基于集成学习的电力变压器故障诊断方法研究

《基于集成学习的电力变压器故障诊断方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于集成学习的电力变压器故障诊断方法研究重庆大学硕士学位论文（专业学位）学生姓名：王时征指导教师：周湶教授学位类别：工程硕士（电气工程领域）重庆大学电气工程学院二O一五年四月StudyonPowerTransformerFaultDiagnosisBasedonEnsembleLearningAThesisSubmittedtoChongqingUniversityinPartialFulfillmentoftheRequirementfortheProfessionalDegreeByWangShizhengSupervisedbyPro

2、f.ZhouQuanSpecialty:ME(ElectricalEngineeringField)CollegeofElectricalEngineeringofChongqingUniversity,Chongqing,ChinaApril,2015重庆大学硕士学位论文中文摘要摘要电力变压器是电网中能量转换、传输的核心，是电网安全第一道防御系统中的关键枢纽设备。变压器一旦发生事故可能会造成设备资产和大停电等巨大损失，甚至会产生严重的社会影响。而电力变压器的潜在故障诊断，对指导变压器的运行维护和状态检修，预防和降低故障的发生几率，具有重要

3、的理论和实际意义。本文在对电力变压器的主要故障模式及对应变压器油纸绝缘产气机理分析的基础上，以油中溶解气体为特征量，从智能学习角度提出了以重点样本为目标的基于样本重要度的最小二乘支持向量机诊断模型，从知识学习与概率统计角度提出了基于云隶属空间的故障诊断模型，并对这些算法从样本权重角度进行了分析和优化。论文所取得的主要创新性成果有：①提出了基于样本重要度的最小二乘支持向量机（LS-SVM）。该模型将样本重要度引入到LS-SVM中寻优问题中的惩罚量，使支持向量机的最优分类面思想从数量层面上升到信息量层面，具备识别样本本身重要性或样本所携带信息量

4、的能力，以防重要样本遗失、错分类，能够在保证整体正确率的基础上，提高重要样本的识别正确率，并为集成学习提供算法基础。②在云理论分析的基础上建立了基于云隶属空间的变压器故障诊断模型。该模型集知识学习与概率统计为一体，能够在样本中获取故障规律，以知识的形式存储到云组合中，并以隶属算法将知识模糊化应用到变压器故障诊断中。该模型旨在与智能学习方法相互协作，实现变压器准确的故障诊断。③从样本权重角度出发，提出了基于样本重要度LS-SVM组合分类面诊断算法，以多个分类面的组合实现分类面边界样本的识别；在云隶属空间诊断模型的基础上对样本知识设置权重，防止

5、样本知识间的相互覆盖；采用集成学习算法从样本层面将不同类型算法进行动态组合，构建组合型故障诊断模型。关键词：电力变压器，故障诊断，油中溶解气体分析，云模型，支持向量机I重庆大学硕士学位论文英文摘要ABSTRACTPowertransformeristhecoreofenergyconversionandtransmissioninpowergrid,anditisthekeyhubequipmentinthefirstlineofgridsecuritydefense.Breakdownsofpowertransformermaycause

6、hugelosseslikeblackoutsanddamagetootherequipmentassets,ormayevenbringserioussocialinfluence.Therefore,potentialfaultdiagnosisofthepowertransformerhasimportanttheoreticalandpracticalsignificanceforguidingthetransformer’smaintenanceofoperationandcondition,andforpreventingand

7、reducingtheprobabilityoffailure.Basedontheanalysisoftheprimaryfailuremodeofpowertransformerandtransformeroil-paperinsulationdecompositionmechanism,byusingdissolvedgasesintransformeroilascharacteristicvalue,thispaperbuildsleastsquaressupportvectormachine(LS-SVM)modelwhichar

8、eonthebaseofsampleweightformintelligentlearningperspective,andbuildscloudmembershipspacef