基于机器学习算法的变压器寿命损耗预测研究

被引：7

作者：

王浩州

机构：

[1] 云南电网公司昆明供电局

来源：

电气应用 | 2021年 / 40卷 / 01期

关键词：

变压器; 支持向量机; 核函数; 寿命损耗预测;

D O I：

暂无

中图分类号：

TM40 [一般性问题]; TP181 [自动推理、机器学习];

学科分类号：

摘要：

变压器寿命评估和故障诊断对提高电网安全可靠、经济性运行具有重要的意义。环境温度和负载曲线是影响变压器绝缘老化的重要因素之一,影响变压器的寿命。为此基于GB/T 1094.7—2008推荐的环境温度和变压器负载计算变压器寿命损耗的模型,开发了估算变压器寿命损失的数据驱动静态模型和基于SVM算法建立变压器寿命损耗计算机器学习模型。研究发现:使用RBF核函数的SVM算法模型可有效、准确地解决变压器寿命评估问题。

引用

页码：72 / 78

页数：7

共 11 条

[1] 电力设备状态评估中的数据科学问题:挑战与展望
李刚
张博
赵文清
刘云鹏
高树国
[J]. 电力系统自动化, 2018, 42 (21) : 10 - 20+177
[2] 基于支持向量机的大电网运行风险量化评估
汤伟
王京景
杨铖
张大波
刘辉
刘路登
[J]. 合肥工业大学学报(自然科学版), 2017, 40 (04) : 486 - 491
[3] 考虑绝缘剩余寿命的变压器健康状态评估方法
李振柱
谢志成
熊卫红
张宏志
李正天
林湘宁
涂长庚
[J]. 电力自动化设备, 2016, 36 (08) : 137 - 142+169
[4] 油浸式电力变压器绝缘寿命在线评估技术研究
黄荣辉
黄炜昭
吕启深
文正其
[J]. 电气应用, 2015, 34 (01) : 96 - 99
[5] 基于状态监测与系统风险评估的电力设备维修及更新策略研究[D]. 张大波.重庆大学. 2012
[6] 大数据环境下智能电网关键设备健康评估[D]. 张建付.华北电力大学. 2017
[7] GB/T 1094.7-2008. 电力变压器第7部分：油浸式电力变压器负载导则[S]. 2008
[8] 机器学习[M]. 清华大学出版社 , 周志华, 2016
[9] Model Selection in Finite Mixture Models: A k -Fold Cross-Validation Approach[J] . Grimm,Mazza,Davoudzadeh.Structural Equation Modeling: A Multidisciplinary . 2017 (2)
[10] A bagging SVM to learn from positive and unlabeled examples[J] . F. Mordelet,J.-P. Vert.Pattern Recognition Letters . 2014

← 1 2 →