论文部分内容阅读
电力变压器作为电力系统中极为重要的电力设备,承担着电能的传输、转换和分配等核心工作,一旦发生故障,往往会带来巨大的经济损失,甚至造成人员伤亡和电力系统瘫痪。为提高电力系统的供电可靠性,保障电力变压器的安全运行是不可或缺的一环。传统诊断方法虽然能对电力变压器故障进行初步诊断,但仍存在很多缺陷且诊断准确率有限。因此,随着供电可靠性要求的日益提高,为对电力变压器的潜在故障进行及时有效的诊断,智能故障诊断方法的研究就具有着重要的现实意义。本文针对电力变压器故障,从数据预处理、特征提取和故障诊断三个方面进行了深入研究,具体工作如下:(1)对电力变压器故障数据的预处理方法进行了深入研究。针对电力变压器故障数据在数量级上分布差异大的问题,对多种数据预处理方法进行了对比分析,并最终选择LOG函数转换方法作为变压器故障数据的预处理方法。该方法属于非线性预处理方法,能对变压器故障数据进行有效处理,使其较为均匀的分布在特征空间中,以减小数据的不良分布给算法带来的不利影响。(2)提出了基于样本评价的有监督等距特征映射(ISOMAP)算法。为有效提取变压器故障数据所包含的重要信息,对ISOMAP算法进行了改进,提出了基于样本评价的有监督ISOMAP特征提取算法。首先根据训练集中每个样本点对各故障类别的隶属度来评价其可靠性,并对样本标签信息加以利用,以重新构建各样本间的测地距离矩阵,并通过多维尺度变换,得到低维嵌入向量;再采用RBF神经网络构造训练样本原始空间与低维空间的映射关系,用以测试样本的降维,从而得到经提取后的故障特征量。实例分析表明,该方法能有效提高各故障类别间的可分性。(3)提出了k值自适应加权k近邻(WkNN)算法并应用于电力变压器故障诊断。为改善传统kNN算法k值固定的缺陷,提出了k值自适应WkNN算法。首先,根据样本的局部密度对k值进行自适应取值,并将传统基于欧式距离的相似度度量方法与样本的分布相似度相结合,以确定各近邻点权值,从而对待测样本的故障类别进行更为有效的判断;最后,结合基于样本评价的有监督ISOMAP特征提取算法与k值自适应WkNN分类算法,对电力变压器进行故障诊断,实例分析表明,所提方法能进一步提升变压器故障诊断准确率。