電力發(fā)表的優(yōu)秀論文范文.doc

電力發(fā)表的優(yōu)秀論文范文 1緒論 1.1研究電力變壓器故障診斷和預測的目的和意義 變壓器是電力系統(tǒng)樞紐設備之一，在保證電力系統(tǒng)的安全運行和安全運營過程中占有重要的地位。現(xiàn)今我國變壓器的電壓等級和容量增長迅速，變壓器的故障率也越來越高。因此，有效地監(jiān)測變壓器運行狀態(tài)、診斷和預測變壓器故障，分析如何提高變壓器運行的可靠性，是現(xiàn)今電力行業(yè)需要研究的重要課題之一。變壓器維修技術(shù)的發(fā)展大致可以分為三個階段：事故檢修定期檢修狀態(tài)檢修。事故檢修是50年代以前主要采取的方式，就是在設備發(fā)生了故障或事故以后才進行檢修。那時沒有形成像現(xiàn)在這樣龐大的系統(tǒng)網(wǎng)絡，因此設備發(fā)生故障時的影響面小，同時大部分設備都比較簡單，設備的設計裕量大而且修復容易，設備停運對企業(yè)的經(jīng)營活動影響不大，人們的依賴性也沒有現(xiàn)在這樣強烈，所以當時只進行簡單的日常維護和檢修，沒有開展系統(tǒng)的檢修。 我國采用的定期計劃檢修即為電力設備預防性試驗制度，即通過對電力設備進行定期的停電預防性試驗，根據(jù)試驗結(jié)果決定電力設備在下一次投運前是否需要進行必要的維修。定期檢修是一種基于時間的檢修，其理論依據(jù)是：設備能通過定期檢修，周期性地恢復到接近新設備的狀態(tài)。因此，檢修工作的內(nèi)容與周期都是預先通過計劃安排設定的，不管設備的狀態(tài)如何，到時間就要修，目的是為了防止或延遲故障的發(fā)生，以期望達到最大限度地保證設備運行的可靠性。但這種定期檢修的管理制度往往是以犧牲企業(yè)的自身經(jīng)濟利益為代價的，在設備尚未發(fā)生缺陷且可正常運行的情況下就進行停運檢修甚至更換設備，易造成了不必要的人、財、物的浪費。同時，絕緣的劣化、缺陷的發(fā)展總有一定的潛伏期和發(fā)展時間，預防性試驗是定期進行的，不能及時準確地發(fā)現(xiàn)故障，往往在預防性試驗周期內(nèi)時有故障發(fā)生。因此，從以停電進行預防性試驗為基礎的計劃檢修逐步過渡到以在線監(jiān)測為基礎的狀態(tài)維修，已成為電力系統(tǒng)發(fā)展的必然趨勢。變壓器故障診斷和故障預測是變壓器狀態(tài)維修的重要組成內(nèi)容和研究方向。 當變壓器發(fā)生不同程度的故障時，會產(chǎn)生異?，F(xiàn)象或信息。變壓器故障診斷就是搜集變壓器的異?，F(xiàn)象或信息，根據(jù)這些現(xiàn)象或信息進行分析，從而判斷故障的類型、嚴重程度和故障部位。目前變壓器故障診斷用于判斷變壓器是何種故障，以及故障程度等。但是，對于當前沒有發(fā)生故障或故障癥狀不明顯的變壓器，診斷系統(tǒng)卻不能預測它們何時出現(xiàn)故障，出現(xiàn)什么故障。故障預測就是指根據(jù)故障征兆，對可能發(fā)生故障的時間、位置和程度進行預測。無論是變壓器故障診斷還是故障預測，都需要由變壓器的在線檢測狀態(tài)信息得出診斷或預測結(jié)果。變壓器的狀態(tài)檢修是以變壓器當前的實際工作狀況為依據(jù)，通過先進的狀態(tài)監(jiān)測手段、可靠的評價手段和壽命的預測手段來判斷設備的狀態(tài)。對故障的嚴重程度、發(fā)展趨勢做出判斷，識別故障的早期征兆，并根據(jù)分析診斷結(jié)果在設備性能下降到一定程度或故障將要發(fā)生之前進行維修?？梢?，變壓器故障診斷與故障預測是變壓器狀態(tài)維修的基礎工作，是進行狀態(tài)維修的重要依據(jù)。只有準確地診斷、可靠地預測變壓器的運行狀態(tài)，才能指導現(xiàn)場對缺陷變壓器開展狀態(tài)檢修。因此，采用智能方法建立相應模型，利用變壓器的狀態(tài)信息準確地監(jiān)視變壓器的運行狀態(tài)并提供早期的故障報警，在變壓器出現(xiàn)某些故障征兆的時候進行故障診斷或保護設備，對實施變壓器狀態(tài)維修，從而降低變壓器維修費用和提高變壓器可靠性具有重要的理論意義和實際應用價值。 1.2電力變壓器故障分類及診斷方法 電力變壓器是保證電力系統(tǒng)安全運行的最重要的電氣設備之一，對變壓器故障進行及時準確地診斷，可以避免和減少事故。由于電力變壓器的故障和事故多數(shù)是由直接原因、間接原因和擴展性原因綜合起來而引起的，非常復雜。而故障現(xiàn)象往往表現(xiàn)為同一故障的現(xiàn)象呈現(xiàn)多樣性，不同故障的現(xiàn)象卻具有相似性。 1.2.1電力變壓器故障分類 變壓器故障有不同的分類方式，常見的故障類型如下： (1)按變壓器本體結(jié)構(gòu)可分為內(nèi)部故障和外部故障。內(nèi)部故障為變壓器油箱內(nèi)發(fā)生的各種故障，其主要類型有：各相繞組之間發(fā)生的相間短路、繞組的線匝之間發(fā)生的匝間短路、繞組或引出線通過外殼發(fā)生的接地故障等。外部故障為變壓器油箱外部絕緣套管及其引出線上發(fā)生的各種故障，其主要類型有：絕緣套管閃絡或破碎而發(fā)生的接地（通過外殼）短路，引出線之間發(fā)生相間故障等而引起變壓器內(nèi)部故障或繞組變形等。 (2)各種內(nèi)部及外部原因引發(fā)或直接造成的變壓器內(nèi)部故障，從性質(zhì)上一般又分為熱故障和電故障兩大類。熱故障通常為變壓器內(nèi)部局部過熱、溫度升高。根據(jù)其嚴重程度，熱性故障常被分為低溫過熱（低于300）、中溫過熱（300700）、高溫過熱（一般高于700）四種故障情況。電故障通常指變壓器內(nèi)部在高電場強度的作用下，造成絕緣性能下降或劣化的故障。根據(jù)放電的能量密度不同，電故障又分為局部放電、火花放電和高能電弧放電三種故障類型。各種類型的變壓器故障都可能危害變壓器內(nèi)絕緣的安全，使得由于絕緣故障造成的事故在變壓器總事故中占85%以上。各種故障類型及其可能的原因列于表1.1中，其中PD、D1、D2、Tl、T2、T3為國際電工委員會在標準IEC60599中規(guī)定的故障代碼。 2支持向量機理論與LS-SVM 基于數(shù)據(jù)的機器學習問題主要研究如何從樣本中挖掘出目前尚不能通過原理分析得到的規(guī)律，并利用這些規(guī)律去分析客觀對象，對未來數(shù)據(jù)或無法觀測的數(shù)據(jù)進行預測，判斷。傳統(tǒng)的學習理論主要是基于經(jīng)驗風險最小化原則。所謂經(jīng)驗風險，是指在訓練集上的風險，理論表明，當訓練樣本趨于無窮多時，經(jīng)驗風險收斂于實際風險。在實際應用中，樣本數(shù)據(jù)通常是有限的，因此研究在有限樣本情況下的機器學習理論具有更高的實用價值。Vapnik從70年代開始研究有限樣本情況下的機器學習問以及統(tǒng)計學理論。結(jié)構(gòu)風險最小化原則逐漸成為人們研究分析的一個熱點，支持向量機與最小二乘支持向量機LS-SVM就是這一階段研究的重要成果。為了充分理解支持向量機和LS-SVM的原理，本章首先介紹機器學習問題的表示及其相關(guān)概念，然后討論支持向量機的分類算法，回歸算法，對支持向量機的特點加以總結(jié)。并由此引出最小二乘支持向量機LS-SVM相關(guān)概念，為實現(xiàn)變壓器故障診斷與故障預測打下堅實的理論基礎。 2.1機器學習的基礎知識 2.1.1機器學習問題的表示 所謂的機器學習是指設計某種方法，通過對己知數(shù)據(jù)的學習，找到數(shù)據(jù)內(nèi)在的相互依賴關(guān)系，從而對未知數(shù)據(jù)進行預測或?qū)ζ湫阅苓M行判斷。機器學習的過程就是構(gòu)建學習機的過程。機器學習包括多種方法，如遺傳算法、人工神經(jīng)網(wǎng)絡等。簡單說來，機器學習的目的就是根據(jù)給定的訓練樣本來尋求對某系統(tǒng)輸入與輸出之間依賴關(guān)系的估計，并使它能夠?qū)ξ粗獢?shù)據(jù)做出盡可能準確的預測。為了能夠較好地理解機器學習問題，本章首先介紹機器學習的一般模型，機器學習的一般模型如圖2.1所示。它由三部分組成：產(chǎn)生器(G)、訓練器(S)、學習機器(LM)。 結(jié)論 目前我國正在積極探索和實踐狀態(tài)檢修制度，而變壓器故障診斷和故障預測是狀態(tài)檢修的基礎性工作。變壓器結(jié)構(gòu)復雜，其故障機理呈多樣性、隨機性和模糊性，使得故障診斷存在相當大的困難；變壓器油中溶解氣體往往呈現(xiàn)非等間隔小樣本的特點，傳統(tǒng)的預測方法并不適用于這類數(shù)據(jù)的預測。因此，采用一種新的人工智能方法來進行變壓器故障診斷與故障預測是非常有必要的。 本文以最小二乘支持向量機LS-SVM為工具，以變壓器為研究對象，以油中溶解氣體DGA數(shù)據(jù)為手段，對變壓器的故障診斷和故障預測進行了研究。通過論文的研究，得出如下主要結(jié)論： (1)對變壓器故障類型與油中溶解氣體DGA的關(guān)系進行了機理分析，闡述了統(tǒng)計學原理的基本理論。詳細討論支持向量機的與最小二乘支持向量機LS-SVM的原理與方法，明確指出LS-SVM是進行本課題研究的有力工具。構(gòu)造了基于LS-SVM的變壓器故障診斷模型與故障預測模型，并使用MATLAB平臺中的LS-SVMlab工具箱進行仿真建模。 (2)以變壓器油中溶解氣體與變壓器故障之間的關(guān)系為基礎，使用最小二乘支持向量機LS-SVM進行變壓器故障診斷建模研究并給出其求解步驟。對比并分析了1vr，1v1，MOC，ECC這四種多分類算法所建立模型的診斷效果，通過診斷效果比較，選取MOC為最佳的診斷模型。 (3)在LS-SVM中的參數(shù)選擇問題采用自適應優(yōu)化法來選擇合理的模型參數(shù)，為解決LS