支持向量機(jī)在變壓器狀態(tài)評(píng)估中的應(yīng)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(shè)備，其安全可靠性對(duì)電力系統(tǒng)和鐵路的安全運(yùn)營(yíng)影響重大。變壓器的狀態(tài)評(píng)估是實(shí)現(xiàn)其狀態(tài)維修的基礎(chǔ)。 支持向量機(jī)很好地執(zhí)行了統(tǒng)計(jì)學(xué)習(xí)理論的結(jié)構(gòu)風(fēng)險(xiǎn)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(lǐng)域面臨的典型故障樣本嚴(yán)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(jī)的研究雖已取得了一定進(jìn)展，但如何將這些研究成果應(yīng)用到對(duì)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(píng)估中去，還是一個(gè)新穎的、富有挑戰(zhàn)性的課題。論文圍繞支持向量機(jī)在變壓器故障診斷、故障預(yù)測(cè)和運(yùn)行狀態(tài)評(píng)估中的應(yīng)用進(jìn)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(gè)方面： 1．用支持向量機(jī)的多分類方法對(duì)基于油中溶解氣體的變壓器故障診斷進(jìn)行了研究。主要使用了兩種典型的多分類算法即一對(duì)一的分類方法和M-ary分類方法，提出了一種改進(jìn)的M-ary支持向量機(jī)模型，通過(guò)該模型的具體應(yīng)用證明了算法的正確性和

3、有效性；并且對(duì)支持向量機(jī)中的參數(shù)選擇問(wèn)題進(jìn)行了研究，使用改進(jìn)的遺傳算法求解了支持向量機(jī)中的參數(shù)，實(shí)驗(yàn)表明，與基本遺傳算法相比，該方法能夠在較大范圍內(nèi)準(zhǔn)確地找到相應(yīng)的優(yōu)化參數(shù)，并能有效地進(jìn)行變壓器的故障診斷。 2．研究了支持向量機(jī)的回歸方法在變壓器故障預(yù)測(cè)中的應(yīng)用。首先引入最小二乘支持向量機(jī)（LS-SVM）作為預(yù)測(cè)器進(jìn)行了變壓器油中氣體體積分?jǐn)?shù)的預(yù)測(cè)，分析研究了LS-SVM模型的適應(yīng)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(duì)灰色模型進(jìn)行優(yōu)選，引入了灰色多變量模型，提出了改進(jìn)的離散灰色模型和改進(jìn)的灰色多變量模型，進(jìn)一步提高了預(yù)測(cè)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(yù)測(cè)模型，該模型綜合考慮了優(yōu)選灰色模型及LS-SVM的特點(diǎn)；應(yīng)用實(shí)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(jī)在變壓器運(yùn)行狀態(tài)評(píng)估中的應(yīng)用。針對(duì)目前的變壓器運(yùn)行狀態(tài)評(píng)估模型主要采用模糊綜合評(píng)價(jià)的方法，提出了基于評(píng)分法的模糊綜合支持

5、向量機(jī)模型，該方法使用模糊綜合評(píng)價(jià)結(jié)果作為支持向量機(jī)的輸入，綜合考慮了各結(jié)果之間的非線性關(guān)系，判斷準(zhǔn)確率有所提高；為了減少運(yùn)行狀態(tài)評(píng)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(jī)的變壓器運(yùn)行狀態(tài)評(píng)估模型，對(duì)比研究了PCA、KPCA、ICA和PCA+ICA共4種特征提取方式，說(shuō)明了在運(yùn)行狀態(tài)評(píng)估問(wèn)題中進(jìn)行數(shù)據(jù)預(yù)處理有利于分類算法的實(shí)現(xiàn)，KPCA為變壓器的運(yùn)行狀態(tài)評(píng)估提供了一種有效可行的數(shù)據(jù)預(yù)處理方式；為了進(jìn)一步提高評(píng)估的