- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
节 能 2012年第 12期
ENERGY C0NSERVAT10N (总第363期)
基于GA优化支持向量机的变压器故障诊断
张春龙,吴楠,王涛,陈宇
(东北电力大学 自动化工程学院,吉林 吉林 132012)
摘要:针对变压器故障诊断中出现的多故障分类问题 ,为提高支持向量机的多故障分类的准确率,利
用遗传算法(GA)对支持向量机的相关参数进行 了优化。将利用遗传算法优化的支持向量机 (GA—
SVM)应用于变压器故障诊断中,并与利用粒子群算法优化的支持 向量机 (PSO—SVM)的识别结果
进行比较。对比试验结果可以看出,GA—SVM 算法能够更为有效地选择支持向量机的相关参数 ,
在很大程度上提高了变压器多故障分类的准确性。
关键词:支持向量机;遗传算法;参数优化;变压器;故障诊断
中图分类号:TM41 文献标识码:A 文章编号:1004—7948(2012)12—0024—04
doi:1039694.issn.1004—7948.2012.12.008
行故障诊断。而后的研究对 IEC三比值编码进行
引言
了进一步的补充,如由日本电气协同研究会提出的
随着我国工业快速地发展,对电力的需求也 日 电协研法以及我 国湖北电力试验研究所提出的改
益增多。整个 电力系统正朝着大 电网、超高压、大 良电协研法等,现已成为运行现场应用较为广泛的
容量、自动化的方向转变,越来越多的电气设备被 方法。
使用,对发电、输 电、供 电的可靠性要求也越来越 以上基于 DGA故障诊断方法的共同特点是
高。因此,电气设备运行的可靠性便显得尤为重 对变压器油 中溶解的几种特征气体 H,、CH 、
要,提高电气设备运行的可靠性成为当务之急。 CH 、CH4、C:H6、CO、CO2相对含量的比值进行
电力变压器是电力系统中不可缺少的设备之 编码,然后由相应的编码表查出对应的故障。但
一 , 它的运行状态直接或间接关系到电力系统的安 是,这些方法大多属于阈值诊断的范畴,只是给定
全性与经济性。但是,由于电力变压器内部结构复 一 个判定的边界,不能确实描述出表现特征与对应
杂,运行环境特殊,易发生故障。一旦发生故障,将 故障问的规律,并且当出现溶解气体含鼍较小的情
会对整个社会造成巨大的经济损失,同时也将影响 况时就很难对变压器状态进行确定分析,即只有
人们的日常生活。因此,研究电力变压器故障诊断 某些特征气体相对含量超过某一特定值时,判断结
技术,提早预测可能出现的异常情况(即潜伏性故 果才被认为是有意义的。由于传统方法存在这些
障),对提高设备稳定性具有深远而重大的意义。 缺点,用其来发现和分析变压器中潜伏性故障是无
变压器油中溶解气体分析(DGA)技术是诊断 法满足实际要求的。
电力变压器早期故障较为有效的手段。它能够及 许多专家都在致力于探索一条变压器故障诊
早发现变压器内部存在的潜伏性故障,对定期维修 断的全新途径,即在 述传统诊断方法的基础』-,
方式过渡到状态维修方式的进程起到促进作用,从 把故障诊断租人工智能的相关理论与方法结合起
而被广泛应用于变压器故障诊断中。国内外众多 来 ,提出崭新的、智能化的故障诊断方法。目前很
专家学者大量研究了油中溶解气
文档评论(0)