电力发表的优秀论文

时间：2022-10-08 07:30:29 论文范文我要投稿

相关推荐

电力发表的优秀论文范文

　　1 绪论

电力发表的优秀论文范文

　　1.1研究电力变压器故障诊断和预测的目的和意义

　　变压器是电力系统枢纽设备之一，在保证电力系统的安全运行和安全运营过程中占有重要的地位。现今我国变压器的电压等级和容量增长迅速，变压器的故障率也越来越高。因此，有效地监测变压器运行状态、诊断和预测变压器故障，分析如何提高变压器运行的可靠性，是现今电力行业需要研究的重要课题之一。变压器维修技术的发展大致可以分为三个阶段：事故检修→定期检修→状态检修。事故检修是50年代以前主要采取的方式，就是在设备发生了故障或事故以后才进行检修。那时没有形成像现在这样庞大的系统网络，因此设备发生故障时的影响面小，同时大部分设备都比较简单，设备的设计裕量大而且修复容易，设备停运对企业的经营活动影响不大，人们的依赖性也没有现在这样强烈，所以当时只进行简单的日常维护和检修，没有开展系统的检修。

　　我国采用的定期计划检修即为电力设备预防性试验制度，即通过对电力设备进行定期的停电预防性试验，根据试验结果决定电力设备在下一次投运前是否需要进行必要的维修。定期检修是一种基于时间的检修，其理论依据是：设备能通过定期检修，周期性地恢复到接近新设备的状态。因此，检修工作的内容与周期都是预先通过计划安排设定的，不管设备的状态如何，到时间就要修，目的是为了防止或延迟故障的发生，以期望达到最大限度地保证设备运行的可靠性。但这种定期检修的管理制度往往是以牺牲企业的自身经济利益为代价的，在设备尚未发生缺陷且可正常运行的情况下就进行停运检修甚至更换设备，易造成了不必要的人、财、物的浪费。同时，绝缘的劣化、缺陷的发展总有一定的潜伏期和发展时间，预防性试验是定期进行的，不能及时准确地发现故障，往往在预防性试验周期内时有故障发生。因此，从以停电进行预防性试验为基础的计划检修逐步过渡到以在线监测为基础的状态维修，已成为电力系统发展的必然趋势。变压器故障诊断和故障预测是变压器状态维修的重要组成内容和研究方向。

　　当变压器发生不同程度的故障时，会产生异常现象或信息。变压器故障诊断就是搜集变压器的异常现象或信息，根据这些现象或信息进行分析，从而判断故障的类型、严重程度和故障部位。目前变压器故障诊断用于判断变压器是何种故障，以及故障程度等。但是，对于当前没有发生故障或故障症状不明显的变压器，诊断系统却不能预测它们何时出现故障，出现什么故障。故障预测就是指根据故障征兆，对可能发生故障的时间、位置和程度进行预测。无论是变压器故障诊断还是故障预测，都需要由变压器的在线检测状态信息得出诊断或预测结果。变压器的状态检修是以变压器当前的实际工作状况为依据，通过先进的状态监测手段、可靠的评价手段和寿命的预测手段来判断设备的状态。对故障的严重程度、发展趋势做出判断，识别故障的早期征兆，并根据分析诊断结果在设备性能下降到一定程度或故障将要发生之前进行维修。可见，变压器故障诊断与故障预测是变压器状态维修的基础工作，是进行状态维修的重要依据。只有准确地诊断、可靠地预测变压器的运行状态，才能指导现场对缺陷变压器开展状态检修。因此，采用智能方法建立相应模型，利用变压器的状态信息准确地监视变压器的运行状态并提供早期的故障报警，在变压器出现某些故障征兆的时候进行故障诊断或保护设备，对实施变压器状态维修，从而降低变压器维修费用和提高变压器可靠性具有重要的理论意义和实际应用价值。

　　1.2电力变压器故障分类及诊断方法

　　电力变压器是保证电力系统安全运行的最重要的电气设备之一，对变压器故障进行及时准确地诊断，可以避免和减少事故。由于电力变压器的故障和事故多数是由直接原因、间接原因和扩展性原因综合起来而引起的，非常复杂。而故障现象往往表现为同一故障的现象呈现多样性，不同故障的现象却具有相似性。

　　1.2.1 电力变压器故障分类

　　变压器故障有不同的分类方式，常见的故障类型如下：

　　(1)按变压器本体结构可分为内部故障和外部故障。内部故障为变压器油箱内发生的各种故障，其主要类型有：各相绕组之间发生的相间短路、绕组的线匝之间发生的匝间短路、绕组或引出线通过外壳发生的接地故障等。外部故障为变压器油箱外部绝缘套管及其引出线上发生的各种故障，其主要类型有：绝缘套管闪络或破碎而发生的接地（通过外壳）短路，引出线之间发生相间故障等而引起变压器内部故障或绕组变形等。

　　(2) 各种内部及外部原因引发或直接造成的变压器内部故障，从性质上一般又分为热故障和电故障两大类。热故障通常为变压器内部局部过热、温度升高。根据其严重程度，热性故障常被分为低温过热（低于 300℃）、中温过热（300~700℃）、高温过热（一般高于 700℃）四种故障情况。电故障通常指变压器内部在高电场强度的作用下，造成绝缘性能下降或劣化的故障。根据放电的能量密度不同，电故障又分为局部放电、火花放电和高能电弧放电三种故障类型。各种类型的变压器故障都可能危害变压器内绝缘的安全，使得由于绝缘故障造成的事故在变压器总事故中占 85%以上。各种故障类型及其可能的原因列于表 1.1 中，其中 PD、D1、D2、Tl、T2、T3 为国际电工委员会在标准IEC60599 中规定的故障代码。

　　2支持向量机理论与 LS-SVM

　　基于数据的机器学习问题主要研究如何从样本中挖掘出目前尚不能通过原理分析得到的规律，并利用这些规律去分析客观对象，对未来数据或无法观测的数据进行预测，判断。传统的学习理论主要是基于经验风险最小化原则。所谓经验风险，是指在训练集上的风险，理论表明，当训练样本趋于无穷多时，经验风险收敛于实际风险。在实际应用中，样本数据通常是有限的，因此研究在有限样本情况下的机器学习理论具有更高的实用价值。Vapnik 从 70 年代开始研究有限样本情况下的机器学习问以及统计学理论。结构风险最小化原则逐渐成为人们研究分析的一个热点，支持向量机与最小二乘支持向量机 LS-SVM 就是这一阶段研究的重要成果。为了充分理解支持向量机和 LS-SVM 的原理，本章首先介绍机器学习问题的表示及其相关概念，然后讨论支持向量机的分类算法，回归算法，对支持向量机的特点加以总结。并由此引出最小二乘支持向量机 LS-SVM 相关概念，为实现变压器故障诊断与故障预测打下坚实的理论基础。

　　2.1 机器学习的基础知识

　　2.1.1 机器学习问题的表示

　　所谓的机器学习是指设计某种方法，通过对己知数据的学习，找到数据内在的相互依赖关系，从而对未知数据进行预测或对其性能进行判断。机器学习的过程就是构建学习机的过程。机器学习包括多种方法，如遗传算法、人工神经网络等。简单说来，机器学习的目的就是根据给定的训练样本来寻求对某系统输入与输出之间依赖关系的估计，并使它能够对未知数据做出尽可能准确的预测。为了能够较好地理解机器学习问题，本章首先介绍机器学习的一般模型，机器学习的一般模型如图 2.1 所示。它由三部分组成：产生器(G)、训练器(S)、学习机器(LM)。

　　结论

　　目前我国正在积极探索和实践状态检修制度，而变压器故障诊断和故障预测是状态检修的基础性工作。变压器结构复杂，其故障机理呈多样性、随机性和模糊性，使得故障诊断存在相当大的困难；变压器油中溶解气体往往呈现非等间隔小样本的特点，传统的预测方法并不适用于这类数据的预测。因此，采用一种新的人工智能方法来进行变压器故障诊断与故障预测是非常有必要的。

　　本文以最小二乘支持向量机 LS-SVM 为工具，以变压器为研究对象，以油中溶解气体 DGA 数据为手段，对变压器的故障诊断和故障预测进行了研究。通过论文的研究，得出如下主要结论：

　　(1) 对变压器故障类型与油中溶解气体 DGA 的关系进行了机理分析，阐述了统计学原理的基本理论。详细讨论支持向量机的与最小二乘支持向量机 LS-SVM 的原理与方法，明确指出 LS-SVM 是进行本课题研究的有力工具。构造了基于 LS-SVM 的变压器故障诊断模型与故障预测模型，并使用 MATLAB 平台中的 LS-SVMlab 工具箱进行仿真建模。

　　(2) 以变压器油中溶解气体与变压器故障之间的关系为基础，使用最小二乘支持向量机 LS-SVM 进行变压器故障诊断建模研究并给出其求解步骤。对比并分析了1 v r，1 v 1， MOC ， ECC 这四种多分类算法所建立模型的诊断效果，通过诊断效果比较，选取MOC 为最佳的诊断模型。

　　(3) 在 LS-SVM 中的参数选择问题采用自适应优化法来选择合理的模型参数，为解决 LS-SVM 的实际应用提供了有效途径。

　　(4) 研究了LS-SVM的回归算法在变压器故障预测中的应用。利用LS-SVM进行了变压器油中溶解气体的预测，实例结果表明该预测模型具的实用性和优越性。

　　(5) 本文探讨了将变压器 LS-SVM 故障诊断与故障预测相结合，判断可能出现的故障。这样可使变压器故障预测与故障诊断体系更加完备丰富，对可能出现的潜在故障实现了防范于未然。

【电力发表的优秀论文】相关文章：