论文部分内容阅读
电力变压器是电力系统中结构复杂、造价昂贵的最重要电气设备之一,承担着电压转换和电能传送的重任,它们的安全运行直接关系到整个电力系统的稳定性和安全性。变压器一旦发生事故,导致电网不能正常供电,将带来巨大的直接和间接经济损失。变压器故障诊断和预测研究是确保变压器正常运行的基础,也是实施状态检修的基础。本文在深入研究变压器油中溶解气体与故障类型之间关系的基础上,利用变压器运行过程中采集的油中溶解气体数据,研究了基于数据驱动的变压器故障诊断及预测的新方法。根据变压器不同故障类型特征,提出了建模样本纯化的代价敏感核主元分析方法的变压器故障检测模型、重构贡献和灰关联熵的故障诊断方法、双空间特征提取的故障诊断方法、互信息和多核支持向量回归的预测方法,并应用于变压器故障诊断和预测中,取得了明显的效果。论文主要研究工作及创新性成果如下:(1)针对核主元分析由于建模样本不纯而导致监控模型失效以及传统核主元分析没有考虑误分类代价的差别、对故障不敏感等问题,提出了建模样本纯化的代价敏感核主元分析方法的变压器故障检测模型。首先,提出建模样本纯化的特征样本提取方法剔除异常样本,达到净化建模样本的目的并解决核矩阵的计算问题;然后,将代价敏感机制引入到核主元分析中,以误分类代价最小化为目标,设计了Q统计量阂值调整方法获取阈值进行诊断;并采用混沌粒子群算法对核主元分析核参数进行优化。该模型可以有效地提高故障敏感性,降低误分类代价,与代价敏感神经网络相比,平均误分类代价低且训练效率高。(2)针对油中溶解气体分析数据故障特征不明显的缺陷,提出了重构贡献和灰关联熵的变压器故障诊断方法。在建立油中溶解气体分析数据的主元模型后,基于故障重构的思想,计算样本各变量重构贡献率作为特征量并进行归一化,突出故障主要特征;为克服灰关联分析易造成局部关联及信息损失等不足,采用灰关联熵方法进行变压器故障类型诊断。实验结果表明,重构贡献灰关联熵诊断方法具有良好的故障识别能力,提高了故障诊断的准确性。(3)对于油中溶解气体分析诊断变压器故障,更为关注的是气体组分的相对含量,进一步考虑特征气体各变量重构贡献率之间的可比性以及特征气体含量的动态变化范围,计算其相对重构贡献率作为特征量,提出了相对重构贡献和综合灰关联熵的变压器故障诊断方法。实验结果表明,相对重构贡献灰关联熵方法与重构贡献灰关联熵方法、灰关联熵方法相比,特征样本集的可分性增大,分类正确率更高。(4)为弥补单空间特征提取算法的局限性,提出了主元分析和核独立主元分析双空间特征提取的变压器故障诊断方法。先将样本投影到主元空间,依据多核支持向量机的预测结果进行预分类,采用核密度估计方法估计阈值将测试样本预分类为易识别和难识别样本;对于难识别的样本则再次投影到核独立主元空间中,采用另一多核支持向量机进行识别,实现双空间特征提取算法;最后,根据故障特征,建立基于双空间特征提取算法的变压器故障分层诊断模型。充分利用双空间特征提取的互补性有效地提高了诊断效率,实验结果验证了双空间算法的有效性。(5)针对油中溶解气体各变量中噪声的影响,提出了改进的标准化互信息和多核支持向量回归机的油中溶解气体预测建模方法。采用独立主元分析对各特征气体变量进行信噪分离,提出了改进的标准化互信息方法选择输入变量,改进的标准化互信息的输入变量选择结果吻合油劣化热动力学研究结果。为避免核函数及其参数的选择问题,利用多核支持向量回归机,对变压器油中溶解气体进行预测建模。实验结果表明了改进的标准化互信息和多核支持向量回归机的预测方法具有较优的预测精度。