基于鱼群算法优化BP神经网络的变压器故障诊断研究
发布时间：2021-01-26 19:18
随着社会经济的飞速发展,对电力的需求量越来越大,我国电力工业的规模不断壮大。实现电网的安全性、经济性和稳定性运行,给电力部门带来了更大的挑战。电力变压器在电网的输变电过程中发挥着举足轻重的作用,实现变压器的故障诊断,尤其是在不影响电网正常工作的情况下进行在线监测和诊断是保证安全可靠经济输变电的前提,因此具有重要的研究价值。鉴于在线监测技术和人工智能技术的发展以及溶解气体分析技术在变压器故障诊断领域的优势本文采用人工鱼群算法优化BP神经网络的故障诊断方法。本文首先对目前国内外电力变压器故障诊断的研究现状进行了总结,然后详细介绍了变压器几种典型的故障类型,接着分析了溶解气体分析法（DGA）以及基于该方法衍生出来的罗杰斯比值法、特征气体三比值法以及基于智能算法的变压器故障诊断方法。在算法的理论部分还重点介绍了BP神经网络和人工鱼群算法（AFSA）的原理。在实验部分是先通过油色谱分析采集70组数据,然后根据特征气体的类型和故障类型确定BP神经网络的结构,对前60组数据进行训练,对后10组数据进行测试,在测试过程中发现BP存在局部收敛的缺陷,但是通过调整隐含层神经元的个数经过反复试验可以解决该问...
【文章来源】：湖北工业大学湖北省
【文章页数】：54 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景和意义
1.2 国内外的研究现状
1.3 本文内容和主要章节安排
第2章 变压器的故障类型及诊断方法
2.1 电力变压器故障类型
2.2 溶解气体分析法（DGA）
2.3 本章小结
第3章 鱼群算法优化BP神经网络的原理
3.1 BP神经网络的原理
3.2 鱼群算法的原理
3.2.1 鱼群算法的概念及主要行为
3.2.2 鱼群行为的数学描述
3.2.3 鱼群算法的具体算例
3.3 鱼群算法优化BP神经网络的原理
3.4 本章小结
第4章 变压器故障诊断仿真实验分析
4.1 仿真模型的建立
4.2 几种算法的实验结果
4.2.1 基于BP神经网络的变压器故障诊断仿真结果
4.2.2 基于PSO-BP的变压器故障诊断仿真结果
4.2.3 基于GA-BP的变压器故障诊断仿真结果
4.2.4 基于AFSA-BP的变压器故障诊断仿真结果
4.3 本章小结
第5章 总结与展望
5.1 全文总结
5.2 展望
参考文献
致谢
附录
【参考文献】：
期刊论文
[1]基于油中气体分析的变压器故障诊断ReLU-DBN方法[J]. 代杰杰,宋辉,杨祎,陈玉峰,盛戈皞,江秀臣. 电网技术. 2018(02)
[2]基于组合核相关向量机和量子粒子群优化算法的变压器故障诊断方法[J]. 付华,任仁,闫智生,马云伍. 高压电器. 2017(10)
[3]基于特征评估与核主元分析的电力变压器故障诊断[J]. 吴广宁,袁海满,高波,李帅兵. 高电压技术. 2017(08)
[4]非等间隔GM（1,1）幂模型在变压器故障气体预测中的应用[J]. 李龙,张迪,汤俊,刘炬,黎灿兵,汪樟垚,何禹清. 电力系统保护与控制. 2017(15)
[5]基于卷积神经网络的变压器故障诊断方法[J]. 贾京龙,余涛,吴子杰,程小华. 电测与仪表. 2017(13)
[6]变压器故障诊断用油中溶解气体新特征参量[J]. 汪可,李金忠,张书琦,孙建涛,王健一,高飞,程涣超. 中国电机工程学报. 2016(23)
[7]基于优化神经网络和DGA的变压器故障诊断[J]. 苗长新,申坤,钟世华,柳狄. 高压电器. 2016(11)
[8]基于混沌优化粒子群BP神经网络的电力变压器故障诊断[J]. 公茂法,柳岩妮,王来河,宋保业,钟文强. 电测与仪表. 2016(15)
[9]采用遗传算法优化装袋分类回归树组合算法的变压器故障诊断[J]. 黄新波,李文君子,宋桐,王岩妹. 高电压技术. 2016(05)
[10]基于DGA的QPSO-BP模型变压器故障诊断方法研究[J]. 程加堂,段志梅,熊燕,艾莉. 高压电器. 2016(02)
博士论文
[1]一种新型的智能优化方法-人工鱼群算法[D]. 李晓磊.浙江大学 2003
硕士论文
[1]基于故障树的故障诊断专家系统软件平台设计[D]. 彭华亮.南京理工大学 2017
[2]电力变压器故障诊断策略分析与设计[D]. 王璟.山东大学 2016
[3]基于油中溶解气体分析的变压器状态监测系统研究[D]. 臧利川.华北电力大学 2016
[4]电力变压器油中特征气体统计分析与应用[D]. 张肖.华北电力大学 2015
本文编号：3001677
【文章来源】：湖北工业大学湖北省
【文章页数】：54 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景和意义
1.2 国内外的研究现状
1.3 本文内容和主要章节安排
第2章 变压器的故障类型及诊断方法
2.1 电力变压器故障类型
2.2 溶解气体分析法（DGA）
2.3 本章小结
第3章 鱼群算法优化BP神经网络的原理
3.1 BP神经网络的原理
3.2 鱼群算法的原理
3.2.1 鱼群算法的概念及主要行为
3.2.2 鱼群行为的数学描述
3.2.3 鱼群算法的具体算例
3.3 鱼群算法优化BP神经网络的原理
3.4 本章小结
第4章 变压器故障诊断仿真实验分析
4.1 仿真模型的建立
4.2 几种算法的实验结果
4.2.1 基于BP神经网络的变压器故障诊断仿真结果
4.2.2 基于PSO-BP的变压器故障诊断仿真结果
4.2.3 基于GA-BP的变压器故障诊断仿真结果
4.2.4 基于AFSA-BP的变压器故障诊断仿真结果
4.3 本章小结
第5章 总结与展望
5.1 全文总结
5.2 展望
参考文献
致谢
附录
【参考文献】：
期刊论文
[1]基于油中气体分析的变压器故障诊断ReLU-DBN方法[J]. 代杰杰,宋辉,杨祎,陈玉峰,盛戈皞,江秀臣. 电网技术. 2018(02)
[2]基于组合核相关向量机和量子粒子群优化算法的变压器故障诊断方法[J]. 付华,任仁,闫智生,马云伍. 高压电器. 2017(10)
[3]基于特征评估与核主元分析的电力变压器故障诊断[J]. 吴广宁,袁海满,高波,李帅兵. 高电压技术. 2017(08)
[4]非等间隔GM（1,1）幂模型在变压器故障气体预测中的应用[J]. 李龙,张迪,汤俊,刘炬,黎灿兵,汪樟垚,何禹清. 电力系统保护与控制. 2017(15)
[5]基于卷积神经网络的变压器故障诊断方法[J]. 贾京龙,余涛,吴子杰,程小华. 电测与仪表. 2017(13)
[6]变压器故障诊断用油中溶解气体新特征参量[J]. 汪可,李金忠,张书琦,孙建涛,王健一,高飞,程涣超. 中国电机工程学报. 2016(23)
[7]基于优化神经网络和DGA的变压器故障诊断[J]. 苗长新,申坤,钟世华,柳狄. 高压电器. 2016(11)
[8]基于混沌优化粒子群BP神经网络的电力变压器故障诊断[J]. 公茂法,柳岩妮,王来河,宋保业,钟文强. 电测与仪表. 2016(15)
[9]采用遗传算法优化装袋分类回归树组合算法的变压器故障诊断[J]. 黄新波,李文君子,宋桐,王岩妹. 高电压技术. 2016(05)
[10]基于DGA的QPSO-BP模型变压器故障诊断方法研究[J]. 程加堂,段志梅,熊燕,艾莉. 高压电器. 2016(02)
博士论文
[1]一种新型的智能优化方法-人工鱼群算法[D]. 李晓磊.浙江大学 2003
硕士论文
[1]基于故障树的故障诊断专家系统软件平台设计[D]. 彭华亮.南京理工大学 2017
[2]电力变压器故障诊断策略分析与设计[D]. 王璟.山东大学 2016
[3]基于油中溶解气体分析的变压器状态监测系统研究[D]. 臧利川.华北电力大学 2016
[4]电力变压器油中特征气体统计分析与应用[D]. 张肖.华北电力大学 2015
本文编号：3001677
本文链接：https://www.wllwen.com/kejilunwen/dianlilw/3001677.html
教材专著
