Spark框架下基于变量预测模型的变压器故障的并行化诊断

发布时间：2021-04-08 22:09

　　电力设备的在线监测数据呈现出大数据的特性,而变压器故障诊断存在小样本分类效果差等问题。大数据存储和处理技术可有效解决传统单机工具无法有效处理的情况。该课题构建了包含Spark、Hadoop等在内的云计算平台,选取大量DGA数据（大量未标记数据,少量有标记数据）进行实验分析、研究,实现了故障诊断及方法的优化。基于Spark计算框架实现了变量预测模型并行化处理。首先,采用HDFS作为内存式存储系统,面向行存储的RowMatrix作为分布式矩阵存储结构,利用广播变量、调整分区数进行并行度优化。其次,训练四种数学模型获取故障类型的最佳模型及相关参数完成故障诊断。采用标准数据集验证该算法对高维特征向量有较好的适应性。以油色谱数据作为应用实例,在识别精度方面与支持向量机算法进行对比。基于并行变量预测模型,结合堆栈降噪自编码网络,实现SDAE-VPMCD混合模型的故障诊断及预测。首先,归一化处理变压器油色谱数据;其次,对堆栈降噪自编码网络进行逐层训练学习,获取数据的高层特征表示并确定网络结构参数;然后,训练变量预测模型中四种数学模型,获取故障类型的最佳模型及相关参数;最后,采用少量有标签数据微调混合... 

【文章来源】：华北电力大学河北省 211工程院校 教育部直属院校

【文章页数】：44 页

【学位级别】：硕士

【部分图文】：

单机和集群环境下，训练时间与特征向量维数和样本数的关系

【参考文献】：
期刊论文
[1]基于SDA与SVR混合模型的迁移学习预测算法[J]. 任俊,胡晓峰,李宁.  计算机科学. 2018(01)
[2]基于鲁棒能量模型LS-TSVM和DGA的变压器故障诊断[J]. 陈欢,彭辉,舒乃秋,李自品,龙嘉文.  电力系统保护与控制. 2017(21)
[3]一种基于改进堆栈自动编码器的航空发电机旋转整流器故障特征提取方法[J]. 崔江,唐军祥,龚春英,张卓然.  中国电机工程学报. 2017(19)
[4]基于栈式降噪自编码器的输变电设备状态数据清洗方法[J]. 代杰杰,宋辉,杨祎,陈玉峰,盛戈皞,江秀臣.  电力系统自动化. 2017(12)
[5]基于IAFSA-BPNN的短期风电功率预测[J]. 张颖超,王雅晨,邓华,熊雄,陈浩.  电力系统保护与控制. 2017(07)
[6]基于大数据的铁路信号系统数据存储与分析系统设计与实现[J]. 王伟,廖正宇,张辉,郭栋.  信息网络安全. 2017(01)
[7]电力发展十三五规划:聚焦五细分领域[J].   电器与能效管理技术. 2016(24)
[8]基于Spark的大电网广域时空序列分析平台构建[J]. 袁宝超,刘道伟,刘丽平,王泽忠.  电力建设. 2016(11)
[9]基于深度信念网络的电力变压器故障分类建模[J]. 石鑫,朱永利,萨初日拉,王刘旺,孙岗.  电力系统保护与控制. 2016(01)
[10]基于特征子集的变压器局部放电小样本类型识别[J]. 王刘旺,朱永利,李莉,陈国强.  电测与仪表. 2015(24)

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

硕士论文
[1]面向组件的通信中间件技术研究[D]. 王慕所.浙江大学 2017
[2]基于Spark并行计算框架的高铁走行部振动数据处理方法研究[D]. 李明.西南交通大学 2016
[3]基于hadoop的海量图片存储模型的分析和设计[D]. 李林.杭州电子科技大学 2011
[4]异构环境中并行计算模型与任务调度的研究[D]. 田甜.曲阜师范大学 2010
[5]基于MapReduce模型的分布式计算平台的原理与设计[D]. 张文峰.华中科技大学 2010



本文编号：3126365