基于最小二乘支持向量机和D-S证据理论的电力变压器故障诊断研究

发布时间：2017-12-15 10:00

  本文关键词：基于最小二乘支持向量机和D-S证据理论的电力变压器故障诊断研究

  更多相关文章： 变压器 故障诊断 最小二乘支持向量机 贝叶斯框架 D-S证据理论

【摘要】：电力变压器是电力系统的重要组成部分,其运行好坏与电力系统的安全性与稳定性息息相关。由于变压器运行的环境一般比较特殊,在其运行过程中难免会发生故障。如今随着社会的进步,有关部门对电力系统供电的质量,电力系统的可靠性和安全性要求逐步提高,所以深入研究变压器新型故障诊断技术十分必要。在诸多基于油中溶解气体的变压器故障诊断方法中,传统的三比值法由于存在比值边界模糊的问题而逐步被智能诊断方法所取代。基于智能算法的故障诊断技术日渐流行,但是由于许多智能算法本身存在的不足,使故障诊断的效果不尽人意,所以,结合多种智能算法,弥补算法间彼此的不足构成诊断系统成为时下研究的新趋势。因此,论文提出了将最小二乘支持向量机和D-S证据理论相结合的变压器故障诊断方法。论文首先对基于油中溶解气体的变压器故障诊断展开探讨,分析了以往比值法的优势和劣势,以此为前提提出了基于人工智能方法进行故障诊断的必要性。然后经过比较诸多人工智能方法的优劣,论文提出了将最小二乘支持向量机和D-S证据理论结合的变压器故障诊断方法,用最小二乘支持向量机多分类模型输出的后验概率作为D-S证据理论的基本概率分配,然后用D-S合成规则和决策规则完成故障诊断。在建立最小二乘支持向量机分类器模型的过程中,论文深入研究了最小二乘支持向量机多分类方法、最小二乘支持向量机核函数选择以及最小二乘支持向量机后验概率输出等问题。为了获得最优的最小二乘支持向量机参数,论文建立了贝叶斯框架下的最小二乘支持向量机,用最大化参数分布的后验概率实现参数优化。论文最终的故障识别由D-S证据理论完成,用最小二乘支持向量机输出的后验概率求取D-S证据理论的基本概率分配函数值,实现了基本概率分配赋值的客观化;最后课题用搜集到的变压器油中溶解气体数据在搭建好的故障诊断模型中完成了诊断,得到了合理的结果,并把应用最小二乘支持向量机并融合D-S证据理论完成的诊断结果与三比值法和单一的最小二乘支持向量机法的诊断结果进行了比较,证明该方法具有一定优越性。论文的研究成果表明,将最小二乘支持向量机和D-S证据理论结合的智能方法应用到电力变压器故障诊断中具有可行性,并具有较高的故障诊断率,也为今后其他类似系统的故障诊断提供了一种可供参考的方法。
【学位授予单位】：兰州交通大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TM407;TP18

【相似文献】

中国期刊全文数据库 前10条

1 刘振兴;李明图;;基于加权D-S证据理论的辐射源目标识别[J];现代防御技术;2011年03期

2 杨春燕;吴超;李宏伟;;基于矢功率谱和D-S证据理论分层融合的旋转机械故障诊断方法[J];郑州轻工业学院学报(自然科学版);2012年04期

3 黄瑛,陶云刚,周洁敏,苏登军;D-S证据理论在多传感器数据融合中的应用[J];南京航空航天大学学报;1999年02期

4 黄瑛;陶云刚;周洁敏;;D-S证据理论在多传感器数据融合中的应用[J];江苏航空;1999年Z1期

5 苑嘉航;李存斌;;基于灰关联和D-S证据理论电网企业信息安全风险评估[J];陕西电力;2014年02期

6 胡建华;张行成;周科平;杜相会;雷涛;;基于D-S证据理论的空区稳定性识别与工程应用[J];重庆大学学报;2013年09期

7 陈玉坤;司锡才;郜丽鹏;;组合D-S证据理论在多传感器信息融合中的应用[J];弹箭与制导学报;2006年S1期

8 王付明;郭昕阳;黄金;裴泽霖;;基于D-S证据理论的多传感器雷达辐射源识别模型[J];现代防御技术;2010年01期

9 张敬;李颖晖;朱喜华;林漳彬;;基于改进的D-S证据理论的旋转整流器故障诊断研究[J];大电机技术;2012年01期

10 陈霖;李建华;翁璐;;基于D-S证据理论和模糊综合评判的导弹备件品种确定[J];海军航空工程学院学报;2013年06期

中国重要会议论文全文数据库 前10条

1 胡玉兰;范晓静;;基于D-S证据理论改进方法的目标识别[A];第二十七届中国控制会议论文集[C];2008年

2 佘二永;;一种基于D-S证据理论的高光谱图像分类方法[A];2009年通信理论与信号处理学术年会论文集[C];2009年

3 杨帆;浦昭邦;刘国栋;;基于D-S证据理论的多指纹数据融合[A];首届信息获取与处理学术会议论文集[C];2003年

4 肖云;彭进业;王选宏;赵健;;基于D-S证据理论的漏洞动态严重性分析[A];第二十九届中国控制会议论文集[C];2010年

5 边宝峰;马平;;基于模糊神经网络和D-S证据理论的信息融合方法的研究[A];第二十三届中国控制会议论文集（下册）[C];2004年

6 王勇平;杨晓段;李元左;;基于D-S证据理论的装备质量管理风险评估模型[A];第九届中国软科学学术年会论文集（上册）[C];2013年

7 杨帆;浦照邦;刘国栋;;基于D-S证据理论的多指纹数据融合[A];全面建设小康社会：中国科技工作者的历史责任——中国科协2003年学术年会论文集（上）[C];2003年

8 张佑春;王平;张公永;;基于D-S证据理论和神经网络的信息融合方法及应用[A];第二十七届中国控制会议论文集[C];2008年

9 周浔;王晓丽;;粗BP神经网络和D-S证据理论在目标识别中的应用[A];第十九届测控、计量、仪器仪表学术年会(MCMI'2009)论文集[C];2009年

10 杜瀊;李秋华;;基于D-S证据理论的红外双波段图像目标融合分割[A];2009年先进光学技术及其应用研讨会论文集（上册）[C];2009年

中国博士学位论文全文数据库 前1条

1 李菁;基于D-S证据理论的残疾人体育器材研发中评价模型的构建[D];上海体育学院;2012年

中国硕士学位论文全文数据库 前10条

1 蔡斌斌;基于D-S证据理论的多准则特征集优选方法[D];西南交通大学;2015年

2 高丽娟;基于改进的D-S证据理论的航空电源故障诊断[D];安徽工程大学;2015年

3 程子成;D-S证据理论中信任函数概率逼近方法研究[D];江西师范大学;2015年

4 温迪;基于D-S证据理论的航空发动机气路故障信息融合与FMECA分析[D];电子科技大学;2014年

5 秦鹏;基于最小二乘支持向量机和D-S证据理论的电力变压器故障诊断研究[D];兰州交通大学;2015年

6 周军;基于D-S证据理论的多模型网络安全态势预测研究[D];西安电子科技大学;2010年

7 陈淑娟;基于D-S证据理论的多传感器数据融合危险预警系统[D];北京化工大学;2010年

8 曹兆泉;基于D-S证据理论的信息系统安全等级测评结果判决方法研究[D];北京邮电大学;2010年

9 徐培玲;开放识别框架D-S证据理论合成规则研究[D];中北大学;2008年

10 翟建强;基于D-S证据理论的网络入侵预警模型[D];河北大学;2004年

，

本文编号：1291517