-
题名基于细菌觅食算法优化的电力变压器故障诊断技术
被引量：19
- 1
-
-
作者
董方旭
咸日常
咸日明
李文强
马雪锋
-
机构
山东理工大学电气与电子工程学院
山东汇能电气有限公司
山东省计量科学研究院
-
出处
《电测与仪表》
北大核心
2018年第19期34-40,共7页
-
文摘
针对支持向量机(SVM)分类性能受参数影响,且最优参数难以获取这一问题,提出一种基于细菌觅食算法(BFA)的电力变压器故障诊断模型的参数寻优方法。该方法以电力变压器油中特征气体含量作为状态评价样本,通过BFA寻找全局最优SVM参数解,构建k-折平均分类准确率目标函数,建立变压器故障诊断模型。仿真结果表明,BFA对SVM最优参数的选取较遗传算法(GA)、粒子群算法(PSO)更迅速,且优化后的SVM电力变压器故障诊断模型具有更高的精确度;利用BFA优化方法建立的SVM电力变压器状态诊断模型,对IEC三比值法中无法判断的数据也可进行精确诊断。最后,通过实例分析,验证了方法的有效性。
-
关键词
细菌觅食算法
支持向量机
参数优化
电力变压器
油中色谱分析
故障诊断
-
Keywords
bacterial foraging algorithm
support vector machine
parameter optimization
power transformer dissolved
gas analysis
fault diagnosis
-
分类号
TM406
[电气工程—电器]
-
-
题名用灰色多变量模型预测变压器油中溶解的气体浓度
被引量：28
- 2
-
-
作者
肖燕彩
朱衡君
陈秀海
-
机构
北京交通大学机电学院
北京电力公司
-
出处
《电力系统自动化》
EI
CSCD
北大核心
2006年第13期64-67,共4页
-
文摘
目前变压器油中气体浓度预测普遍采用GM(1,1)模型及其改进形式,针对其在建模时只单独考虑某种气体发展变化的不足,介绍了灰色多变量预测模型MGM(1,n),它可以综合考虑从同一信号中提取的多个诊断指标,因而预测更科学、有效。对变压器油中溶解的7种特征气体即氢气、甲烷、乙烷、乙烯、乙炔、一氧化碳和二氧化碳进行了灰色关联分析,建立了相应的MGM(1,7) 模型,预测实例分析证明,与传统GM(1,1)模型及其改进形式相比,用灰色多变量模型预测的效果更好。
-
关键词
电力变压器
油中溶解气体
浓度预测
灰色多变量模型
灰色关联分析
-
Keywords
power transformer dissolved gas-in-oil concentration prediction multivariable grey model grey relational analysis
-
分类号
TM855
[电气工程—高电压与绝缘技术]
TM715
-
-
题名基于范例推理的变压器油中气体分析综合诊断模型
被引量：8
- 3
-
-
作者
钱政
高文胜
尚勇
严璋
-
机构
西安交通大学电气工程学院
-
出处
《电工技术学报》
EI
CSCD
北大核心
2000年第5期42-47,57,共7页
-
基金
国家自然科学基金
东北电力集团资助项目
-
文摘
以变压器油中溶解气体的分析结果为基础 ,建立基于范例推理的变压器绝缘故障综合诊断模型。先用三种不同的范例检索算法分别检索出与待诊变压器故障征兆相近的源范例集 ,然后经对检索的源范例进行综合判断获得和待诊变压器故障征兆最相近的最佳源范例 ,并用其信息得到待诊变压器的诊断结论。实例检验结果表明 ,该模型比现有方法有更高的诊断可靠性和实用前景。
-
关键词
变压器油
气体分析
范例推理
电力变压器
-
Keywords
power transformer dissolved gas analysis Fault diagnosis Case-based reasoning
-
分类号
TM855
[电气工程—高电压与绝缘技术]
TM410.7
-
-
题名油气分析诊断变压器故障方法的改进
被引量：18
- 4
-
-
作者
董明
赵文彬
严璋
-
机构
西安交通大学电气工程学院
-
出处
《高电压技术》
EI
CAS
CSCD
北大核心
2002年第4期6-8,共3页
-
文摘
针对油中溶解气体分析 (DGA)中原来采用比值法的某些不足 ,通过对大量数据的统计、分析 ,在变压器吊芯结果所确定典型故障分类的基础上 ,提出了比值范围法改进三比值变压器故障诊断。
-
关键词
油气分析
电力变压器
故障诊断
技术改进
-
Keywords
power transformer oil dissolved gas fault diagnosis
-
分类号
TM855
[电气工程—高电压与绝缘技术]
-
