基于最小二乘支持向量机的电力变压器故障诊断被引量：2

Power Transformer Fault Diagnosis Based on Least Squares Support Vector Machine

下载PDF

导出

摘要文章提出使用最小二乘支持向量机(LS-SVM)作为分层决策电力变压器故障诊断模型。首先根据DGA技术以及相关统计分析,选择典型油中故障气体的相对含量作为特征量,然后利用数值预处理后得到的数据样本分别对四级最小支持向量机分类器进行训练和识别,并最后判断输出变压器所处的状态,且针对最小二乘支持向量机存在的参数选择问题,使用了多层动态自适应优化算法来优化最小二乘支持向量机参数。仿真结果表明LS-SVM是一种较为有效的非线性建模方法,具有较快的收敛速度和较高的计算精度,满足电力变压器故障诊断的要求。

作者田竞王彧

机构地区中国石化集团资产公司经营管理部华北电力大学控制学院

出处《仪器仪表与分析监测》 2008年第1期9-12,共4页 Instrumentation·Analysis·Monitoring

关键词最小二乘支持向量机分类器电力变压器故障诊断多层动态自适应优化算法

分类号 TP181 [自动化与计算机技术—控制理论与控制工程]

引文网络
相关文献

参考文献7

1王宇红,黄德先,高东杰,金以慧.基于LS-SVM的非线性预测控制技术[J].控制与决策,2004,19(4):383-387. 被引量：70
2王华忠,俞金寿.核函数方法及其模型选择[J].江南大学学报（自然科学版）,2006,5(4):500-504. 被引量：40
3朱家元,杨云,张恒喜,王卓健.基于优化最小二乘支持向量机的小样本预测研究[J].航空学报,2004,25(6):565-568. 被引量：61
4郭辉,刘贺平,王玲.最小二乘支持向量机参数选择方法及其应用研究[J].系统仿真学报,2006,18(7):2033-2036. 被引量：103
5吕干云,程浩忠,董立新,翟海保.基于多级支持向量机分类器的电力变压器故障识别[J].电力系统及其自动化学报,2005,17(1):19-22. 被引量：57
6董明,孟源源,徐长响,严璋.基于支持向量机及油中溶解气体分析的大型电力变压器故障诊断模型研究[J].中国电机工程学报,2003,23(7):88-92. 被引量：185
7张承彪,罗运柏,文习山.主成分分析在变压器故障诊断中的应用研究[J].高电压技术,2005,31(8):9-11. 被引量：21

二级参考文献80

1章剑光,周浩,盛晔.基于RPROP神经网络算法的主变DGA故障诊断模型[J].电力系统自动化,2004,28(14):63-66. 被引量：23
2时文刚,刘树林,张嘉钟,黄文虎.基于支持向量机的往复泵泵阀故障诊断方法[J].机械强度,2002,24(3):362-364. 被引量：32
3黄鞠铭,朱子述,胡文华,严璋.BP网络在基于DGA变压器故障诊断中的应用[J].高电压技术,1996,22(2):21-23. 被引量：34
4徐文,王大忠,周泽存,陈珩.人工神经网络在变压器特征气体法故障诊断中的应用[J].高电压技术,1996,22(2):27-30. 被引量：26
5边肇祺.模式识别[M].北京:清华大学出版社,1998..
6.GB7252-87.变压器油中溶解气体分析和判断导则[S].,..
7Duval M, Langdeau F, Gerais P, et al. Acceptable gas-in-oil levels in generation and transmission power transformers, electrical insulation and dielectric phenomena[C]. Annual Report, Conference on 1990,Pocomo Manor, PA, USA.
8Su Q, Mi C, Lai L L, et al. A fuzzy dissolved gas analysis method for the diagnosis of multiple incipient faults in a transformer[J]. IEEE Transactions on Power Systems, 2000, 15(2); 593-598.
9Islam S M, Wu T, Ledwich G. A novel fuzzy logic approach to transformer fault diagnosis[J]. IEEE Transactions on Dielectrics and Electrical Insulation, 2000, 7(2): 177-186.
10Vapnik V N. The nature of statistical learning theory [M]. New York:Springer-Verlag, 1995.

共引文献511

1Man XU,Zongxiang LU,Ying QIAO,Yong MIN.Modelling of wind power forecasting errors based on kernel recursive least-squares method[J].Journal of Modern Power Systems and Clean Energy,2017,5(5):735-745. 被引量：6
2张彼德,梅婷,王涛.基于特征表征度与多变量预测模式识别的变压器故障诊断[J].湖北电力,2020(1):41-48. 被引量：6
3吴晗,李时莹,亓彦珣,庞先海,张建涛,谢庆.基于综合赋权与WRSR的高压开关柜状态评估方法研究[J].高压电器,2020,56(2):47-52. 被引量：12
4郭小荟,马小平.基于最小二乘支持向量机的选煤厂日用水量短期预测[J].煤炭学报,2007,32(10):1093-1097. 被引量：5
5刘军.基于LVQ网络的电力变压器故障诊断[J].电脑知识与技术（过刊）,2007(14).
6张红梅.支持向量机方法及其在电力系统中的应用[J].扬州职业大学学报,2007,11(2):31-34. 被引量：1
7黄元生,郑燕,乞建勋.基于最小二乘的支持向量机在电力需求预测中的应用[J].中国管理科学,2005,13(z1):76-80.
8张艳,吴玲.基于支持向量机和交叉验证的变压器故障诊断[J].中国电力,2012,45(11):52-55. 被引量：14
9栾维磊,孟庆金,申涛.基于最小二乘支持向量机的水泥粒度软测量[J].济南大学学报（自然科学版）,2013,27(4):347-351. 被引量：4
10徐宇童,林伟国.工艺流程识别及阀门操作合理性的可视化监测[J].北京化工大学学报（自然科学版）,2014,41(1):96-100. 被引量：1

同被引文献42

1郑建柏,朱永利,张文浩.支持向量机多分类及其在变压器故障诊断中的应用[J].中国电力教育,2007(z2):399-400. 被引量：4
2周宇,韩捷,李志农.基于矢Wigner分布的旋转机械故障诊断方法的研究[J].矿山机械,2007,35(4):102-105. 被引量：5
3吴晓辉,刘炯,梁永春,汪晓明,李彦明.支持向量机在电力变压器故障诊断中的应用[J].西安交通大学学报,2007,41(6):722-726. 被引量：15
4戴威,闫鹏飞,曹阳.Bayes推理在液压系统故障诊断中的应用[J].液压与气动,2007,31(7):55-56. 被引量：5
5贾嵘,徐其惠,李辉,刘伟,杨可.最小二乘支持向量机多分类法的变压器故障诊断[J].高电压技术,2007,33(6):110-113. 被引量：22
6肖燕彩,朱衡君.基于最小二乘支持向量机的电力变压器故障诊断[J].电力自动化设备,2007,27(9):48-51. 被引量：20
7于振波,徐文尚,孙彦良.多Agent在提升机远程故障诊断系统中的应用[J].煤矿机械,2007,28(11):189-192. 被引量：4
8李龙,贺联勤.基于Agent的抽油机井故障诊断智能分析系统研究[J].齐齐哈尔大学学报（自然科学版）,2007,23(5):48-51. 被引量：1
9蒋萍,陈云翔,张亮.基于多Agent的装备远程测试与故障诊断系统建模研究[J].弹箭与制导学报,2007,27(5):211-213. 被引量：6
10周建钊,孙志鹏,张西洋,李辉.气门故障特征提取及诊断方法的分析与研究[J].机械研究与应用,2007,20(6):23-24. 被引量：2

引证文献2

1徐济仁,刘敬芝,牛纪海,江从俊.电子设备故障诊断技术综述[J].电子工艺技术,2008,29(5):294-298. 被引量：8
2董凤珠,黄永晶,芦佩雯,张恒.基于支持向量机的变压器故障诊断综述[J].工业控制计算机,2019,32(9):89-90. 被引量：1

二级引证文献9

1余和初.自动检测与诊断技术在安防领域中的应用[J].中国安防,2011(11):40-44.
2吴学智,靳煜,何如龙.舰载内部通信系统一体化维修检测平台设计与实现[J].舰船电子工程,2012,32(11):90-92. 被引量：1
3安琦.自动检测与诊断技术在安防领域中的应用[J].科技创新与应用,2013,3(1):13-14.
4马文哲.浅论自动检测技术的应用与推广[J].技术与市场,2013,20(6):161-161.
5王亚军.煤矿井下设备故障诊断技术应用[J].山东煤炭科技,2014,32(8):99-101. 被引量：2
6吴苏,吴文全,王薇.基于多传感器数据融合技术的电子设备故障诊断[J].计算技术与自动化,2016,35(1):27-30. 被引量：1
7盛雅明.电子模拟维修系统的设计[J].电子技术与软件工程,2017(1):95-95. 被引量：1
8许良池,陈裕中,杨汉泉.电子设备整机调试故障排除方法[J].电子技术与软件工程,2017(11):99-99. 被引量：1
9熊军华,师刘俊,康义.基于灰狼算法优化支持向量机的变压器故障诊断[J].信息技术与信息化,2020(11):144-147. 被引量：5

1朱家元,杨云,张恒喜,王卓健.基于优化最小二乘支持向量机的小样本预测研究[J].航空学报,2004,25(6):565-568. 被引量：61
2周霞.基于LSSVM的两种分类器的实现与比较[J].电脑知识与技术（过刊）,2011,17(10X):7281-7283.
3罗成安.浅谈UPS输出变压器[J].电脑技术信息,1998(7):60-60.
4张吉林,李守学,邹姗姗.基于灰色关联度的变压器故障诊断[J].吉林电力,2015,43(1):13-15. 被引量：1
5宋国明,王厚军,姜书艳,刘红.一种聚类分层决策的SVM模拟电路故障诊断方法[J].仪器仪表学报,2010,31(5):998-1004. 被引量：24
6侯艳丽.基于最小二乘支持向量机的移动机器人导航[J].电子设计工程,2011,19(23):11-12. 被引量：1
7吴选忠.基于无线传感器网络的多维火灾探测技术研究[J].福建工程学院学报,2012,10(6):597-599.
8盛进路,吴广宁,周利军,张军,陈纪纲.牵引变压器绝缘在线监测技术研究[J].中国测试技术,2006,32(2):127-129. 被引量：1
9王其英.UPS的输出变压器是真在“抗干扰”还是“虚晃一枪”[J].机房技术与管理,2010(5):28-29.
10于静,王辉.基于组合模型的网络流量预测[J].计算机工程与应用,2013,49(8):92-95. 被引量：6

仪器仪表与分析监测

2008年第1期

浏览历史

内容加载中请稍等...

基于最小二乘支持向量机的电力变压器故障诊断被引量：2

参考文献7

二级参考文献80

共引文献511

同被引文献42

引证文献2

二级引证文献9

相关作者

相关机构

相关主题

浏览历史

基于最小二乘支持向量机的电力变压器故障诊断 被引量：2

参考文献7

二级参考文献80

共引文献511

同被引文献42

引证文献2

二级引证文献9

相关作者

相关机构

相关主题

浏览历史

基于最小二乘支持向量机的电力变压器故障诊断被引量：2