基于Internet的電力設(shè)備虛擬醫(yī)院的電力變壓器數(shù)據(jù)挖掘故障診斷研究.pdf

1、在電力系統(tǒng)的運行中，電力設(shè)備的診斷與維護起著非常關(guān)鍵的作用。目前，電力設(shè)備的診斷和維護信息還不能方便、快捷的獲取、交換以及共享。當今信息技術(shù)以其強大、方便、快捷信息共享能力，以及在醫(yī)學，人文等方面的數(shù)字圖書館的出現(xiàn)為電力設(shè)備的診斷與維護開啟了新的一扇門，文中利用網(wǎng)絡(luò)、信息、智能控制等技術(shù)構(gòu)建基于Internet的電力設(shè)備虛擬醫(yī)院(VPEH)及其電力設(shè)備故障診斷平臺，為電力設(shè)備的診斷與維護提供一個方便的信息與經(jīng)驗共享、討論以及全球合作平臺

2、。通過該平臺用戶可以方便快捷的獲取、交換和共享診斷和維護信息，并根據(jù)自身的經(jīng)驗和現(xiàn)場條件做出診斷和給出維護方案。 在電力設(shè)備虛擬醫(yī)院中，對于電力變壓器數(shù)據(jù)挖掘故障診斷研究，本文基于電力變壓器油中溶解氣體分析(DGA)，開展了以下電力變壓器絕緣故障診斷新方法研究。其作為VPEH新的診斷知識模型的擴充，能夠為VPEH更好的提供診斷服務，提高VPEH的服務質(zhì)量。這些方法也適用于其它一些電力設(shè)備。 研究了基于粗糙集方法的電力變壓

3、器絕緣故障診斷規(guī)則挖掘。文中采用兩種數(shù)據(jù)處理方法將電力變壓器DGA數(shù)據(jù)歸一化后，根據(jù)定量數(shù)據(jù)的統(tǒng)計分布自動分段，每一段作為定性數(shù)據(jù)，對歸一化后的數(shù)據(jù)進行離散化，將離散化后的數(shù)據(jù)建立故障診斷決策表，以決策表作為主要工具即“知識庫”，然后結(jié)合可信度和支持度規(guī)則評價指標基于粗糙集數(shù)據(jù)挖掘方法直接從故障樣本集中挖掘出潛在的診斷規(guī)則，為電力變壓器提供有效的故障診斷。這為基于DGA分析變壓器診斷規(guī)則獲取提供一條新途徑。并為故障參數(shù)信息數(shù)據(jù)不完備的情

4、況下實現(xiàn)診斷服務，提供一條故障診斷服務規(guī)則獲取的途徑。它作為VPEH專家經(jīng)驗診斷規(guī)則的有益補充，能對VPEH中的診斷經(jīng)驗知識庫進行維護和更新。 提出基于粗糙集與模糊徑向基神經(jīng)網(wǎng)絡(luò)的電力變壓器絕緣故障診斷方法。這里采用一種新的結(jié)合方式，將粗糙集理論對知識的約簡能力與模糊徑徑的基函數(shù)神經(jīng)網(wǎng)絡(luò)(RBFNN)優(yōu)良的分類診斷能力有機結(jié)合，應用于電力變壓器絕緣故障診斷。該方法一方面將粗糙集作為RBFNN的前置，對經(jīng)模糊離散化的樣本集進行約簡

5、，形成精簡的規(guī)則集，將高于一定可信度和支持度的挖掘規(guī)則用作診斷知識庫，直接用于電力變壓器故障診斷。另一方面通過RS簡化RBFNN輸入?yún)?shù)和訓練樣本的數(shù)量。并將粗糙集挖掘的低于可信度和支持度要求的規(guī)則所對應的挖掘樣本，作為模糊RBFNN的訓練樣本集，同時將粗糙集對這些樣本的聚類結(jié)果作為模糊RBFNN的聚類因子，在此基礎(chǔ)上構(gòu)建RBF神經(jīng)網(wǎng)絡(luò)，用于診斷不能用粗糙集挖掘的規(guī)則診斷的事例。通過RS簡化RBFNN輸入?yún)?shù)和訓練樣本的數(shù)量，從而使網(wǎng)絡(luò)

6、結(jié)構(gòu)更加簡單，易于理解，提高網(wǎng)絡(luò)的學習效率。診斷測試中，該方法診斷正確率為90.91﹪，在第七章診斷方法案例測試結(jié)果比較中，其診斷正確率最高。 基于聚類與灰色關(guān)聯(lián)理論，作者提出基于APC-Ⅲ聚類與群灰色關(guān)聯(lián)分析方法的變壓器絕緣故障診斷新方法。不同于近來傳統(tǒng)灰色關(guān)聯(lián)分析在變壓器絕緣故障診斷中的應用，文中采用APC-Ⅲ聚類方法，對若干典型故障樣本聚類成C個最優(yōu)聚類中心，根據(jù)故障類型和灰色參考序列構(gòu)造，將聚類中心作為參考序列，構(gòu)造一組

7、參考序列組，這些參考序列組構(gòu)成灰色參考序列群。相對于灰色參考序列群，給出了群灰色關(guān)聯(lián)度概念，及其關(guān)聯(lián)系數(shù)的計算新方法，最后基于群灰色關(guān)聯(lián)度分析方法識別變壓器絕緣故障診斷。該方法改進了傳統(tǒng)的關(guān)聯(lián)分析方法，降低了對參考信號數(shù)據(jù)準確性的要求，其可應用于參考信號具有較強分散性和獨立性的領(lǐng)域，提高了系統(tǒng)診斷的容錯能力和可靠性。診斷測試中該方法診斷正確率為87.27﹪。 將小波，模糊數(shù)學，神經(jīng)網(wǎng)絡(luò)，最小二乘加權(quán)融合數(shù)學方法有機接合，作者提出

8、基于最小二乘加權(quán)融合的集成模糊小波神經(jīng)網(wǎng)絡(luò)變壓器絕緣故障診斷新方法。文中首先將數(shù)據(jù)進行模糊化預處理，用非線性Morlet小波基作為激勵函數(shù)，形成神經(jīng)元，結(jié)合雙方的優(yōu)點，構(gòu)造了一種緊致型小波神經(jīng)網(wǎng)絡(luò)。對于小波神經(jīng)網(wǎng)絡(luò)故障識別，首先采用不同的單個子網(wǎng)絡(luò)，對相同變壓器故障信號樣本進行訓練及診斷，然后用最小二乘加權(quán)融合法對各個子網(wǎng)絡(luò)的輸出結(jié)果進行決策信息融合，最后根據(jù)融合結(jié)果來進行故障識別。該方法通過最小二乘加權(quán)融合方法對子網(wǎng)絡(luò)進行決策融合，一