基于支持向量机和多信息融合的局部放电故障诊断研究

《基于支持向量机和多信息融合的局部放电故障诊断研究》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、伞ｉｔ吏々夫當博±学位论文基于支持向量机和多信息融合的局部放电故．障诊断研究Ｓ１：ｕｄｏｎＰａｒｔｉａｌＤｉｓｃｈａｒｅＦａｕｌｔＤｉａｎｏｓｉｓＢａｓｅｄｏｎｙｇｇＳｕｏｒｔＶｅｃｔｏｒＭａｃｈｉｎｅａｎｄＩｎｆｏｒｍａｔｉｏｎＦｕｓｉｏｎｐｐ王瑜２０１５年６月国内图书分类号：ＴＭ８５学校代码；１００７９国际图书分类号．３；６２１密级：公开工学博±学位论文基于支持向量机和多信息融合的局部放电故障诊断研究博±研究生：王瑜

2、导师：苑津莎教授申请学位：工学博±学科：电气工程专业：电工理论与新技术所在学院：电气与电子工程学院答辩日期：２０１５年６月授予学位单位；华北电为大学ＣｌａｓｓｉｆｉｅｄＩｎｄｅｘ：ＴＭ８５Ｕ．Ｄ．Ｃ：６２１．３Ｄｉｓｓｅｒｔａｔｉｏ打抗ｒ化ｅＤｏｃ化ｒａｌＤｅｇｒｅｅｉｎＥｎｇｉｎｅｅｒｉｎｇＳｔｕｄｙｏｎＰａｒｔｉａｌＤｉｓｃｈａｒｅＦａｕｌｔＤｉａｎｏｓｉｓＢａｓｅｄｏｎｇｇＳｕｐｐｏｒｔＶｅｃｔｏｒＭａｃｈｉｎｅ

3、ａｎｄＩｎｆｏｒｍａｔｉｏｎＦｕｓｉｏｎＣａｎｄｉｄａｔｅ；ＷａｎＹｕｇＳｕｐｅｒｖｉｓｏｒ：Ｐｒｏｆ．ＹｕａｎＪｉｎｓｈａＡｃａｄｅｍｉｃＤｅｇｒｅｅＡｐｐｌｉｅｄｆｏｒ：ＤｏｃｔｏｒｏｆＥｎｇｉｎｅｅｒｉｎｇＴｈｅｏｒｏｆＥｌｅｃｔｒｏｔｅｃｈｎｉｃｓａｎｄＮｅｗＳｐｅｃｉａｌｉｔｙ：ｙＴｅｃｈｎｏｌｏｇｙＳｃｈｏｏｌｏｆＥｌｅｃｔｒｉｃａｌａｎｄＥｌｅｃｔｒｏｎｉｃＳｃｈｏｏｌ：ｒＥｎｉｎｅｅｒｉｎｇｇＤａｔｅｏ

4、ｆＤｅ化ｎｅｅ：Ｊｕｎｅ２０１５，－－ＮｏｒＤｅｇｒｅｅＣｏｎ化ｒｒｉｎｇＩｎｓｔｉｔｕｔｉｏｎ：ｔｈＣｈｉｎａＥｌｅｃｔｒｉｃＰｏｗｅｒＵｎｉｖｅｒｓｉｔｙ华北电力大学博±学位论文原创性声明本人郑重声明：此处所提交的博±学位论文《基于支持向量机和多信息融合的局部放电故障诊断研究》，是本人在导师指导下，在华北电力大学攻读博±学位期间独立进行研究工作所取得的成果。据本人所知，论文中除己注明部分外不包含他人己发表或撰写过的研究成果。对本文的研巧工作做出重要贡献的个人和

5、集体，均己在文中Ｗ明确方式注明。本声明的法律结果将完全由本人承担。作者签名：ｊＬ日期：年＾月＜３日华北电力大学博±学位论文使用授权书《基于支持向量机和多信息融合的局部放电故障诊断研巧》系本人在华北电力大学攻读博±学位期间在导师指导下完成的博±学位论文。本论文的研究成果归华北电为大学所有，本论文的研究内容不得Ｗ其它单位的名文发表。本人完全了解华北电力大学关于保存、使用学位论文的规定，同意学校保留并向有关部口送交论文的复印件和电子版本，，允许论文被查阅和借阅。本人授权华北

6、电力大学，可＾公。可Ｗ采用影印、缩印或其他复制手段保存论文１布论文的全部或部分内容＂本学位论文属于（请在Ｗ上相应方框内打＾保密□，在年解密后适用本授权书不保密作者签名：日期：占。／女Ｐ月／）日ｉ导师签名：日期：年《月日巧的可？＾摘要摘要ＰａｒｔＤ—局部放电（ｉａｌｉｓｃｈａｒｇｅ，ＰＤ）直Ｗ来都是电力变压器绝缘劣化的重要原因，近年来由于电力设备的电压等级和装机容量的提升，对局放的监测就显得尤为重要。变压器绝缘问题引起的设备故障占总体故障的８０％左

7、右，对局放数一据的检测｜＾及故障识别和状态检测都成为变压器状况监测的主要方法之。由于变压器结构复杂，，可能出现多种放电类型每种类型的破坏作用和危害程度也不尽相同，所Ｗ对放电类型的辨识，可レ：ｉ＞更好的维护变压器健康的运行。本文基于变压器局部放电的原理及特性：，主要完成了下研究工作建立变压器内部局部放电化Ｃ６０２７０标准的检测系统，采用脉冲电流法综合检测系统，，比较分析不同检测方法的检测性能建立变压器内部悬浮放电、针板放电、沿面放电及气隙放电等四种绝缘缺陷的放电信息数据库。通

8、过基于相位分析的统计恃征参数和基于时间分析的分形特征参数两种主要分析模式，研究不同分析模式下，数据信息么间的相关性与差昇，并在此基础上提取灰度分形特征和交叉小波谱特征进巧识别。（ＳＶＭ）ＲＰＤ、提出了二叉树结构多分类支持向量机的最优学习方法，利用ＰＴＲＰＤ、灰度分形和交叉小波谱４种特征向量，对ＳＶＭ进行训练和验证，分析了不同的模型参数对支持向量机性能的影响；并采用骨干粒子群优化算法对核参数进行优化，ＰＤ故障识别