基于油气参数分析的电力变压器故障分步式诊断算法

被引：17

作者：

仲元昌 ^{[1
]}

万能飞 ^{[1
]}

夏艳 ^{[2
]}

张亮 ^{[1
]}

乔静 ^{[1
]}

机构：

[1] 重庆大学通信工程学院

[2] 重庆工商大学会计学院

来源：

高电压技术 | 2014年 / 40卷 / 08期

关键词：

故障诊断; 诊断速度; 准确率; 支持向量机; 量子遗传算法; K-近邻聚类分析;

D O I：

10.13336/j.1003-6520.hve.2014.08.004

中图分类号：

TM41 [电力变压器];

学科分类号：

080801 ;

摘要：

为提高电力变压器故障诊断的诊断速度和准确率,提出了一种以变压器油气参数为诊断依据的电力变压器故障分步式诊断算法。该算法第1步采用量子行为的支持向量机(SVM)故障诊断算法,即采用SVM对大型电力变压器的故障进行分类,在分类的过程中采用改进的具有量子行为的遗传算法对SVM的参数进行寻优。在完成第1步的基础上,第2步再对存在于可疑区域的样本采用K-近邻聚类分析算法分类。仿真结果表明:改进的量子遗传算法只需要50代繁衍就能得到最佳分类模型,而普通遗传算法则需要通过170代才能得到;同时聚类分析与支持向量机的有机结合将分类准确率由97.5%提高到了100%。可见,所提出的电力变压器故障分步式诊断算法能有效地提高故障诊断的诊断速度和准确率,可广泛应用于电力变压器的故障诊断。

引用

页码：2279 / 2284

页数：6

共 14 条

[1]

变压器油中溶解气体的色谱分析实用技术.[M].徐康健; 孟玉婵; 编著.中国标准出版社.2011,

[2]

量子计算与量子优化算法.[M].李士勇等; 著.哈尔滨工业大学出版社.2008,

[3]

变压器油中溶解气体分析和判断导则.[S].贾瑞君;薛辰东..2001,

[4] 基于半监督分类方法的变压器故障诊断 [J].