基于改进双向循环神经网络的变压器故障诊断模型研究

针对传统神经网络对变压器时序关系挖掘缺失、分类泛化性差、对异构数据分类准确率低的问题,提出了一种基于改进的双向循环神经网络的变压器故障诊断模型。该模型通过双向循环神经网络进行特征提取,将前后时刻的特征进行融合,采用多核学习支持向量机方法对特征数据进行分类,在多核学习支持向量机中进行核融合,从而提高特征数据分类的准确性。数值仿真分析了时序通道对长短时序网络诊断性能的影响,以及多核学习对支持向量机泛化能力和对异构数据处理能力的影响,通过变压器故障数据分类试验验证了基于多核学习支持向量机的双向循环神经网络模型的正确性和有效性。结果表明,基于多核学习支持向量机的双向循环网络诊断性能较好,与几种常用的神经网络相比,模型预测正确率更高。     

基于模糊理论与支持向量机的变压器故障诊断方法

摘 要:针对变压器结构的复杂性和故障机理的多样性,提出一种基于模糊理论和支持向量机的变压器故障诊断方法.该方法首先采用模糊理论对故障样本数据进行预处理,提取故障特征,再用支持向量机方法进行故障分类,通过采用一对多(1-α-r)的方法实现多目标分类,得出诊断结果.针对支持向量机参数不易确定的问题,采用多层动态自适应算法...     

基于混沌粒子群优化支持向量机的变压器故障诊断

为了提高电力变压器故障诊断的准确性,也要克服人工神经网络(ANN)中存在的收敛速度慢、容易陷入局部极值等缺陷,提出一种混沌的粒子群优化支持向量机的变压器诊断方法,该方法不仅具有很强的全局搜索能力,而且适用于支持向量机(SVM)参数优化,提高算法的鲁棒性.首先利用混沌的粒子群算法优化支持向量机的参数,把气体的特征参数代入优化的支持向量机分类模型中进行诊断,能够准确地分类变压器故障,从而达到故障诊断的目的.实验结果与常规方法比较,该方法能简单有效,诊断速度快,诊断正确率高.     

基于集成学习的城市空间停车难度预测

停车位预测技术是解决城市停车难问题的一种可行方案。针对神经网络等预测模型难以应对诸如路边占道停车等复杂情况,提出了一个基于支持向量机和决策树集成的模型训练方法,不再着重预测停车位的个数,而是预测某一位置的停车难度。在每轮训练过程中拟合一个支持向量机模型,同时收集预测出错的样本,最后在误分类样本集合上训练决策树模型来提高整个模型的预测准确性。采用该方法训练了一个城市空间停车难度预测模型,并利用该模型预测了近一周时间的停车难度。实验结果显示,该方法的预测效果优于单独使用支持向量机、决策树和全连接神经网络模型,可以较好地捕捉到停车难度随时间变化的基本情况。     

基于组合分类器的信用卡信誉检测方法研究

给出了支持向量机的信誉检测模型和基于决策树的信誉检测模型的建立方法,并在这2种单一分类器的基础上,归纳总结了支持向量机方法和决策树方法对信用卡信誉检测的偏好特性,提出了一种基于偏好特性的组合分类模型建立方法．     

分级聚类支持向量机在汽轮机故障诊断中的应用

在两类支持向量机的基础上,综合分级聚类和决策树的思想构造多类支持向量机,从而简化了分类器结构,减少了分类器数量,避免了拒绝分类区的出现,并加快了训练和识别速度。在小样本情况下对多类汽轮发电机组故障进行了诊断研究,结果表明该方法能够正确地对故障进行识别。     

一种非线性支持向量机决策树多值分类器

提出了一种非线性支持向量机决策树的分类算法．该算法通过核函数将支持向量机推广到非线性支持向量机,并在非线性映射后计算特征空间中类间相对分离度,得到类的易分程度．在支持向量机决策树分类中引入相对分离度,有效地降低累积误差,减少计算规模,从而提高分类精度与分类效率．实验结果表明,与一般的线性支持向量机决策树分类算法相比,该算法的分类精度有了明显提高,同时其分类时间也相应降低．     

最小生成树SVM的模拟电路故障诊断方法

提出最小生成树的支持向量机模拟电路故障诊断方法,通过小波分解提取电路故障特征,在特征空间中以故障类的可分性测度为权值构造最小生成树,得到具有聚类属性的故障子类划分,从而优化故障决策树节点的分布。按照最小生成树的结构建立具有较大分类间隔的多分类支持向量机,能够有效地提高模拟电路故障诊断的正确率。该方法简化支持向量机的结构,在实例电路的故障诊断中获得更高的诊断精度和效率,其性能优于常用的支持向量机方法。     

基于最小二乘支持向量机的黏着状态辨识

针对重载机车黏着状态辨识中分类准确率不高的问题,提出采用布谷鸟遗传算法对最小二乘支持向量机的参数进行优化,并采用交叉验证原理提高该模型的整体泛化性能。首先,采用布谷鸟算法寻找惩罚因子和核参数的初始值;然后,采用遗传算法对最小二乘支持向量机进行训练,从而得到具有最佳参数的最小二乘支持向量机的分类模型。该分类模型将重载机车黏着状态分为正常、故障征兆、微小故障和严重故障4个状态。实验结果表明,提出的最小二乘支持向量机模型在黏着状态辨识中的分类准确率高达94.59%,高于极限学习机的分类准确率(84.61%),证明布谷鸟遗传算法能够有效提高最小二乘支持向量机的分类准确率。     

基于改进孪生支持向量机的新型电力系统继电保护故障诊断模型

针对新能源发电因大量并网而导致电网安全性降低的问题，提出了一种基于改进孪生支持向量机的新型电力系统继电保护故障诊断模型。该模型面向新型电力系统设计了一种继电保护体系，并结合设备状态特征构建了故障时序模型。同时利用蛙跳算法对孪生支持向量机的参数进行寻优，以获得最优模型用于设备状态量的分析处理，从而实现故障类型的快速分类。实验结果表明，改进孪生支持向量机的分类准确率约为90%,且所提模型的故障诊断准确率和时间分别约为98.05%及1.48 s,优于其他对比方法。     

由电流互感器饱和引起差动保护误动的分析及试验方法

针对发电厂过高压厂用变压器或起动-备用变压器在区外故障时或厂用大容量电动机起动时差动保护误动作的情况,着重介绍了通过电流互感器伏安特性试验确定其饱和特性的方法,并用试验验证了该方法的可行性.同时,提出了关于避免差动保护因电流互感器饱和而误动的措施.     

变压器空载投运时的无故障跳闸原因分析及对策

变压器的继电保护系统在其发生故障时跳闸断电对其进行保护。大型变压器在空载投运的过程中励磁涌流使相关的保护产生动作,投运不成功。但此时的变压器本身没有故障。通过对变压器空载投运过程中磁场和电流的分析发现,励磁涌流与故障造成的大电流是有差别的。采取相应的办法和措施,可以有效防止这种无故障跳闸的发生。     

变压器差动保护的励磁涌流制动方法

阐述变压器励磁涌流产生的机理,分析变压器差动保护装置的涌流制动方案,比较基于二次谐波、波形对称及间断角等制动方法的优缺点;指出变压器差动保护误动的原因和各种制动方法存在的问题,为现场工作的继电保护人员分析故障、校验保护提供理论支持.     

变压器保护误动分析

文章通过实例分析了双绕组变压器微机保护误动原因,提出了防误措施;分析了平行线路运行方式改变后造成变压器后备误动原因,提出了防止误动的整定方法和运行方式确定;通过实践证明文章提出的方法有效.     

电力变压器铁心接地及油道短路故障分析

电力变压器是电力系统中用来变换电压的重要电气设备,提高电力变压器运行可靠性是极为重要的.影响电力变压器安全运行的因素有很多,分析了变压器铁心多点接地故障和变压器铁心油道短路故障,介绍了故障检测的方法,并提出处理方法.     

变压器故障诊断专家系统的设计

故障诊断型专家系统最重要的问题是知识表示和推理机制.根据人类专家对变压器故障诊断的特点,在学习人类专家诊断变压器故障过程的基础上,对构建变压器故障诊断专家系统的系统结构、知识表示和推理机制进行了较详细的分析和讨论.     

电力变压器故障自动诊断系统的设计

对电力变压器油中的溶解气体进行分析可以及时发现变压器的潜在故障,从而实现对电力变压器故障的诊断.针对常见的电力变压器故障,设计了基于变压器油中溶解气体分析方法和粗糙集方法的故障自动诊断系统,该系统具有直观、方便、可扩展性好的特点,测试结果验证了该系统的有效性.     

变压器绕组内部短路故障的数值仿真方法

提出一种用于变压器绕组内部短路故障检测的数值仿真方法。该方法基于精细模拟绕组结构的有限元分析，针对绕组对地短路和匝间短路故障建立了数值仿真计算模型；采用能量扰动法计算变压器等效电感参数，并进一步使用这些参数建立变压器状态方程，以研究故障状态下变压器端部电气量、磁场分布和故障位置之间的关系。仿真结果表明，模型合理有效。     

变压器后备保护灵敏度分析简

不同联接组别的变压器二次侧发生两相短路故障时,流过变压器一次侧电流的大小和方向均不一致。对于单侧电源的变压器如果电流互感器的接线方式不合适,会影响保护灵敏度,因此二次侧不对称短路时,流过一次侧各相电流的大小和方向,对变压器保护非常重要。Y,Yn12低压变压器低压侧单相接地发生故障时,安装于侧过电流保护不能反应Yn侧的单相接地故障。提出了变压器后备保护的接线方式及提高低压变压器负荷侧单相接地故障灵敏度的措施。     

电流互感器二次错误接线研究

电流互感器为继电保护、自动装置和测量仪表提供安全准确的一次回路电流信息。电流互感器的二次接线经常会发生错误接线,可能造成继电保护、自动装置误动作或拒动。通过对现场错误接线的分析,得到解决电流互感器发生误接线的方法。