基于油氣分析優(yōu)化的電力變壓器故障診斷算法研究.pdf

1、隨著工業(yè)化的飛速發(fā)展，電力用戶與日俱增，特別近些年我國大力提倡智能電網(wǎng)建設(shè)，這些都對電力系統(tǒng)的安全管理和穩(wěn)定運(yùn)行提出了更高的要求。電力變壓器是電力系統(tǒng)中最為重要的輸變電設(shè)備之一，確保電力變壓器的安全穩(wěn)定運(yùn)行，是維系整個電力系統(tǒng)正常運(yùn)營的重要環(huán)節(jié)。因此，對電力變壓器的健康狀況監(jiān)測及故障診斷，一直是該領(lǐng)域研究的熱點(diǎn)問題。近年來，國內(nèi)外學(xué)者提出了多種變壓器故障診斷解決方案。研究表明，建立在絕緣油中溶解氣體分析(Dissolved Gas An

2、alysis，DGA)基礎(chǔ)上的智能診斷方法最具代表性。本文在深入研究DGA的基礎(chǔ)上，對其進(jìn)行優(yōu)化和改進(jìn)，并將其與改進(jìn)的智能化算法進(jìn)融合，提出了一種新穎的電力變壓器故障診斷算法。
　　對于電力變壓器的故障診斷，兩個主要的標(biāo)準(zhǔn)分別是診斷準(zhǔn)確率和診斷速度。為了進(jìn)一步提高電力變壓器故障診斷的準(zhǔn)確率和診斷速度，在研究現(xiàn)有診斷算法的基礎(chǔ)上，對現(xiàn)有診斷算法進(jìn)行優(yōu)化和融合：首先，采用量子行為的支持向量機(jī)（Support Vector Machin

3、e,SVM）故障診斷算法，即采用支持向量機(jī)對大型電力變壓器的故障進(jìn)行分類，在分類的過程中采用改進(jìn)的具有量子行為的遺傳算法對支持向量機(jī)的參數(shù)進(jìn)行尋優(yōu)；然后，采用 K-近鄰聚類分析的電力變壓器故障診斷算法，即在完成第一步基礎(chǔ)上，再對存在于可疑區(qū)域的樣本采用 K-近鄰聚類分析算法分類。最后，通過仿真實(shí)驗(yàn)，對改進(jìn)量子遺傳算法與普通遺傳算法進(jìn)行性能對比分析。
　　仿真實(shí)驗(yàn)結(jié)果表明，改進(jìn)的量子遺傳算法只需要50代繁衍就能得到最佳分類模型參數(shù)，