一种基于模糊逻辑的贝叶斯最优学习器

针对变压器故障信息中存在有不完整、不确定及模糊性的知识,提出一种基于模糊逻辑和贝叶斯最优分类器结合的模糊贝叶斯分类器。该方法首先利用观察信息的模糊隶属度函数建立贝叶斯最优分类器中假设的后验概率,进而计算各类故障信息分类的结果并进行加权平均后得到最佳的诊断结果。应用和研究表明该方法能解决贝叶斯分类器中模糊信息获取的“瓶颈”难题,具有很强的学习能力,是一种有效的变压器绝缘故障诊断方法。     

基于BP-AdaBoost的电子式电能表故障检测方法

为了解决现有电子式电能表故障检测方法精度偏低、训练速度慢的问题,提出一种BP-AdaBoost复合神经网络故障预测方法.首先,在单一BP神经网络的基础上,利用组合分类器算法AdaBoost对其进行改进,将多个单一BP神经网络作为弱分类器,多次迭代训练得到强分类器;随后,将该故障预测方法应用于电子式电能表的典型故障——整流桥故障的分类判别中;利用Simulink搭建电子式电能表仿真模型,选取故障注入点与观测点,仿真运行生成的故障数据作为BP-AdaBoost算法的处理对象.仿真结果表明,BP-AdaBoost故障预测方法与单一BP神经网络故障预测方法相比,能提高预测精度,显著减小误差,在实际应用中具有一定可行性.     

基于BP-AdaBoost的电子式电能表故障检测方法

为了解决现有电子式电能表故障检测方法精度偏低、训练速度慢的问题,提出一种BP-AdaBoost复合神经网络故障预测方法。首先,在单一BP神经网络的基础上,利用组合分类器算法AdaBoost对其进行改进,将多个单一BP神经网络作为弱分类器,多次迭代训练得到强分类器;随后,将该故障预测方法应用于电子式电能表的典型故障——整流桥故障的分类判别中;利用Simulink搭建电子式电能表仿真模型,选取故障注入点与观测点,仿真运行生成的故障数据作为BP-AdaBoost算法的处理对象。仿真结果表明,BP-AdaBoost故障预测方法与单一BP神经网络故障预测方法相比,能提高预测精度,显著减小误差,在实际应用中具有一定可行性。     

Boosting优化决策树的带钢表面缺陷识别技术

基于图像信息的缺陷识别技术是带钢表面缺陷检测系统中的关健技术之一.通过采用单一的分类技术或者一步到位的创建分类器,对复杂带钢表面缺陷图像进行识别很难达到理想的效果.提出了用Boosting算法结合SLIQ决策树建立组合分类器来识别带钢表面缺陷的方法.Boosting算法通过适应性权重技术和带权重的投票方法,建立并组合多个功能互补的分类器,组合分类器通过优势互补的方法有效地提高单个分类器的性能;而SLIQ决策树算法的数据预排序和广度优先技术对大规模数据分类具有速度优势,适合于作为单个分类器的弱学习算法.对实际带钢表面缺陷数据集进行测试,Boosting优化SLIQ决策树的组合分类器对缺陷识别的准确率达到了90%以上.     

变压器故障征兆和原因关系的研究

变压器的正常运行是电力系统安全、可靠、稳定运行的重要保证。变压器一旦发生故障将对电力系统造成重大的危害,通过对变压器故障征兆和故障原因进行分析诊断,能有效地确保变压器正常运行。本文通过对变压器的不同类型的故障进行分类研究,阐述各种故障征兆并对其故障原因进行分析,对变压器故障征兆与原因关系进行了详实论述。     

粗糙集和贝叶斯网络组合诊断变压器故障

针对油浸式变压器故障诊断中信息伴随着随机性、复杂性和不确定性的特点,为了获得更高的诊断率,提出了粗糙集和贝叶斯网络组合诊断模型。在处理不确定性问题方面贝叶斯网络能力很强,粗糙集对离散后的条件属性约简去除冗余信息得到最简决策表后作为贝叶斯网络分类模型的输入,降低了网络结构的复杂性和减少了获取故障属性的难度。对搜集到的数据进行对比测试表明其诊断效果要比单独使用粗糙集或贝叶斯网络分类器的方法更优。最后采用具体的变压器故障实例来测试该方法的可行性。     

基于负序电信号的变压器绕组匝间故障检测系统

变压器绕组匝间故障检测对于保证电力系统稳定运行有重要意义,由于变压器自身很容易遭受外界冲击,进而出现故障,为此应用负序电信号设计了一种新的变压器绕组匝间故障检测系统。在硬件上分别设计了故障信号转化模块和数据检测模块,选用HIEC APF滤波器作为数据采集装置,选择208系列变送器检测故障数据。软件部分利用负序电信号针对三相系统的特点对向量图进行数据处理,将三相数据相加,并分类不同的电力结构,针对电力系统内部故障进行数据检测操作,实现变压器内部故障检测。实验结果表明,设计系统具备很好地确定分布式参数分布状态的能力,当频率超过0.3 kHz时出现对称,表明变压器存在短路故障,故障越严重,变压器绕组匝间阻抗值和相关系数的变化越大。     

基于EMD/HHT的变压器故障检测算法研究

为精准实现变压器故障检测,文章提出基于EMD/HHT的变压器故障检测算法。该算法依据EMD算法对采集的变压器运行信号进行经验模态分解,获取多个固有模态分量;利用HHT算法分析固有模态分量的时频变化情况,获取其频率谱并提取变压器运行信号特征频率,将提取结果输入卷积神经网络模型中,通过网络模型的学习和训练,得出变压器故障检测结果。测试结果显示：该方法具有较好的应用性能,能够有效获取变压器的运行信号固有模态分量,通过所提取分量的频率特征精准完成不同类别变压器故障检测,为电力系统稳定运行提供了可靠的依据。     

基于支持向量机的变压器故障诊断

针对变压器故障诊断中缺少实际典型故障样本的问题,提出了支持向量机（SVMs）变压器故障诊断方法。该方法采用K均值聚类（KMC）对变压器油中5种特征气体样本进行预选取作为特征向量,输入到多分类支持向量机中进行训练,建立SVMs诊断模型,实现对故障样本的诊断分类。实例分析表明,KMC算法浓缩了故障信息,有效地解决了确定模型参数时耗时巨大的问题。该方法在有限样本情况下,能够达到较高的故障正判率,满足变压器故障自动诊断的目的。     

基于人工鱼群算法和LS_SVM的变压器故障诊断

针对变压器故障数据的特征信息不确定性以及传统诊断方法准确率较低的问题,文中采用人工鱼群算法和最小二乘支持向量机相结合的方法来进行变压器故障诊断。将IECTC10数据库中的DGA特征气体比值作为输入,建立基于最小二乘支持向量机的变压器故障诊断模型,并运用人工鱼群算法对最小二乘支持向量机的参数进行优化选取。然后根据诊断结果,选出分类效果最佳的多比值特征参量组合。实验验证结果显示,文中所提出的诊断方法准确率可达96.67%,拥有更高的故障诊断正确率。     

基于SVM的纠错编码多分类算法的研究与应用

为了提高变压器故障诊断的准确率,提出了一种基于纠错编码和支持向量机相结合的多分类算法,根据SVM理论建立变压器故障诊断数学模型,首先基于纠错编码矩阵构造出若干个互不相关的子支持向量机,以提高分类模型的分类准确率。最后把变压器油中溶解气体(DGA)作为纠错编码支持向量机的训练以及测试样本,实现变压器的故障诊断,同时用UCI数据对该算法进行验证。通过VS2008和Libsvm相结合对其进行验证,结果表明该方法具有很高的分类精度。     

基于改进麻雀搜索算法优化BN的变压器故障诊断研究

针对变压器故障诊断准确率低和稳定性差的问题,文中提出了一种改进麻雀搜索算法优化贝叶斯网络的变压器故障诊断方法。首先,通过计算互信息建立最大支撑树并进行定向处理得到贝叶斯网络初始结构即初始种群。然后,在算法中引入一种新的合作机制和正弦余弦算法,提高算法收敛速度和全局搜索能力,并利用油中溶解气体分析,创建基于改进麻雀搜索算法优化贝叶斯网络的变压器故障诊断模型。最后,为了证明所提方法的优越性,将所提的方法与现有变压器故障诊断方法进行对比。结果表明,文中所提出的方法故障诊断率最高,可以更精准地对变压器进行故障诊断。     

电力变压器状态评估及故障诊断方法的应用研究

在电网的运行当中,变压器一直是其重要的组成部分.若想使电力系统在稳固运行中得到进步,就要对变压器进行有效的管理.本文针对电力变压器的状态评估现状,对其故障诊断方式进行研究.     

基于人工免疫算法的变压器故障诊断方法

人工免疫系统是一种由生物免疫系统启发的学习外界物质的自然防御机理的学习技术。基于人工免疫识别原理提出一种电力变压器故障诊断方法,利用增加抗原、记忆抗体类别信息等方法对变压器故障样本进行学习,获取更多表征故障样本特征的记忆抗体集并进行分类。经过对故障数据的Matlab实验,将结果与IEC三比值法进行比较,表明该算法有较高的诊断准确率。     

基于DeepLabv3+网络的电流互感器红外图像分割方法

红外图像智能分析是变电设备故障诊断的一种有效方法,目标设备分割是其关键技术。本文针对复杂背景下电流互感器整体分割难的问题,采用基于ResNet50的DeepLabv3+神经网络,用电流互感器的红外图像训练语义分割模型的方法,对收集到的样本采用限制对比度自适应直方图均衡化方法实现图像轮廓增强,构建样本数据集,并运用图像变换扩充样本数据集,搭建语义分割网络训练语义分割模型,实现电流互感器像素与背景像素的二分类。通过文中方法对420张电流互感器红外图像测试,结果表明,该方法的平均交并比（Mean Intersection over Union, MIoU）为87.5%,能够从测试图像中精确分割出电流互感器设备,为后续电流互感器的故障智能诊断做铺垫。     

电气设备故障诊断中的信息融合技术研究

介绍了信息融合的基本特点、融合系统的构成及关键技术；分析了融合技术处理多源信息的能力，将数据融合技术与故障诊断原理融为一体，实现了基于数据融合技术的变压器故障诊断，提高了变压器故障诊断的确诊率。     

配电网智能负荷监测与互供系统

针对配电变压器的运行特点以及运行中出现的问题,利用嵌入式系统技术,提出了配电网智能负荷监测及互供系统的构建方法,减少实际运行中由于变压器轻载或过载造成的变压器损耗,增加了变压器的寿命,减少了由于变压器故障或线路故障造成的停电事故,对于智能电网的构建也具有重要的推进作用。     

基于NGA优化支持向量机的电力变压器故障诊断

为提高电力变压器故障诊断的准确性,提出一种支持向量机（Support Vector Machines,SVM）的故障诊断方法.该方法用添加最优保存策略的小生境策遗传算法对SVM进行参数优化,确保种群中适应度高的个体能被保留到下一代,使优化对象比较容易稳定,以得到更优良的个体,提高诊断精度.通过与遗传算法优化SVM及标准小生境遗传算法优化SVM的诊断结果相比较,根据对比结果表明：所提方法对变压器故障数据的分类辨识效果更好.