基于DGA的变压器智能故障诊断方法研究-控制科学与工程专业论文.docxVIP

L L 原创性声明本人声明，所呈交的学位论文是本人在导师指导下进行的研究 原创性声明 本人声明，所呈交的学位论文是本人在导师指导下进行的研究 工作及取得的研究成果。尽我所知，除了论文中特别加以标注和致谢 的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不 包含为获得中南大学或其他单位的学位或证书而使用过的材料。与我 共同工作的同志对本研究所作的贡献均已在论文中作了明确的说明。 作者签名：=i亘毛拿 日期：2旦1 2年。生月卫日 学位论文版权使用授权书 本人了解中南大学有关保留、使用学位论文的规定，即：学校 有权保留学位论文并根据国家或湖南省有关部门规定送交学位论文， 允许学位论文被查阅和借阅；学校可以公布学位论文的全部或部分内 容，可以采用复印、缩印或其它手段保存学位论文。同时授权中国科 学技术信息研究所将本学位论文收录到《中国学位论文全文数据库》， 并通过网络向社会公众提供信息服务。 作者签名：纽堡生 导师签名逝．日期：二墨斗年』月卫日 摘要大型电力变压器作为电力系统的枢纽设备，其运行可靠性与电力 摘要 大型电力变压器作为电力系统的枢纽设备，其运行可靠性与电力 系统的安全与稳定紧密相关。长期以来，变压器的健康水平和绝缘状 况的判断都是通过停电预防性试验和定期检修来实现，这种不顾变压 器的实际状态，“到期必修的检修的方式，容易出现“过修”和“欠 修”问题。 变压器油中溶解气体分析(DGA)是变压器故障诊断的重要手段， 它为间接了解变压器内部的一般隐患提供了重要依据。无论在国内还 是在国际，DGA技术都被视为电力设备预防性试验的重要方法，本 文采用基于DGA的方法对电力变压器进行故障诊断。 针对故障诊断中出现的小样本、非线性及高维模式识别问题，本 文引进了最小二乘支持向量机(LS．SVM)，同时为了解决单个LS．SVM 只能解决二分类的问题，构造了基于欧式聚类的LS．SVM多分类模 型，利用网格搜索法(grid．search)优化模型参数后，将其应用于电力变 压器故障诊断中，通过仿真与对比表明，该方法取得了相对较好的故 障诊断效果。 针对电力变压器故障诊断中存在不确定性问题，同时为了进一步 提高学习样本充足情况下故障识别率，本文进一步研究了一种从故障 历史数据样本中提取模糊规则的方法，将隐含于样本中的专家知识转 化为更易于理解的模糊规则，并以此建立模糊神经网络故障分类器和 模糊故障诊断系统。同时可以通过改变聚类参数来调整诊断系统的规 则数目和系统诊断精度。仿真表明，该方法在电力变压器故障诊断上 取得较好的效果，具有较高的可行性。 最后，本文将上述两种模型与现行其他的方法进行了比较，得出 不同方法的优缺点。 关键词：电力变压器、故障诊断、支持向量机、模糊神经网络 ABSTRACTAs ABSTRACT As a key equipment in power system，power transformer’S operation reliability is closely related to the safety and stability of power system． For a long time，the estimate of health state and insulation condition of power transformer is carried out by preventive tests and regular maintenance．This kind of time—based maintenance，regardless of power transformer’S actual condition，will lead to“over maintenance’’or“less maintenance． Dissolved Gases Analysis(DGA)is an important means to diagnose the fault of transformer and it offers an important basis to find the general incipient faults in the transformer indirectly．Meanwhi le，the DG}A technology has been placed in an important position in the preventive tests of power transformer equipment，no matter at home or abroad．In this paper,the approach based on DGA is applied