变压器暂态故障仿真及基于支持向量机的故障辨识

摘要

变压器是电力系统中非常重要的能量传递元件，它的运行状态直接影响着整个电力系统的运行情况。特别是大型变压器本身造价昂贵，一旦发生故障，将造成巨大的经济损失。变压器差动保护作为电气主设备内部故障的主保护方案之一，面临着许多特点和困难。长期的运行经验表明差动保护能够准确区分变压器内部故障和外部故障，所以变压器差动保护的主要问题集中在励磁涌流和内部故障电流的鉴别上。 近些年来，国内外学者提出了许多识别变压器内部故障电流和励磁涌流的新原理和新方法。然而无论是传统的还是智能识别方法都以正确的研究数据为基础，因为变压器非常昂贵，无法通过实验的方法获得故障的数据；若依靠动模试验，不仅成本较高，而且有些合闸条件无法考虑到。因此，通过仿真的方法得到变压器的数据成为一种切实可行的途径。电磁暂态仿真软件EMTDC(ElectromagneticTransientsincludingDC)是目前世界上被广泛使用的一种电力系统仿真分析软件，该软件能结合某一具体的变压器差动保护建立电源一变压器一互感器的系统仿真模型，可以系统地仿真和分析变压器暂态过程。本文用EMTDC来全面的仿真变压器励磁涌流和内部故障电流，并且对电流互感器(currenttransformer，CT)二次侧的差流作了分析，提取了二次谐波含量和间断角两个特征。 传统的统计学研究的是样本无穷大时的渐近理论。然而在实际的问题中，样本数往往是有限的。现有的基于传统统计学的学习方法在有限样本的情况下难以取得理想的效果。由VladimirN．Vapnik博士提出的统计学习理论是在有限样本情况下新建立起来的统计学理论体系，为人们系统地研究小样本情况下机器学习问题提供了有力的理论基础。支持向量机(supportvectormachine，SVM)是在该理论体系下产生的一种新的机器学习方法。它较好地解决了以往困扰很多学习方法的大样本、非线性、过学习、高维数、局部极小点等实际问题，具有很强的外推能力。本文论述了相关统计学习理论和支持向量机基本理论，提出支持向量机算法来识别变压器励磁涌流和内部故障电流，并与传统的二次谐波原理进行比较，结果说明支持向量机具有很好的分类能力。

目录

文摘

英文文摘

西南交通大学学位论文创新性声明

第1章 绪论

1.1引言

1.2课题的背景与意义

1.3国内外研究现状

1.3.1励磁涌流识别的现状

1.3.2变压器保护的智能化发展趋势

1.4本论文的主要工作

第2章 电磁暂态仿真软件PSCAD/EMTDC

2.1引言

2.2电磁暂态仿真软件PSCAD/EMTDC简介

2.2.1 PSCAD/EMTDC的功能与研究方向

2.2.2 PSCAD运行环境

2.3 EMTDC中变压器模型

2.3.1经典变压器模型

2.3.2 UMEC变压器模型

2.4 EMTDC中电流互感器模型

2.5本章小节

第3章 变压器励磁涌流与内部故障暂态仿真

3.1引言

3.2仿真系统模型

3.3变压器励磁涌流仿真

3.3.1变压器空载合闸励磁涌流仿真

3.3.2外部故障切除后电压恢复时励磁涌流仿真

3.4变压器内部故障暂态仿真

3.4.1变压器匝间短路分析

3.4.2变压器内部故障仿真及分析

3.5本章小节

第4章 支持向量机理论

4.1引言

4.2统计学习理论

4.2.1经验风险最小化(Empirical Risk Minimization,ERM)

4.2.2 VC维(Vapnik-Chervonenkis Dimension)

4.2.3一致性概念和关键定理

4.2.4结构风险最小化

4.3支持向量机

4.3.1最优分类面与广义最优分类面

4.3.2核函数

4.3.3支持向量分类机基本原理

4.3.4支持向量机的特点

4.4本章小节

第5章 基于支持向量机的励磁涌流与内部故障电流识别

5.1引言

5.2支持向量机模型的建立

5.3励磁涌流与内部故障电流特征选择与提取

5.3.1特征提取原理

5.3.2样本选择与提取

5.4基于支持向量机的励磁涌流与内部故障电流识别

5.4.1支持向量机训练试验

5.4.2支持向量机分类测试试验

5.5本章小节

结论与展望

致谢

参考文献

攻读硕士学位期间发表的学术论文与科研实践