基于DGA的變壓器故障診斷算法研究.pdf

1、電力變壓器作為一種能量轉(zhuǎn)化的設(shè)備，在現(xiàn)代化電力系統(tǒng)中處于最核心的地位，它的性能直接影響著整個(gè)電力系統(tǒng)的安全可靠運(yùn)行。因此準(zhǔn)確掌握電力變壓器的運(yùn)行狀態(tài)，對(duì)變壓器進(jìn)行實(shí)時(shí)監(jiān)測(cè)、故障診斷成為必不可少的環(huán)節(jié)，從而為電力系統(tǒng)安全、穩(wěn)定、高效的運(yùn)行提供最可靠的保障。
　　在變壓器故障診斷研究中，油中溶解氣體分析(DGA)法已被公認(rèn)為最有效的方法之一。由于傳統(tǒng)的三比值法不具備故障信息的完整性，針對(duì)這個(gè)問(wèn)題本文采用非線性映射的BP神經(jīng)網(wǎng)絡(luò)及支持向

2、量機(jī)兩種算法，結(jié)合DGA建立變壓器故障診斷模型，以提高診斷的準(zhǔn)確率和可靠性。在參閱大量文獻(xiàn)的基礎(chǔ)上，論文主要研究工作如下:
　　首先，鑒于BP神經(jīng)網(wǎng)絡(luò)的非線性逼近能力，本文以試驗(yàn)數(shù)據(jù)作特征參數(shù)，借助遺傳算法優(yōu)化BP網(wǎng)絡(luò)參數(shù)，建立了三層BP網(wǎng)絡(luò)的充油變壓器內(nèi)部故障診斷模型。利用MATLAB神經(jīng)網(wǎng)絡(luò)工具箱對(duì)所建立的模型進(jìn)行實(shí)驗(yàn)仿真，結(jié)果表明遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)應(yīng)用在變壓器故障診斷的方案是可行、有效的。
　　其次，本文提出了基

3、于支持向量機(jī)(SVM)的變壓器故障診斷模型。由于變壓器故障時(shí)所能搜集到的特征向量有限，這對(duì)于需要大量訓(xùn)練樣本的BP網(wǎng)絡(luò)來(lái)說(shuō)，網(wǎng)絡(luò)的訓(xùn)練具有一定的局限性，存在局部極小點(diǎn)和過(guò)學(xué)習(xí)等問(wèn)題。因此，論文引入了基于小樣本學(xué)習(xí)的支持向量機(jī)，并將其與DGA相結(jié)合建立了基于SVM的變壓器故障診斷模型。為了進(jìn)一步提高診斷準(zhǔn)確率，文中運(yùn)用Libsvm安裝包中的交叉驗(yàn)證功能選取SVM的最佳參數(shù)c和g，并利用最佳參數(shù)來(lái)優(yōu)化模型。通過(guò)對(duì)比GA-BP神經(jīng)網(wǎng)絡(luò)的變壓器