資源描述：
《基于集成學習的電力變壓器故障診斷方法研究》由會員上傳分享，免費在線閱讀，更多相關內容在學術論文-天天文庫。
1、基于集成學習的電力變壓器故障診斷方法研究重慶大學碩士學位論文（專業(yè)學位）學生姓名：王時征指導教師：周湶教授學位類別：工程碩士（電氣工程領域）重慶大學電氣工程學院二O一五年四月StudyonPowerTransformerFaultDiagnosisBasedonEnsembleLearningAThesisSubmittedtoChongqingUniversityinPartialFulfillmentoftheRequirementfortheProfessionalDegreeByWangShizhengSupervisedbyPro
2、f.ZhouQuanSpecialty:ME(ElectricalEngineeringField)CollegeofElectricalEngineeringofChongqingUniversity,Chongqing,ChinaApril,2015重慶大學碩士學位論文中文摘要摘要電力變壓器是電網中能量轉換、傳輸?shù)暮诵模请娋W安全第一道防御系統(tǒng)中的關鍵樞紐設備。變壓器一旦發(fā)生事故可能會造成設備資產和大停電等巨大損失，甚至會產生嚴重的社會影響。而電力變壓器的潛在故障診斷，對指導變壓器的運行維護和狀態(tài)檢修，預防和降低故障的發(fā)生幾率，具有重要
3、的理論和實際意義。本文在對電力變壓器的主要故障模式及對應變壓器油紙絕緣產氣機理分析的基礎上，以油中溶解氣體為特征量，從智能學習角度提出了以重點樣本為目標的基于樣本重要度的最小二乘支持向量機診斷模型，從知識學習與概率統(tǒng)計角度提出了基于云隸屬空間的故障診斷模型，并對這些算法從樣本權重角度進行了分析和優(yōu)化。論文所取得的主要創(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（LS-SVM）。該模型將樣本重要度引入到LS-SVM中尋優(yōu)問題中的懲罰量，使支持向量機的最優(yōu)分類面思想從數(shù)量層面上升到信息量層面，具備識別樣本本身重要性或樣本所攜帶信息量
4、的能力，以防重要樣本遺失、錯分類，能夠在保證整體正確率的基礎上，提高重要樣本的識別正確率，并為集成學習提供算法基礎。②在云理論分析的基礎上建立了基于云隸屬空間的變壓器故障診斷模型。該模型集知識學習與概率統(tǒng)計為一體，能夠在樣本中獲取故障規(guī)律，以知識的形式存儲到云組合中，并以隸屬算法將知識模糊化應用到變壓器故障診斷中。該模型旨在與智能學習方法相互協(xié)作，實現(xiàn)變壓器準確的故障診斷。③從樣本權重角度出發(fā)，提出了基于樣本重要度LS-SVM組合分類面診斷算法，以多個分類面的組合實現(xiàn)分類面邊界樣本的識別；在云隸屬空間診斷模型的基礎上對樣本知識設置權重，防止
5、樣本知識間的相互覆蓋；采用集成學習算法從樣本層面將不同類型算法進行動態(tài)組合，構建組合型故障診斷模型。關鍵詞：電力變壓器，故障診斷，油中溶解氣體分析，云模型，支持向量機I重慶大學碩士學位論文英文摘要ABSTRACTPowertransformeristhecoreofenergyconversionandtransmissioninpowergrid,anditisthekeyhubequipmentinthefirstlineofgridsecuritydefense.Breakdownsofpowertransformermaycause
6、hugelosseslikeblackoutsanddamagetootherequipmentassets,ormayevenbringserioussocialinfluence.Therefore,potentialfaultdiagnosisofthepowertransformerhasimportanttheoreticalandpracticalsignificanceforguidingthetransformer’smaintenanceofoperationandcondition,andforpreventingand
7、reducingtheprobabilityoffailure.Basedontheanalysisoftheprimaryfailuremodeofpowertransformerandtransformeroil-paperinsulationdecompositionmechanism,byusingdissolvedgasesintransformeroilascharacteristicvalue,thispaperbuildsleastsquaressupportvectormachine(LS-SVM)modelwhichar
8、eonthebaseofsampleweightformintelligentlearningperspective,andbuildscloudmembershipspacef
