利用改进遗传算法与LS-SVM进行变压器故障诊断

最小二乘支持向量机(least square support vector machines,LS-SVM)能较好地解决小样本、非线性数据特征的多分类问题,适用于电力变压器油色谱故障诊断,但参数c与σ2的选取对诊断结果影响较大,因此有必要对其进行优化选择。文中利用改进遗传算法(improved genetic algorithm,IGA)对c与σ2参数进行寻优。IGA采用了编码机制随机产生初始种群,这样可快速扩大搜索空间,稳定群体中个体多样性,有效提高全局搜索能力和收敛速度。文中采用IGA优化后的LS-SVM对多组变压器油色谱数据进行故障诊断分析。结果表明,IGA可以有效实现对LS-SVM算法中c与σ2的优化选取,提高变压器故障诊断的准确率。     

基于M-LS-SVR的变压器油中溶解气体浓度预测

为预测变压器油中溶解气体的浓度,提出了混合最小二乘支持向量机回归(Mixed Least Square Support Vector Regression,M-LS-SVR)算法。该算法使用线性和非线性核函数的组合作为预测函数,利用真实数据自适应选择其混合比例因子。实验结果表明,与目前比较流行的BP神经网络方法、SVR方法和LS-SVR方法的预测结果相比,该方法具有更小的预测误差,更低的复杂性以及更好的泛化能力。     

基于灰色最小二乘支持向量机的变压器油溶解气体预测

变压器油中溶解气体的体积分数是进行变压器绝缘故障诊断的重要依据,对变压器油中溶解气体进行预测有助于及时预测变压器的故障。将灰色预测方法与支持向量机相结合,通过使用对原始数列进行一次累加生成的处理方法,以提取数列所具有的深层规律特征,建立了基于灰色最小二乘支持向量机的变压器油中溶解气体预测模型,并对最小二乘支持向量机参数的选取进行了优化,最终通过实例与BPNN、灰色模型预测结果相比较,验证了该模型的准确性和有效性。     

基于改进灰狼算法与最小二乘支持向量机耦合的电力变压器故障诊断方法

电力变压器运行故障的准确诊断有利于提高变电设备状态检修和电网安全运行水平,为实现故障的准确分类,文章以油中溶解的5种典型气体作为故障诊断的特征量,提出一种基于改进灰狼算法与最小二乘支持向量机耦合的电力变压器故障诊断方法。该方法通过改进灰狼算法寻求最小二乘支持向量机中的最优惩罚系数C和核函数参数g,用以提高故障诊断的准确率。首先阐明最小二乘支持向量机和灰狼算法的改进点并将二者耦合,将其代入413组电力变压器的油中溶解气体检测数据来诊断故障类型,与其他诊断方法进行对比;其次研究惩罚系数C和核函数参数g对电力变压器故障类型识别准确率的影响规律;最后借助训练后的改进灰狼算法与最小二乘支持向量机耦合方法,通过两台不同电压等级的变压器故障实例分析,验证了故障诊断方法的有效性。研究结果表明：相较于单一使用最小二乘支持向量机和传统灰狼算法与最小二乘支持向量机耦合,改进灰狼算法与最小二乘支持向量机耦合方法对电力变压器故障诊断的准确率分别提高了14%和7%。此外,惩罚系数C和核函数参数g对电力变压器故障类型识别准确率的影响呈现非线性规律,凸显了通过智能算法找到最优解的便捷性、必要性、有效性。     

基于VNWOA-LSSVM变压器故障诊断方法研究

为进一步提高变压器故障诊断的准确性,提出了一种基于冯洛伊曼拓扑结构优化鲸鱼算法(VNWOA)与最小二乘支持向量机(LSSVM)相结合的变压器故障诊断方法。利用冯洛伊曼拓扑结构的原理来改进鲸鱼算法,通过为每个鲸鱼个体构造VN拓扑结构,提高鲸鱼算法的收敛速度和寻优精度;利用VNWOA得到LSSVM的核函数参数和惩罚系数的最优解并构建VNWOA-LSSVM诊断模型;引入收集到的260例油浸式变压器DGA数据进行实例分析。结果表明,与其他诊断模型相比,VNWOA-LSSVM诊断模型有着更高的准确率,诊断效果更好。     

基于LS-SVM的矿井提升机故障预测

矿井提升机是矿井生产的咽喉,其可靠性对煤矿安全高效生产起着至关重要的作用,提升机故障预测是提高提升机可靠性的重要措施.针对传统提升机故障预测模型相对误差较大的问题,建立了基于最小二乘支持向量机的提升机故障预测模型,并利用采集到的提升机相关数据对模型进行训练,再对提升机的实时数据进行预测,以发现是否可能异常.实验结果...     

用统计学习理论预测变压器油中溶解气体浓度

提出了一种新的预测电力变压器油中溶解气体浓度的方法 ,该方法通过构造支持向量机 (SVM)和进行 Ad-a Boost加强推理 ,很好的利用了 SVM解决有限样本问题的优势 ,提高了预测精度和泛化能力。两实例应用结果证明了该方法的有效性     

基于多元重构预测和LS-SVR的变压器故障诊断

通过对变压器油中溶解气体进行预测,可以及早发现变压器故障。提出将多变量时间序列重建的状态变量作为LS-SVR模型输入,建立变压器故障的预测模型。首先,给出基于多元重构的预测原理和LS-SVR理论。然后,讨论重构参数和LS-SVR参数对于预测误差的影响,通过合理选择参数确保预测的精度。最后,将该方法用于变压器故障诊断实例以验证多元重构和支持向量机预测的适用性,通过与多种预测方法进行比较,基于LS-SVR原理的变压器故障组合预测模型的预测精度明显优于单一预测模型和其它的组合预测模型。     

基于改进LS-SVM的短期电力负荷预测方法研究

针对电力负荷随机性强、稳定性差、预测精度不理想等问题,提出了一种基于粒子群优化PSO和最小二乘支持向量机LS-SVM的短期负荷预测方法.模型的输入因子是负荷数据和气象信息等.粒子群优化算法用于实现支持向量机参数的自动优化,建立了基于粒子群优化的最小二乘支持向量机短期负荷预测模型.通过仿真验证了改进前后预测模型的准确性和...     

基于遗传算法的LS-SVM在谐波源建模中的应用

对现有的电力系统谐波源建模方法进行分析比较,提出基于最小二乘支持向量机的建模方法,并引用遗传算法对参数寻优以提高模型精度.为了验证方法的有效性,在不考虑和考虑供电端电压谐波含量两种情况下采用Matlab对晶闸管控制电抗器进行仿真提取训练数据并建模.结果表明采用基于遗传算法的最小二乘支持向量机建立的谐波源模型精度高,是谐波源建模的有效方法.该方法把建模对象当作黑箱,没有考虑内部机理,也可用于其他非线性负荷建模之中.     

基于光声光谱的变压器油中多组分气体检测方法

油中溶解气体对变压器早期潜伏性故障的诊断具有重要作用。光声光谱技术是基于光声效应的一种新型微量气体检测技术,基于光声光谱技术的基本原理,以甲烷和乙炔为例,对变压器油中多组分故障特征气体的光声光谱检测方法进行研究。提出的基于分布反馈半导体激光器的光声光谱检测装置具有选择性好、检测范围大的优点,提出的基于最小二乘回归的多组分气体光声定量方法不需要池常数、气体吸收系数等参数,因而避免了这些参数引入的误差。实验结果表明,提出的方法能够有效地检测出多组分故障特征气体,为光声光谱技术的工程应用提供了方法参考。     

变压器油中溶解气体的化学检测

变压器绝缘状况优劣是变压器安全运行的关键因素,特别是超高压换流变压器,为确保可靠安全运行,投运前必须对绝缘油严格检测。介绍变压器油中溶解气体的主要成分、形成机理以及现在通用的化学分析方法。     

基于遗传程序设计的变压器油中溶解气体含量预测

为了对变压器的运行状态和潜伏性故障进行有效预测,提出了基于遗传程序设计(GP)的变压器油中溶解气体浓度的预测方法.结合变压器运行实例,分别给出了变压器油中7种主要气体的预测模型,并与灰色模型及其改进形式进行比较.对比分析结果表明,在同为小样本训练数据的情况下,GP比灰色模型的预测精度更高.     

利用油中溶解气体含量分析套管漏气的方法

目前尚无利用油中溶解气体含量分析变压器套管漏气的规程和文献。文中通过实际案例,说明如何利用油中溶解气体含量分析变压器套管是否存在漏气、是否存在过热故障或放电故障以及故障的严重程度。从而可以弥补相关的技术空白,为生产一线对变压器套管状态的判断提供有力的技术参考。     

浅析变压器油溶解气体在线监测系统

变压器油中溶解气体在线监测技术是国内外的研究热点,随着计算机、高分子材料、色谱等技术的不断更新和发展,产品日趋成熟和完善,并日益受到电力行业的关注和应用.现以HYDRAN201i型变压器油中溶解气体在线监测系统为例,介绍该系统的工作原理、性能特点及运行中常见问题和解决方案,为同类产品的维护检修提供参考,积累经验,提高设备运行的可靠性和稳定性.     

用灰色多变量模型预测变压器油中气体的方法

变压器的油中溶解气体分析(DGA)是变压器绝缘寿命估计和绝缘故障诊断的重要依据,变压器油中气体体积分数的预测是周期性测试的重要补充。为此,在研究现有气体预测方法的基础上,提出使用灰色多变量模型来预测变压器的油中气体体积分数,以克服常用预测方法在预测时一般只考虑某一个特征参数或单独考虑几个特征参数发展变化的不足。灰色多变量模型可使用从同一信号中提取的多个诊断指标同时进行预测,从系统的角度统一描述各特征参数,因而能获得较准确的预测结果。另外还用绝对关联度进行了气体的相关性分析,这是使用灰色多变量模型进行预测的前提。预测实例表明了该方法的有效性和优越性。     

变压器油中溶解气体光声光谱检测技术研究

光声光谱技术具有选择性好、检测范围宽、准确度高和免维护等优点,基于光声光谱气体检测原理和变压器油中溶解气体的吸收光谱特征,对油中溶解气体进行定性和定量分析,构建了结合动态顶空脱气和光声光谱检测的微量气体检测装置,研究检测器内部噪声、环境温度和湿度等对检测结果的影响,结合现场数据和实验分析空气湿度的影响并提出解决方案,对比检测了取自现场变压器的油样,结果达到了IEC和相关国家标准的要求。     

变压器油中溶解气体故障诊断的改进模糊算法

变压器故障原因十分复杂,故障现象与故障机理间的联系存在着模糊性和不确定性。现有的经典故障诊断算法应用广泛,但存在一些固有缺点。为此,引入遗传算法,对模糊迭代自组织数据分析算法(iterative selforganizing data analysis techniques algorithm,ISODATA)进行改进,提出优化诊断方法,提高了算法效率,降低了ISODATA对于初始聚类的依赖性。结合具体诊断案例,对改进前后诊断方案各方面指标进行比较分析,证明所提方案的准确性、高效性。采用遗传算法改进的模糊ISODATA更符合实际需要,可方便地应用于对油浸式变压器的故障诊断。     

添加剂对变压器油腐蚀性和油色谱测定结果的影响

为研究变压器油中添加抗氧化剂二苄基二硫醚（DBDS）后的腐蚀特性,以及金属减活剂抑制腐蚀的特性,在实验室以2种油（简称油A和油B）为主要研究对象,进行了相关加速热老化试验。首先根据ASTM D1275B法进行相关加速热老化试验,检测腐蚀性硫化物;然后对添加一定量金属减活剂（Irgament 39）的油B进行90 ℃下的加速热老化试验,分析油中溶解气体含量变化。研究发现：DBDS为腐蚀性硫化物,而金属减活剂不是;金属减活剂能有效防止硫腐蚀的发生,但其本身随热老化快速消耗;添加金属减活剂之后,油中溶解气体H₂、CO、CO₂等含量明显增加,需关注这些溶解气体的分析结果及其对油色谱测定结果的影响,特别是对变压器故障进行判断时,需考虑这一因素,以防误判。     

变压器油中溶解气体在线监测系统的应用

介绍了变压器油中溶解气体在线监测系统在北京电网的应用现状,指出了目前所采 用的在线监测装置存在的优、缺点,并对在线监测系统的应用前景进行了展望。