基于遗传算法的小波网络在变压器故障诊断中的应用研究

摘要

电力变压器是电力系统中最重要的电气设备之一，它的运行情况直接影响着电力系统的安全与稳定。如何及时、准确地发现变压器内部的早期故障，已成为高压电气设备故障诊断研究的一个重要方向。本文首先对电力变压器的故障及其诊断技术进行了全面的分析研究，归纳出了电力变压器发生故障的原因和变压器发生故障及具有故障隐患时表现出的各种异常征兆，详细介绍了变压器定期和不定期故障检测的方法，特别是能鉴别变压器内部初始故障隐患的油中溶解气体分析(DGA)技术。接着综合分析了遗传算法、人工神经网络及小波变换的基本理论、运行机理及各自的优、缺点。BP网络由于Sigmoid函数自身的特性，实际上这种神经网络只是一个次优网络，有待于改进；BP算法采用误差函数梯度下降的方式进行迭代，收敛速度很慢，并且极易陷入局部极值，而且具体的极值位置与权值的初始化数值密切相关。传统的遗传算法，类似于穷举的启发式搜索，虽是全局寻优，但不可避免会引起搜索时间过长。本文针对具体问题研究、设计了一种基于GA-WANN的故障诊断模型。该模型先采用遗传算法对小波网络中的参数进行了优化学习，接着采用了BP算法对网络进行了训练。对所采用的遗传算法，在分析了遗传算法的机理和基本算法的基础上，结合实际情况，运用实数编码，采用通过自适应调整的交叉概率和变异概率，使遗传算法既能在广泛的空间进行搜索，又能向着解的方向尽快收敛。仿真结果表明该算法有效地解决了小波网络若初值设置不合理，则极易进入局部极小的区域、以致网络振荡不收敛、而GA算法独立训练神经网络速度缓慢等缺点，诊断的精确度也有所提高。

目录

文摘

英文文摘

湖南大学学位论文原创性声明和版权使用授权书

第1章绪论

1.1本课题研究的意义

1.2变压器故障诊断的发展与研究状况

1.2.1信息采集

1.2.2信息处理

1.2.3存在的问题

1.3本论文的主要工作

第2章变压器故障原因、种类及诊断方法

2.1变压器故障的原因

2.2变压器故障的种类

2.3变压器故障的诊断方法

2.3.1常规试验

2.3.2不定期检测

2.3.3常见的电力变压器试验项目

2.4油中溶解气体分析

2.4.1油中溶解气体分析原理

2.4.2特征气体判断法

2.4.3组分比值编码判断法

2.5故障判断的步骤

2.6本章小结

第3章小波网的模型及学习算法

3.1小波变换

3.1.1小波变换的发展

3.1.2小波变换

3.2神经网络

3.2.1神经网络的发展

3.2.2神经网络

3.3小波神经网络

3.3.1小波神经网络的发展

3.3.2小波神经网络

3.3.3基于BP算法的小波神经网络

3.4遗传算法

3.4.1遗传算法的发展

3.4.2遗传算法的原理

3.5本章小结

第4章小波神经网络与变压器故障诊断

4.1故障诊断的原始数据样本

4.2基于BP算法的小波神经网络对变压器的故障诊断

4.3基于GA算法的小波神经网络对变压器的故障诊断

4.3.1用改进的GA算法训练小波神经网络

4.3.2故障诊断结果

4.4本章小结

结论

参考文献

致谢

附录A 攻读学位期间所发表的学术论文目录