基于RVM和混合優(yōu)化算法的變壓器故障診斷與預(yù)測應(yīng)用研究.pdf

1、隨著我國經(jīng)濟(jì)發(fā)展對電力的依賴性逐漸加深，電能占終端能源消費(fèi)的比重不斷提高，穩(wěn)定可靠的供電系統(tǒng)已成為社會經(jīng)濟(jì)增長的一個重要基石。電力變壓器作為電力系統(tǒng)最基本、最關(guān)鍵的電氣設(shè)備，其可靠性直接關(guān)系整個系統(tǒng)的安全可靠運(yùn)行，由此可見，提高電網(wǎng)中變壓器的運(yùn)行可靠性具有十分重要的現(xiàn)實(shí)意義。隨著變壓器狀態(tài)維修策略在電網(wǎng)中的廣泛應(yīng)用，對電力變壓器的早期故障預(yù)測以及發(fā)生故障后的故障診斷研究就顯得尤為重要。
　　 電力變壓器油中溶解氣體分析技術(shù)就是定

2、性、定量分析變壓器油中溶解氣體的組分和含量，借助變壓器油中信息查明產(chǎn)氣的原因，診斷運(yùn)行中的變壓器內(nèi)部是否正常，以便及時發(fā)現(xiàn)變壓器內(nèi)部存在的潛伏性故障。顯而易見，變壓器油中溶解氣體組分含量是變壓器故障診斷的重要依據(jù)和基礎(chǔ)，變壓器的故障預(yù)測也主要集中在對變壓器油中溶解特征氣體含量的預(yù)測上。
　　 相關(guān)向量機(jī)是一種在貝葉斯框架下進(jìn)行訓(xùn)練，根據(jù)主動相關(guān)決策機(jī)理來移除不相關(guān)點(diǎn)，從而獲得稀疏化模型的機(jī)器學(xué)習(xí)方法。相關(guān)向量機(jī)與傳統(tǒng)的支持向量機(jī)

3、相比具有核函數(shù)不需要滿足馬瑟條件，學(xué)習(xí)算法簡單，運(yùn)算速度快，預(yù)測精度高等優(yōu)點(diǎn)。本文提出了一種基于相關(guān)向量機(jī)回歸預(yù)測算法的電力變壓器故障預(yù)測新方法，該方法利用相關(guān)向量機(jī)對變壓器油中溶解氣體數(shù)據(jù)進(jìn)行訓(xùn)練，由此得到相關(guān)向量和權(quán)值之后再進(jìn)行變壓器故障的回歸預(yù)測。經(jīng)實(shí)例驗(yàn)證取得了良好的預(yù)測結(jié)果。
　　 粒子群優(yōu)化算法的特點(diǎn)是前期算法收斂速度比較快，后期卻極易陷入局部最優(yōu)。出現(xiàn)這種現(xiàn)象的原因是在算法初期整個群落具有較高的多樣性，此時適應(yīng)值變

4、化較大。隨著迭代次數(shù)的增加，群落的多樣性便停止在一個較小的范圍內(nèi)，具體表現(xiàn)為適應(yīng)值的變化程度迅速減小從而發(fā)生早熟收斂。
　　 差分進(jìn)化優(yōu)化算法在選擇過程中采用“貪婪”的搜索思想，將經(jīng)過變異和交叉操作過程后的個體與父代個體進(jìn)行比較，當(dāng)且僅當(dāng)其適應(yīng)度好于父代時將其作為子代，否則直接保留父代進(jìn)入下一次迭代。差分進(jìn)化優(yōu)化算法收斂速度更快，但是同樣存在著易陷入局部最優(yōu)的缺陷。
　　 針對這兩種算法各自的存在的問題，本文提出了一種將