基于集成學(xué)習(xí)的電力變壓器故障診斷方法研究.pdf

1、電力變壓器是電網(wǎng)中能量轉(zhuǎn)換、傳輸?shù)暮诵?，是電網(wǎng)安全第一道防御系統(tǒng)中的關(guān)鍵樞紐設(shè)備。變壓器一旦發(fā)生事故可能會(huì)造成設(shè)備資產(chǎn)和大停電等巨大損失，甚至?xí)a(chǎn)生嚴(yán)重的社會(huì)影響。而電力變壓器的潛在故障診斷，對(duì)指導(dǎo)變壓器的運(yùn)行維護(hù)和狀態(tài)檢修，預(yù)防和降低故障的發(fā)生幾率，具有重要的理論和實(shí)際意義。本文在對(duì)電力變壓器的主要故障模式及對(duì)應(yīng)變壓器油紙絕緣產(chǎn)氣機(jī)理分析的基礎(chǔ)上，以油中溶解氣體為特征量，從智能學(xué)習(xí)角度提出了以重點(diǎn)樣本為目標(biāo)的基于樣本重要度的最小二乘支

2、持向量機(jī)診斷模型，從知識(shí)學(xué)習(xí)與概率統(tǒng)計(jì)角度提出了基于云隸屬空間的故障診斷模型，并對(duì)這些算法從樣本權(quán)重角度進(jìn)行了分析和優(yōu)化。論文所取得的主要?jiǎng)?chuàng)新性成果有：
　　①提出了基于樣本重要度的最小二乘支持向量機(jī)（LS-SVM）。該模型將樣本重要度引入到LS-SVM中尋優(yōu)問(wèn)題中的懲罰量，使支持向量機(jī)的最優(yōu)分類(lèi)面思想從數(shù)量層面上升到信息量層面，具備識(shí)別樣本本身重要性或樣本所攜帶信息量的能力，以防重要樣本遺失、錯(cuò)分類(lèi)，能夠在保證整體正確率的基礎(chǔ)上

3、，提高重要樣本的識(shí)別正確率，并為集成學(xué)習(xí)提供算法基礎(chǔ)。
　　②在云理論分析的基礎(chǔ)上建立了基于云隸屬空間的變壓器故障診斷模型。該模型集知識(shí)學(xué)習(xí)與概率統(tǒng)計(jì)為一體，能夠在樣本中獲取故障規(guī)律，以知識(shí)的形式存儲(chǔ)到云組合中，并以隸屬算法將知識(shí)模糊化應(yīng)用到變壓器故障診斷中。該模型旨在與智能學(xué)習(xí)方法相互協(xié)作，實(shí)現(xiàn)變壓器準(zhǔn)確的故障診斷。
　?、蹚臉颖緳?quán)重角度出發(fā)，提出了基于樣本重要度LS-SVM組合分類(lèi)面診斷算法，以多個(gè)分類(lèi)面的組合實(shí)現(xiàn)分類(lèi)面