基于SVM的变压器运行状态分析

摘要

变压器是电力系统中的重要部件，它的运行状态直接关系到电网稳定。变压器运行状态分析对故障预测，保障电网正常运转具有重大意义。　　本文使用的是国网**供电公司提供的主变运行数据，主要包含了电压、电流、有功功率、无功功率等属性，这些运行数据和变压器状态息息相关。首先，使用了主成分分析的方法对主变运行数据进行了降维处理，通过仿真实验表明，使用主成分分析处理之后的运行状态分析效果更好。同时根据获取的数据特点选取支持向量机来实现变压器运行状态的分析，仿真过程中对支持向量机分别采用线性核函数、多项式核函数、径向基核函数进行数据分析，并结合粒子群算法、网格算法、遗传算法三种寻优方式对上述各核函数进行了参数优化计算。实验的结果表明以径向基核函数支持向量机在通过粒子群算法进行参数优化后，模型准确率最高，分析所耗时间最短。最后对同一数据集采用逻辑回归和神经网络进行了运行状态分析，实验结果表明支持向量机模型的分析效果最好，充分说明了支持向量机的在主变压器运行状态分析上具有一定的优势和较好的效果。　　在后续的工作中还可以引入一些新的变压器状态特征（温度、噪音等）和新的算法，对变压器运行状态的分析进行更为深入的研究，保障整个电力系统能够持续稳定运行。

目录

声明

1 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.3 研究的内容和框架

2 变压器理论基础

2.1 变压器工作原理

2.2 变压器分类

2.3 变压器应用

3 变压器运行数据处理

3.1 数据的获取及分析

3.2 主成分分析

3.3 仿真实验对比

3.4 本章小结

4 状态分析模型及优化

4.1 状态分析模型

4.2 参数的优化

4.3 核函数仿真实验对比

4.4 本章小结

5 其它机器学习方法对比实验

5.1逻辑回归与神经网络

5.2 仿真

5.3本章小结

6 总结与展望

致谢

参考文献

个人简历、在学期间发表的学术论文及取得的研究成果