2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩97頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、局部放電(Partial Discharge,PD)一直以來都是電力變壓器絕緣劣化的重要原因,近年來由于電力設(shè)備的電壓等級和裝機(jī)容量的提升,對局放的監(jiān)測就顯得尤為重要。變壓器絕緣問題引起的設(shè)備故障占總體故障的80%左右,對局放數(shù)據(jù)的檢測以及故障識別和狀態(tài)檢測都成為變壓器狀況監(jiān)測的主要方法之一。由于變壓器結(jié)構(gòu)復(fù)雜,可能出現(xiàn)多種放電類型,每種類型的破壞作用和危害程度也不盡相同,所以對放電類型的辨識,可以更好的維護(hù)變壓器健康的運(yùn)行。本文基于變

2、壓器局部放電的原理及特性,主要完成了以下研究工作:
  建立變壓器內(nèi)部局部放電IEC60270標(biāo)準(zhǔn)的檢測系統(tǒng),采用脈沖電流法綜合檢測系統(tǒng),比較分析不同檢測方法的檢測性能,建立變壓器內(nèi)部懸浮放電、針板放電、沿面放電以及氣隙放電等四種絕緣缺陷的放電信息數(shù)據(jù)庫。通過基于相位分析的統(tǒng)計(jì)特征參數(shù)和基于時(shí)間分析的分形特征參數(shù)兩種主要分析模式,研究不同分析模式下,數(shù)據(jù)信息之間的相關(guān)性與差異,并在此基礎(chǔ)上提取灰度分形特征和交叉小波譜特征進(jìn)行識別。

3、
  提出了二叉樹結(jié)構(gòu)多分類支持向量機(jī)(SVM)的最優(yōu)學(xué)習(xí)方法,利用PRPD、TRPD、灰度分形和交叉小波譜4種特征向量,對SVM進(jìn)行訓(xùn)練和驗(yàn)證,分析了不同的模型參數(shù)對支持向量機(jī)性能的影響;并采用骨干粒子群優(yōu)化算法對核參數(shù)進(jìn)行優(yōu)化,比較并建立了支持向量機(jī)性能評價(jià)指標(biāo),初步建立了PD故障識別系統(tǒng)。
  提出了最優(yōu)半徑超球面支持向量機(jī)結(jié)構(gòu)(Optimal Radius Hypersphere SVM,ORH-SVM)。超球面支持

4、向量機(jī)(H-SVM)解決了傳統(tǒng)超平面SVM對邊界樣本漏分的問題。在該算法的基礎(chǔ)上,本文提出了最優(yōu)半徑優(yōu)化方法,并建立了基于ORH-SVM算法的放電模式識別系統(tǒng),提高了分類精度。
  研究并建立基于多分類組合核支持向量機(jī)(CKM-SVM)的局部放電模式識別模型。實(shí)現(xiàn)了對4類特征空間完整的多分類映射并實(shí)現(xiàn)直接多分類的識別系統(tǒng)。該模型融合了局部放電多組特征進(jìn)行分析,對4個(gè)核函數(shù)進(jìn)行尋優(yōu)配置,并通過骨干粒子群優(yōu)化算法對核參數(shù)進(jìn)行優(yōu)化,在提

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論