基于PSO-SVM和GA-BP的電力變壓器故障診斷.pdf

1、電力變壓器是至關(guān)重要的電力裝備，對(duì)電力變壓器的潛伏性故障進(jìn)行預(yù)測判斷，能夠提升電力體系的安全性和可靠性，對(duì)整個(gè)社會(huì)都有積極的意義。目前，油中溶解氣體分析法是預(yù)判電力變壓器故障主要采用的手段。本文分析了變壓器油中氣體產(chǎn)生機(jī)理，深入研究了神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)理論，并提出了基于PSO-SVM分類器和GA-BP分類器這兩級(jí)分類器級(jí)聯(lián)的電力變壓器故障診斷方法。論文主要研究內(nèi)容如下：
　　1）探討了變壓器油中溶解氣體的成分與故障之間的關(guān)系，并

2、找出油中溶解氣體生產(chǎn)的機(jī)制。
　　2）深入研究了支持向量機(jī)的原理，知道懲罰系數(shù)C、核函數(shù)系數(shù)G對(duì)其分類影響正確率有很大影響，針對(duì)參數(shù)選擇困難這一的問題，利用粒子群來對(duì)支持向量機(jī)中的懲罰系數(shù)C、核函數(shù)系數(shù)G進(jìn)行尋優(yōu)，有利于快速找到最佳參數(shù)，并建立了PSO-SVM分類器，用matlab進(jìn)行了仿真分析。
　　3）深入研究了人工神經(jīng)網(wǎng)絡(luò)的原理，并結(jié)合神經(jīng)網(wǎng)絡(luò)在訓(xùn)練過程中存在收斂速度慢、難以得到全局最優(yōu)等弊端，利用遺傳算法對(duì)其網(wǎng)絡(luò)進(jìn)行

3、權(quán)值閾值尋優(yōu)，使網(wǎng)絡(luò)的權(quán)值核閾值，可以收斂在全局最優(yōu)解附近，然后利用LM算法對(duì)網(wǎng)絡(luò)繼續(xù)尋優(yōu)即可獲得最佳權(quán)閾值，并建立遺傳神經(jīng)網(wǎng)絡(luò)分類器，用matlab進(jìn)行了仿真分析。
　　4）結(jié)合支持向量機(jī)和人工神經(jīng)網(wǎng)絡(luò)各自的優(yōu)點(diǎn)，提出了基于PSO-SVM分類器和GA-BP分類器這兩級(jí)分類器級(jí)聯(lián)的電力變壓器故障診斷方法，將二者結(jié)合起來，實(shí)現(xiàn)故障診斷。首先將數(shù)據(jù)通過PSO-SVM分類器判斷變壓器是否故障，然后再進(jìn)一步通過GA-BP分類器來判斷電力變