基于小波分析和人工免疫的电力变压器故障诊断的方法研究

《基于小波分析和人工免疫的电力变压器故障诊断的方法研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、贵州大学硕士学位论文基于小波分析和人工免疫的电力变压器故障诊断的方法研究姓名：肖监申请学位级别：硕士专业：电气工程及其自动化指导教师：邱国跃;熊炜20080501贵州大学硕士学位论文摘要在当代电力系统中，电力变压器是最重要、最昂贵的设备之一，它直接关系到电力系统运行的稳定性及可靠性，因此，我们必须最大限度地防止和减少电力变压器故障和事故的发生。局部放电是变压器内绝缘劣化的重要原因，也是反映变压器绝缘状况的重要征兆，变压器局部放电在线监测及模式识别是检测变压器内绝缘缺陷及评价绝缘状况的重要方法，其最大的难题是如何消除现场的各种干扰，并提取被测局部放电信号特征及进行放电模式识别【1J。

2、本文在分析国内外电力变压器局部放电在线监测的干扰抑制和模式识别有关技术的基础上，作者对局部放电信号中小波变换抑制周期性窄带和白噪干扰、统计特征量的提取、以统计特征量识别放电模式方法等进行了系统研究。1、本文分析了变压器噪声信号的来源和特性，研究了噪声信号和局部放电信号的不同频率特性，研究利用小波变换的频域分割特性，将局放信号从现场所采集到的信号中提取出来的方法。并对此方法进行了仿真研究及分析，其结果表明小波分析法抑制干扰能力强，勿需事先确定干扰的分布，能够准确检测局部放电信号的各种信息。2、本文研究了应用于变压器故障诊断的模式识别技术方法，其中人工免疫算法是近年来出现的一种随机优化

3、算法，它模仿生物免疫系统原理，通过克隆、复制、变异等一系列复杂的机制，产生抗体，达到消灭抗原的目的，是一种较好的模式识别方法。3、本文利用小波变换所提取出来的局部放电特征量，将其与人工免疫的方法结合起来，进行模式识别，区分不同放电类型，其结果表明这种方法，能有效地识别出局部放电信号的模式，为变压器故障诊断提供直观、有效的理论依据。本文主要基于免疫算法的模式识别技术，将它与小波分析法相结合，以实现电力变压器的局部放电类型的诊断，使之成为一个既有理论价值又有工程实用价值的方法。关键词：变压器，局部放电，小波分析，人工免疫，模式识别，故障诊断HI贵州大学硕士学位论文AbstractInt

4、hepresentageelectricsystem，theelectricpowertransformerisoneofimportant，themostexpensiveequipment，itisrelatedtothestabilityandreliabilitythatelectricsystemrunsdirectly，therefore，occurrenceournecessaryhighlimitfieldbeingguardedagainstandcuttingdowntheelectricpowertransformermalfunctionandtheacci

5、dent．Thatpartdischargesisimportanttransformerinnerinsulationdegradationcause，isalsotoreflectimportanttransformerinsulationsituationportent，transformerpartisdischargedmonitoringthemethodreachingprinciplesofpatternrecognitionbeingtocheckthetransformerinnerinsulationdefectandappraisinginsulations

6、ituationimportanceonline，variousbeinghowtoremoveasceneisdisturbedwhosemaximaldifficultproblem，isdrawnandbytheprinciplesofpatternrecognitionmeasuringthepartdischargingsignalcharacteristicandcarryingoutdischarging．Theauthordistinguishesthemainbodyofabookonanalysinghomeandabroadelectricpowertrans

7、formerpartdischargingbasisabouttechnologydisturbingrestraintandprinciplesofpatternrecognitionmonitoringingleam，tothedisturbanceshiftingrestraintcyclicitynarrowbeltandchirpingvainly，statisticscharacteristicamountsdrawingsmallwaveinpartdi