油浸式电力变压器的故障诊断方法研究

摘要

油浸式电力变压器（简称变压器）在现运行变压器中占很大一部分，并且在电力传输和分配中发挥着关键作用，是电力系统安全、稳定运行的重要保证。因此，加强对变压器故障诊断方法的研究，对保障人民正常生活和国民经济健康运行具有重要的现实意义。
　　当前变压器的故障诊断方法中，存在结构复杂、计算量大等问题。鉴于此，论文总结并分析了变压器故障类别及其原因，通过一定的历史数据研究某一具体变压器特征气体在故障类型中的变化规律，在此基础上进一步探究了气体多比值判据在变压器故障诊断中的应用，同时对变压器常用的电气试验方法和故障诊断中利用的辅助手段进行了总结。基于此，论文就三种变压器故障诊断方法进行了研究。
　　第一，在油溶解气体分析技术的基础上，结合特征气体多比值故障判据，提出了基于变精度粗糙集（VPRS）理论的变压器故障诊断方法，将变压器故障信息与故障类别进行规则匹配，进而对其故障类型作出判断。为此，首先建立变压器故障诊断决策表；然后利用基于信息量与重要度加权的算法对决策表条件属性进行约简，建立包含最小属性集的变压器故障诊断决策表；最后依据约简后的故障决策表进行诊断规则的有效提取，以形成标准、有序和便于查询的变压器故障诊断规则。
　　第二，提出了基于VPRS理论与RBF神经网络的变压器故障诊断方法。首先对变压器故障数据进行信息提取，剔除数据样本中的冗余信息；然后建立包含最小输入矢量的RBF神经网络训练样本；最后将所获取的变压器故障样本送入RBF网络进行训练，建立相应故障诊断网络。该方法在一定程度上简化了RBF神经网络的结构。
　　第三，在上述VPRS理论与RBF神经网络相结合的基础上，提出了基于粒子群算法优化VPRS-RBF网络的变压器故障诊断方法，将粒子群算法引入RBF网络中，对神经网络参数进行优化，有效地减少了RBF神经网络的训练时间。
　　最后，通过一定的测试样本，验证上述三种变压器故障诊断方法的可行性和有效性。其诊断结果表明所提出的三种方法准确率都在90%及以上，而且诊断效率优于传统故障诊断方法。并且本文所提出的基于粒子群算法优化VPRS-RBF网络的变压器故障诊断方法在准确率和诊断效率上要优于本文所提出的其他两种诊断方法。

目录

第一章 绪论

1.1 课题的背景和意义

1.2 故障诊断技术的研究概况

1.3变压器故障诊断方法的国内外研究现状

1.4 本文研究的主要内容

第二章 变压器故障诊断机理分析

2.1 变压器故障分类及其原因

2.2 变压器油溶解气体分析技术

2.3 变压器常用电气试验方法分析

2.4 变压器故障诊断辅助方法分析

2.5 本章小结

第三章 基于变精度粗糙集理论的变压器故障诊断

3.1 粗糙集理论概述

3.2 变压器故障诊断决策表的数据预处理

3.3 基于变精度粗糙集理论的变压器故障诊断的设计

3.4 实例分析

3.5 本章小结

第四章 基于VPRS-RBF网络的变压器故障诊断

4.1 RBF神经网络概述

4.2 VPRS与RBF神经网络相结合的变压器故障诊断

4.3 基于粒子群优化VPRS-RBF网络的变压器故障诊断的实现

4.4 本章小结

第五章 变压器故障诊断三种方法的特点分析

5.1 基于VPRS理论的故障诊断方法分析

5.2 基于VPRS-RBF神经网络的故障诊断两种方法分析

5.3 本章小结

第六章 结论

参考文献

致谢

攻读学位期间所取得的相关科研成果