電力變壓器狀態(tài)評估及故障診斷方法研究.pdf

1、電力變壓器是電網中能量轉換、傳輸?shù)暮诵模请娋W安全第一道防御系統(tǒng)中的關鍵樞紐設備。目前，我國已有較多變壓器運行年限超過20年，這些運行中的變壓器面臨著日益嚴重的如設備故障和絕緣老化問題，發(fā)生事故的概率不斷增加。變壓器一旦發(fā)生事故可能會造成設備資產和大停電等巨大損失，甚至會產生嚴重的社會影響。因此，對電力變壓器進行有效的狀態(tài)評估和深入的故障診斷研究，指導變壓器的運行維護和狀態(tài)檢修，預防和降低故障的發(fā)生幾率，具有重要的理論和實際意義。

2、>　　 論文在搜集整理大量技術標準、規(guī)程導則、專家經驗以及變壓器實際運行狀態(tài)數(shù)據(jù)的基礎上，深入研究了電力變壓器狀態(tài)評估的指標體系、評估方法和決策準則以及基于支持向量機和智能優(yōu)化算法的變壓器故障診斷技術，對變壓器狀態(tài)評估的集對分析方法和模糊與證據(jù)推理融合的絕緣狀態(tài)評估模型進行了研究，在以油中溶解氣體為特征量的變壓器故障診斷方法研究上取得了一定進展，論文取得的創(chuàng)新性成果主要有：
　　 在對變壓器狀態(tài)等級劃分和指標參數(shù)提取的基礎上，

3、針對狀態(tài)信息具有模糊和信息不完全所致的不確定性問題，提出了基于集對分析理論的電力變壓器狀態(tài)評估策略，構建了集對分析算法及實現(xiàn)步驟，用聯(lián)系度及其數(shù)學表達式統(tǒng)一描述系統(tǒng)狀態(tài)的不確定性問題，并結合信度準則實現(xiàn)了對變壓器狀態(tài)的評估，為電力變壓器狀態(tài)評估提供了一種新的思路。
　　 針對變壓器絕緣狀態(tài)評估中存在影響評估結果因素多、評估因素不相容且影響程度又不盡相同的難題，提出了基于模糊和證據(jù)推理融合的變壓器絕緣狀態(tài)合決策模型，構建了模糊隸屬

4、度函數(shù)來描述評估模型的因素層指標，根據(jù)模糊評估結果確定證據(jù)推理決策模型的原始基本概率分配，利用證據(jù)融合得到了辨識框架中基本概率分配函數(shù)，最后基于最大基本概率分配函數(shù)決策規(guī)則進行評估目標判定。
　　 將多分類最小二乘支持向量機(LS-SVM)應用于電力變壓器故障診斷中，通過組合編碼構造多個二分類LS-SVM分類器實現(xiàn)多類分類。利用粒子群優(yōu)化(PSO)算法獲得LS-SVM分類模型的最優(yōu)參數(shù)，應用交叉驗證(CV)的思想來提高分類算法的

5、整體泛化性能，并采用加州大學歐文分校機器學習數(shù)據(jù)庫的基準數(shù)據(jù)集進行驗證。變壓器故障診斷實例分析表明，提出的基于PSO和LS-SVM分類方法對電力變壓器進行故障診斷是準確和有效的；與傳統(tǒng)的IEC三比值法、反向傳播神經網絡(BPNN)、徑向基神經網絡(RBFNN)及標準支持向量機(SVM)的變壓器故障診斷方法相比，提出的方法在訓練和測試階段都獲得了較高的準確率。
　　 針對經典PSO算法在實際應用中容易陷入局部最優(yōu)的缺點，提出了帶時

6、變加速系數(shù)的PSO算法(PSO-TVAC)優(yōu)化SVM模型。引入動態(tài)慣性權：重和加速系數(shù)，控制了PSO算法的開發(fā)(exploitation)和探索(exploration)能力，平衡了PSO的全局搜索和局部搜索性能，實驗證明，基于改進PSO算法的故障診斷收斂速度快，計算精度高，診斷效果更好。
　　 研究了基于支持向量機回歸(SVR)理論的預測方法，建立了基于PSO-TVAC優(yōu)化最小二乘支持向量機回歸(LS-SVR)和小波最小二乘支

7、持向量機回歸(W-LSSVR)的變壓器油中溶解氣體預測模型，避免了傳統(tǒng)SVR方法中回歸問題未知變量數(shù)目的膨脹，同時簡化了支持向量機回歸的參數(shù)優(yōu)化。實例研究表明，提出的油中溶解氣體預測模型較BPNN、RBFNN、廣義回歸神經網絡(GRNN)及ε-SVR預測方法相比，無論在預測精度和穩(wěn)定性方面均具有很大的優(yōu)勢。
　　 在研究變壓器油中溶解氣體預測實質的基礎上，為了能夠進一步掌握油中溶解氣體的發(fā)展變化趨勢，首次提出了基于模糊信息?；?/p>