變壓器故障診斷與定位研究.pdf

1、近年來(lái)，隨著電力工業(yè)的發(fā)展，電力系統(tǒng)裝機(jī)容量日益增長(zhǎng)，變壓器故障時(shí)有發(fā)生，此時(shí)，及時(shí)的發(fā)現(xiàn)并處理變壓器的故障顯得格外的重要。在樣本數(shù)量較小的情況下，支持向量機(jī)(SVM)依然可以解決非線性、高維等問(wèn)題，根據(jù)此優(yōu)勢(shì)，本文建立了基于支持向量機(jī)的變壓器故障診斷模型和故障定位模型。故障診斷的結(jié)果主要是由支持向量機(jī)的參數(shù)所決定的，所以，本文還提出用布谷鳥算法(CS)來(lái)優(yōu)化支持向量機(jī)的參數(shù)。通過(guò)仿真實(shí)驗(yàn)表明，相比于其他算法，該算法能夠提高變壓器故障診

2、斷以及故障定位的正確率。
　　本研究主要內(nèi)容包括：⑴在變壓器故障診斷模型中，利用布谷鳥算法優(yōu)化支持向量機(jī)的懲罰參數(shù)C和核參數(shù)g，為了提高布谷鳥算法的優(yōu)化能力，引入一種新的慣性權(quán)重國(guó)，并將改進(jìn)的布谷烏算法(WCS)與最速下降法(SD)相結(jié)合，得到新算法(SDWCS)。利用該算法進(jìn)行SVM參數(shù)的尋優(yōu)，克服了基本的SVM模型容易陷入局部最優(yōu)的缺陷。⑵在變壓器故障診斷模型中，建立了基于支持向量機(jī)的分類模型，采用SDWCS算法優(yōu)化支持向量機(jī)

3、參數(shù)，利用LibSVM工具箱在MATLAB軟件平臺(tái)上訓(xùn)練支持向量機(jī)，并通過(guò)實(shí)例仿真，將該故障診斷模型與布谷鳥算法(CS)、粒子群算法(PSO)、遺傳算法（GA）、網(wǎng)格搜索算法(GS)相比較。⑶在變壓器故障定位模型中，將變壓器的油色譜信息和電氣試驗(yàn)特征結(jié)合，建立基于二叉樹的支持向量機(jī)多層分類模型，采用SDWCS算法優(yōu)化支持向量機(jī)參數(shù)，并逐步對(duì)變壓器故障進(jìn)行定位。通過(guò)實(shí)例證明，該故障定位模型能夠快速的判斷出變壓器發(fā)生故障的部位，而且定位的準(zhǔn)