;2007年13期

10 苑津莎;鲁伟;李忠;;基于人工免疫算法的变压器故障诊断方法[J];电子设计工程;2009年01期

中国重要会议论文全文数据库 前10条

1 张国荣;;基于SVM分类算法的电力变压器故障诊断[A];第六届全国信息获取与处理学术会议论文集（2）[C];2008年

2 倪远平;李彬华;李一民;周建华;;基于模糊神经网络的故障诊断方法及应用[A];中国仪器仪表学会第五届青年学术会议论文集[C];2003年

3 段志善;东亚斌;;灰色故障诊断方法及其发展的思考[A];振动利用技术的若干研究与进展——第二届全国“振动利用工程”学术会议论文集[C];2003年

4 卢达川;;液压系统现场故障诊断方法[A];第五届设备管理第八届设备润滑与液压学术会议论文集——《设备管理设备润滑与液压技术》[C];2004年

5 肖江;蒋爱平;;基于PCA的SVM故障诊断方法研究与应用[A];全国先进制造技术高层论坛暨制造业自动化、信息化技术研讨会论文集[C];2005年

6 肖江;蒋爱平;;基于PCA的SVM故障诊断方法研究与应用[A];第十届全国信息技术化工应用年会论文集[C];2005年

7 罗贺;付超;季星;;基于DS证据理论的智能故障诊断方法[A];中国仪器仪表学会第九届青年学术会议论文集[C];2007年

8 乔文生;陈兴辉;艾士娟;胡北;赵恒;;基于小波包和BP神经网络的滚动轴承故障诊断[A];第八届全国设备与维修工程学术会议、第十三届全国设备监测与诊断学术会议论文集[C];2008年

9 张艳菊;李钢;张仁斌;吴燎原;;一种基于模式匹配的故障诊断方法[A];第六届全国信息获取与处理学术会议论文集（3）[C];2008年

10 赵宏伟;张清华;夏路易;邵龙秋;;机械故障诊断综述[A];中国自动化学会中南六省（区）2010年第28届年会·论文集[C];2010年

中国重要报纸全文数据库 前10条

1 天保;[N];中国企业报;2009年

2 青华;[N];中国工业报;2003年

3 本报记者 崔宏薇;[N];机电商报;2010年

4 姜伟;[N];东北电力报;2009年

5 李晓霞;[N];兰州日报;2010年

6 薛万章;[N];西南电力报;2001年

7 记者 马文生;[N];中国国门时报;2010年

8 肖锋;[N];中国企业报;2010年

9 宁波 张春峰;[N];电子报;2004年

10 见习记者 徐光胜;[N];哈尔滨日报;2008年

中国博士学位论文全文数据库 前10条

1 郑蕊蕊;智能信息处理理论的电力变压器故障诊断方法[D];吉林大学;2010年

2 魏鲁原;基于多蚁群算法的电力变压器故障定位方法研究[D];中国矿业大学;2011年

3 郑含博;电力变压器状态评估及故障诊断方法研究[D];重庆大学;2012年

4 潘翀;电力变压器绝缘故障诊断技术及热状态参量预测模型研究[D];重庆大学;2009年

5 李建坡;基于油中溶解气体分析的电力变压器故障诊断技术的研究[D];吉林大学;2008年

6 程志光;电力变压器电磁场分析与验证[D];清华大学;1994年

7 金瑜;基于小波神经网络的模拟电路故障诊断方法研究[D];电子科技大学;2008年

8 李俭;大型电力变压器以油中溶解气体为特征量的内部故障诊断模型研究[D];重庆大学;2001年

9 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

10 刘云鹏;电力变压器局部放电的电气定位及诊断[D];华北电力大学（河北）;2005年

中国硕士学位论文全文数据库 前10条

1 郭太圣;基于电气特征量的变压器故障诊断新研究[D];河海大学;2007年

2 董海红;基于小生境遗传算法的电力变压器故障诊断方法研究[D];吉林大学;2008年

3 钱国超;大型电力变压器基于信息融合故障诊断技术的研究[D];重庆大学;2008年

4 邹思轶;电力变压器油色谱在线监测信息系统的研究[D];西南交通大学;2003年

5 张启清;电力变压器故障诊断专家系统的研究[D];重庆大学;2002年

6 蒋延军;基于ARM的电力变压器在线监测与故障诊断系统研究[D];昆明理工大学;2008年

7 王亮;电力变压器直流电阻快速测量的研究[D];华北电力大学;2002年

8 杨梦滢;电力变压器大电流引线引起的附加损耗问题研究[D];沈阳工业大学;2011年

9 尹海晶;基于红外测温技术的电力变压器过热故障在线监测系统的设计与开发[D];南京理工大学;2010年

10 高权;电力变压器故障分析与诊断[D];华北电力大学（河北）;2009年

  本文关键词：大型电力变压器基于信息融合故障诊断技术的研究，，由笔耕文化传播整理发布。