基于粗糙集與支持向量機的變壓器故障診斷研究.pdf

1、本文以變壓器油中溶解氣體為載體，通過分析變壓器故障產(chǎn)生機理，采用人工智能算法對變壓器故障進行診斷研究。根據(jù)變壓器內(nèi)部故障機理及故障類型，建立分層診斷模型，根據(jù)油中溶解氣體組分對診斷的重要度，采用基于遺傳算法的粗糙集約簡方法對數(shù)據(jù)樣本進行約簡，得到多個特征子集。提出一種約簡集選擇算法，對多個特征子集進行篩選，得到最優(yōu)特征子集，減少對每個特征子集進行訓練與測試的工作量。采用二叉樹原理建立多級分層的變壓器故障診斷模型，將復雜的變壓器故障診斷問

2、題分步細化，避免了區(qū)域不可分問題的存在。采用支持向量機對故障數(shù)據(jù)進行訓練建立故障診斷模型，通過調(diào)整慣性權(quán)重對粒子群優(yōu)化算法進行改進，不但加速了支持向量機的懲罰因子C和核參數(shù)σ的尋優(yōu)過程，同時提高了診斷精度。利用所提出的算法對某發(fā)電公司的兩起變壓器事故進行故障診斷，診斷結(jié)果與工程實際相符。
　　對變壓器進行在線監(jiān)測是電網(wǎng)智能化的必然趨勢，對變壓器進行狀態(tài)檢修，首先要對其進行狀態(tài)監(jiān)測，狀態(tài)監(jiān)測分為離線監(jiān)測與在線監(jiān)測。通過變壓器色譜智能