基于案例推理的电力变压器故障诊断系统研究

《基于案例推理的电力变压器故障诊断系统研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号______________________________密级______________________________ＵＤＣ______________________________编号______________________________硕士学位论文基于案例推理的电力变压器故障诊断系统研究学位申请人：刘晶学科专业：电气工程指导教师：傅军栋副教授答辩日期：2015年6月独创性声明本人郑重声明：所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表和撰写的研究成果，也

2、不包含为获得华东交通大学或其他教育机构的学位或证书所使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。本人签名_______________日期____________摘要基于案例推理的电力变压器故障诊断系统研究摘要作为电力系统最重要的电力设备之一，电力变压器的运行状态直接影响电网的经济运行和安全生产。为保障电力变压器安全可靠的运行，对其进行故障诊断研究极有必要。本文通过引入案例推理的人工智能方法，应用于变压器的故障诊断，建立了基于案例推理的变压器故障诊断模型。首先，分析了变压器故障原理、故障特征、故障影响和对应应采取的措施，

3、整合大量故障案例信息，采用面向对象的案例表示方式，建立了故障案例库。其次，针对不同类型的故障数据，设计相应的相似度计算模型。对于特殊数据进行处理，以契合案例推理的运算规则。再次，对于案例推理的核心，案例的检索，本文提出基于熵和聚类的改进K-NN算法，使用信息增益来评价属性的分类能力和重要程度，并以此作为属性选择的依据。引入聚类的思想，提取与待诊断问题最相关的特征属性的权值。然后，本文分析了气相色谱分析与变压器内部故障的关系，针对变压器故障DGA数据的复杂分散的特性，设计以引入核函数的支持向量机（SVM）模型对变压器进行故障诊断。同时引入果蝇优化智能算法（FOA）对SVM

4、模型的关键参数进行优化，建立了果蝇优化支持向量机的变压器故障诊断模型。与启发式算法优化SVM参数相比，FOA-SVM的故障分类性能更佳。最后，建立了基于CBR的电力变压器故障诊断系统模型。运用数据库技术，在VisualC++6.0、Matlab2010a等编程环境下，实现CBR的变压器诊断系统。通过变压器故障实例仿真，结果表明本文设计思想的合理性和有效性。关键词：变压器，案例推理，故障诊断，熵和聚类，K-NN，FOA-SVMIAbstractRESEARCHONPOWERTRANSFORMERFAULTDIAGNOSISSYSTEMBASEDONCASE-BASEDRE

5、ASONINGABSTRACTAsoneofthemostimportantequipmentinpowersystem,therunningstateofpowertransformerdirectlyaffectstheeconomicoperationandsafeproductionofpowergrid.Inordertoguaranteethesafeandreliableoperationofthepowertransformer,theresearchonfaultdiagnosisaboutitisverynecessary.Thispaperesta

6、blishesthetransformerfaultdiagnosismodelbasedonCase-BasedReasoning(CBR).Firstly,Throughanalyzingtransformerfaultprinciple,faultcharacteristic,faulteffectandcorrespondingmeasurestobetakenandintegratingalargenumberoffaultcaseinformation,thefaultcasebasewasestablishedusingobjectorientedcase

7、representationmethod.Next,thecorrespondingsimilaritycalculationmodelwasdesignedaimingatthefaultdataofdifferenttypes.Thespecialdatawasprocessedtofitthecasereasoningrulesofoperation.Then,forthecoreofCBR,caseretrieval,thispaperproposestheimprovedK-NNalgorithmbasedonentropyan