支持向量機在變壓器狀態(tài)評估中的應用研究.pdf

1、變壓器是電力系統(tǒng)和電氣化鐵路牽引供電系統(tǒng)的重要設備，其安全可靠性對電力系統(tǒng)和鐵路的安全運營影響重大。變壓器的狀態(tài)評估是實現(xiàn)其狀態(tài)維修的基礎。 支持向量機很好地執(zhí)行了統(tǒng)計學習理論的結構風險最小化原則，在小樣本情況下具有較好的泛化能力，避免了陷入局部極小值，解決了故障診斷領域面臨的典型故障樣本嚴重不足的主要難題，逐漸成為智能診斷的有力工具。 支持向量機的研究雖已取得了一定進展，但如何將這些研究成果應用到對電力系統(tǒng)和電氣化鐵路

2、供電系統(tǒng)具有重大影響的變壓器的狀態(tài)評估中去，還是一個新穎的、富有挑戰(zhàn)性的課題。論文圍繞支持向量機在變壓器故障診斷、故障預測和運行狀態(tài)評估中的應用進行了研究，作了一些有意義的工作，具體內(nèi)容包括以下幾個方面： 1．用支持向量機的多分類方法對基于油中溶解氣體的變壓器故障診斷進行了研究。主要使用了兩種典型的多分類算法即一對一的分類方法和M-ary分類方法，提出了一種改進的M-ary支持向量機模型，通過該模型的具體應用證明了算法的正確性和

3、有效性；并且對支持向量機中的參數(shù)選擇問題進行了研究，使用改進的遺傳算法求解了支持向量機中的參數(shù)，實驗表明，與基本遺傳算法相比，該方法能夠在較大范圍內(nèi)準確地找到相應的優(yōu)化參數(shù)，并能有效地進行變壓器的故障診斷。 2．研究了支持向量機的回歸方法在變壓器故障預測中的應用。首先引入最小二乘支持向量機（LS-SVM）作為預測器進行了變壓器油中氣體體積分數(shù)的預測，分析研究了LS-SVM模型的適應性和用不同數(shù)據(jù)建立的LS-SVM模型參數(shù)的變化情

4、況；然后對灰色模型進行優(yōu)選，引入了灰色多變量模型，提出了改進的離散灰色模型和改進的灰色多變量模型，進一步提高了預測精度；最后提出了一種以LS-SVM作為組合器的優(yōu)選灰色、LS-SVM組合預測模型，該模型綜合考慮了優(yōu)選灰色模型及LS-SVM的特點；應用實例分析表明了所提模型的有效性和優(yōu)越性。 3．研究了支持向量機在變壓器運行狀態(tài)評估中的應用。針對目前的變壓器運行狀態(tài)評估模型主要采用模糊綜合評價的方法，提出了基于評分法的模糊綜合支持

5、向量機模型，該方法使用模糊綜合評價結果作為支持向量機的輸入，綜合考慮了各結果之間的非線性關系，判斷準確率有所提高；為了減少運行狀態(tài)評估中的人為因素，消除偽特征的干擾，提出了基于成分分析和支持向量機的變壓器運行狀態(tài)評估模型，對比研究了PCA、KPCA、ICA和PCA+ICA共4種特征提取方式，說明了在運行狀態(tài)評估問題中進行數(shù)據(jù)預處理有利于分類算法的實現(xiàn)，KPCA為變壓器的運行狀態(tài)評估提供了一種有效可行的數(shù)據(jù)預處理方式；為了進一步提高評估的