面向小样本数据的变电站设备热故障诊断方法的研究

发布时间：2017-08-01 16:20

  本文关键词：面向小样本数据的变电站设备热故障诊断方法的研究

  更多相关文章： 变电设备 热故障 支持向量机 故障诊断 故障预测 粒子群算法

【摘要】：随着电网的不断扩大,变电站的地位不断提升,变电站内设备的运行安全,成为了电网运行安全的重中之重。过热现象是变电设备出现故障时的征兆,而在变电设备故障数量中,过热故障的比例最大。因此,对变电设备热故障的诊断很有必要。同时在变电设备故障诊断过程中存在典型故障样本不足的问题,主要是由于站内设备检查周期长,采集的数据少,而设备故障又多为突发性事件,现场采集故障时的数据也十分困难,为变电设备故障诊断增加了难度。为此,本文特选取变电设备过热故障为研究对象,基于小样本数据,分析研究变电站设备故障诊断方法。本文首先深入分析了变电站设备热故障产生机理和发展规律,在此基础上引入FMEA技术,建立完善的变电站设备系统定义和热故障模式分析表,为变电站设备热故障诊断提供理论依据。其次,在理论研究的基础上,为了解决小样本分类问题,本文建立了基于支持向量机的热故障诊断模型,采用改进后的粒子群优化算法对诊断模型进行优化,并利用实际数据验证最优模型诊断的正确率和实用价值。再次,利用支持向量机回归算法和多变量时间序列混合模型对故障特征量的走势进行预测,便于发现设备出现早期热故障的可能性。最终,建立实现实时在线变电站设备热故障诊断系统。
【关键词】：变电设备 热故障 支持向量机 故障诊断 故障预测 粒子群算法
【学位授予单位】：华北电力大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TM63
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 绪论10-14
• 1.1 选题背景及意义10-11
• 1.2 变电站设备热故障诊断现状11-13
• 1.2.1 常规诊断方法在电气设备热故障诊断中的应用11-12
• 1.2.2 人工智能故障诊断方法12-13
• 1.3 本文主要工作13-14
• 第2章 变电站设备热故障模式分析14-26
• 2.1 FMEA技术14-15
• 2.1.1 FMEA技术简介14
• 2.1.2 FMEA分析项目14-15
• 2.2 变电站设备热故障模式分析的系统定义划分15-21
• 2.2.1 电力变压器系统定义17
• 2.2.2 断路器系统定义17-19
• 2.2.3 互感器系统定义19-20
• 2.2.4 输电线路系统定义20
• 2.2.5 隔离开关系统定义20-21
• 2.3 变电设备热故障模式分析表21-25
• 2.3.1 变电设备系统热故障模式表21-24
• 2.3.2 变电设备热故障模式分析结果24-25
• 2.4 本章小结25-26
• 第3章 面向小样本数据的变电设备热故障诊断方法26-49
• 3.1 支持向量机基本理论26-29
• 3.1.1 最优分类面26-29
• 3.1.2 广义最优分类面29
• 3.2 多分类支持向量机29-31
• 3.2.1 一次求解多分类29-30
• 3.2.2 组合实现多分类30-31
• 3.3 面向小样本数据的变电设备热故障诊断31-34
• 3.3.1 故障特征量的选择32-33
• 3.3.2 数据归一化处理33
• 3.3.3 构造训练集和测试集33
• 3.3.4 基于SVM的故障诊断模型的建立33-34
• 3.4 基于K-CV和GA优化SVM的变电设备热故障诊断方法34-42
• 3.4.1 交叉验证参数优化35
• 3.4.2 GA参数优化35-36
• 3.4.3 诊断实例分析36-42
• 3.5 基于改进后的粒子群优化算法的变电设备热故障诊断42-46
• 3.5.1 粒子群算法原理42-43
• 3.5.2 参数c和g选择流程43
• 3.5.3 改进粒子群优化算法43-44
• 3.5.4 仿真结果44-46
• 3.6 南方某核电站配备的110KV升压变压器热故障诊断实例46-48
• 3.7 本章小结48-49
• 第4章 变电站设备热故障预测49-59
• 4.1 支持向量机回归算法基本理论49-50
• 4.2 多变量时间序列理论50-51
• 4.3 基于多变量时间序列与SVR相融合的变电站热故障预测51-54
• 4.3.1 故障特征量选择51
• 4.3.2 数据预处理51-52
• 4.3.3 性能标准52-53
• 4.3.4 变电站设备热故障预测模型的建立53-54
• 4.4 基于时间序列与SVR相融合的变电站热故障预测实例分析54-57
• 4.5 本章小结57-59
• 第5章 变电站设备热故障诊断系统的实现59-65
• 5.1 热故障诊断系统的总体结构59-61
• 5.2 系统描述61-62
• 5.2.1 登录界面设计61
• 5.2.2 变电站设备热故障诊断与预测主界面61-62
• 5.3 系统界面与功能实现62-64
• 5.4 本章小结64-65
• 第6章 结论与展望65-67
• 6.1 结论及主要创新点65
• 6.2 不足与展望65-67
• 参考文献67-71
• 攻读硕士学位期间发表的论文及其它成果71-72
• 致谢72

【参考文献】

中国期刊全文数据库 前1条

1 曲凤成;张秀平;邱敏;曹福全;;基于多元重构预测和LS-SVR的变压器故障诊断[J];电测与仪表;2014年15期

中国硕士学位论文全文数据库 前4条

1 张艳;基于粒子群优化支持向量机的变压器故障诊断和预测[D];西华大学;2011年

2 梁利利;变电站红外图像的识别与故障诊断[D];西安科技大学;2010年

3 韩世军;基于支持向量机的立星110kV变压器故障诊断[D];宁夏大学;2013年

4 范世超;电容性设备故障诊断系统的研究[D];吉林大学;2014年

，

本文编号：605113