基于改进人工鱼群-RBF神经网络的电力变压器故障诊断研究

摘要

本文通过对电力变压器故障诊断技术的学习研究，概述了该技术在国内外的发展概况，阐述了传统的故障诊断方法(DGA)，以及基于DGA数据的人工智能诊断技术，分析了变压器故障气体的产生机理、过程和特征气体的构成与故障类型的关联性，提出了基于改进的人工鱼群算法(IAFSA)结合RBF神经网络的变压器故障诊断方法。
　　首先对传统的基于DGA数据的变压器故障诊断方法进行了理论学习和分析，介绍了溶解气体在变压器中的产生来源，以及各类气体的组成比例与之相对应的故障类型，并得出了传统变压器故障诊断方法的不足之处，为下一步提出新方法奠定了理论依据。
　　然后通过研究AFSA算法的原理特征及其自身存在的欠缺之处，对鱼群算法的参数和行为进行了改进，适当引入了相应策略:自适应策略、分段策略、跳跃行为、踏步行为等。设计出改进后的人工鱼群算法(IAFSA)模型和流程图，改进后的鱼群算法具有搜索速度快，并自动选择鱼群行为，易于逃离局部最优解，为下一步的结合RBF神经网络提供了算法支撑。IAFSA主要用于优化RBF神经网络的基函数中心和宽度，文中采用了均匀分布鱼群，搜索故障数据的径向基中心的初始值，再根据K-means聚类算法，最终确定网络的基中心和宽度等参数，使RBF网络得出最优结构，提高网络的训练效率和效果。
　　最后依据IAFSA-RBF算法的理论成果，使用MATLA R2013a平台搭建模型，进行实验仿真。通过实验数据对比结果来看，本文使用的方法——IAFSA-RBF网络对于变压器故障数据训练和预测的速度与精度上，相对单一RBF网络、常规AFSA-RBF网络有了显著的提高。IAFSA-RBF网络的诊断性能体现出较强的优越性，在电力变压器故障诊断方面，具有很好的实用价值。

目录

声明

摘要

第一章 绪论

1．1 引言

1．2 电力变压器故障诊断的现实意义

1．3 电力变压器故障诊断技术的发展

1．3．1 基于DGA数据的传统诊断方法

1．3．2 基于DGA数据的智能诊断方法

1．4 本文主要研究内容

第二章 油浸式电力变压器基于DGA的常用检测方法

2．1 电力变压器常见故障类型

2．1．1 热性故障

2．1．2 电性故障

2．2 油浸式变压器溶解气体的分析

2．2．1 油中溶解气体产生机理

2．2．2 油中溶解气体成分组成

2．3 油中溶解气体与故障类型的关系

2．3．1 热性故障时油中溶解气体特征

2．3．2 电性故障时油中溶解气体特征

2．4 基于传统DGA数据常规诊断方法的缺陷

2．5 本章小结

第三章 人工鱼群算法的改进与测试

3．1 群智能优化算法应用

3．1．1 几种群智能算法

3．1．2 AFSA算法的提出和现状

3．2 人工鱼基本行为的数学描述

3．2．1 参数对收敛性畿的影响分析

3．2．2 行为的描述与数学表达

3．2．3 AFSA算法的全局寻优原理

3．3 AFSA参数的改进

3．3．1 步长Step的改进

3．3．2 视野Visual的改进

3．3．3 拥挤度因子delta的改进

3．4 AFSA行为的改进

3．4．1 觅食行为的改进

3．4．2 聚群行为的改进

3．4．3 追尾行为的改进

3．4．4 跳跃行为的引入

3．5 IAFSA算法的性能测试

3．5．1 测试函数介绍

3．5．2 三维Rastrigin函数人工鱼收敛结果比较

3．5．3 算法迭代次数一定的情况下对收敛精度结果比较

3．6 本章小结

第四章 结合变压器特征气体的改进K-means算法分析

4．1 RBF神经网络的概述与算法介绍

4．1．1 RBF神经网络结构模型和算法实现

4．1．2 RBF神经网络的聚类分析

4．2 变压器特征气体的分析确定

4．3 K-means聚类算法的改进

4．3．1 改进鱼群算法(IAFSA)优化K-means聚类算法

4．3．2 优化算法中相关参数设定

4．4 基于变压器特征气体比值的相关实验

4．4．1 两种算法的对比试验

4．4．2 采用四种特征气体比值的分类实验

4．5 本章小结

第五章 基于IAFSA-RBF网络的变压器故障诊断结果分析

5．1 改进人工鱼群算法(IAFSA)优化RBF神经网络

5．1．1 IAFSA优化RBF神经网络的基本思路

5．1．2 IAFSA优化RBF神经网络的具体步骤

5．2 IAFSA-RBF神经网络的变压器故障诊断的模型建立

5．3 电力变压器故障类型(定性)诊断的实例仿真实现与分析

5．3．1 实验样本数据的预处理

5．3．2 对所建的诊断模型网络实现训练和结果分析

5．3．3 对训练好的故障诊断网络进行故障实例的诊断及分析

5．4 本章小结

第六章 论文总结与展望

6．1 本文工作总结

6．2 展望

参考文献

附录

致谢

攻读学位期间发表论文情况

攻读学位期间参加的科研工作