基于聚類和模糊支持向量機的變壓器故障診斷研究.pdf

1、變壓器是電力系統(tǒng)中比較貴重的樞紐設備，其故障不僅影響到供電的可靠性，而且對電力系統(tǒng)的運行安全構(gòu)成嚴重威脅，如何發(fā)現(xiàn)并判別變壓器故障一直是電業(yè)部門的重要課題。油種溶解氣體分析（DGA）是目前發(fā)現(xiàn)和判別變壓器故障的有效手段，它的實質(zhì)是尋找一種能客觀、準確地描述油中溶解氣體的特征信息到變壓器故障類型之間關(guān)系的映射。本文基于支持向量機以及模糊支持向量機等基本算法，提出了分層聚類模糊支持向量機增量算法變壓器故障診斷方法，并用實例分析證明其有效性。

2、 主要工作如下： （1）以變壓器油中溶解氣體和變壓器故障之間的關(guān)系為基礎(chǔ)，提出了一個基于多分類支持向量機的變壓器故障診斷模型及其求解步驟。 此方法基于模式識別特征提取的思想，以分層結(jié)構(gòu)提取與分類模式密切相關(guān)的輸入特征，有效地抑制了冗余信息的干擾，通過診斷效果比較，選取最佳的特征提取模式。 （2）采用參數(shù)自適應優(yōu)化算法增強了SVM參數(shù)選擇的靈活性，加快了算法的收斂速度。 （3）在支持向量機診斷模型的