论文部分内容阅读
在整个电力系统中,变压器是其中最为重要和昂贵的设备。只有变压器安全运行才能保证电网系统的可靠和稳定。一旦变压器发生故障,直接会影响整个电网的运转,轻则发生造成工程延期,影响生活,重则造成严重的经济损失和人员伤亡。尽管近年来国内的电力系统的安全性得到了很大的提升,但变压器的安全事故仍然屡见不鲜。因此,为了提高电力变压器的安全可靠性,采用科学的方法对其运行状态进行监测,进而评估其运行状态,值得相关人员深入的研究。本文以电力变压器油中溶解气体监测方法为基础,深入分析变压器油中溶解气体理论,构建了基于搜索者优化支持向量机的电力变压器故障诊断模型,主要的工作包括如下几个方面:(1)电力一次设备在线监测与诊断理论研究。分析变压器的故障类型,对其油中气体在线监测技术、局部放电在线监测技术、绕组热点在线监测技术进行故障机理分析和监测方法研究。重点研究了油中气体在线监测技术。分析了当变压器发生故障现象时,其内部的产气机理以及不同故障模式下产气的基本特点。最后,分析了常用的基于DGA的变压器故障识别方法。(2)基于搜索者优化算法的支持向量模型参数优选。针对SVM模型参数优化问题,本章提出基于SOA-SVM模型参数优化方法。本章首先对支持向量机理论进行论述,针对其模型参数优化问题,提出基于搜索者算法的优化方法,对SOA算法的基本理论和性能进行分析,并对SVM模型参数优选的步骤进行论述。(3)基于SOA-SVM的电力变压器故障诊断模型。针对电力变压器监测数据的特点,提出并构建基于SOA-SVM的故障诊断模型。分析了模型的构建思路与故障诊断流程,对模型的基本流程进行介绍,并对关键问题进行分析和明确。(4)变压器故障诊断模型实证研究。基于所建立的SOA-SVM模型,采用实际监测的变压器数据进行分析验证,结果表明,所建立的基于SOA-SVM的变压器故障诊断模型,具有较高的判别精度,错判和误判比率低,具有良好的科学性和应用效果。