变压器绝缘故障诊断黑板型专家系统和基于遗传算法的故障预测研究

大型电力变压器是电力系统的枢纽设备之一，其运行状况直接影响着电力系统的安全、可靠运行，变压器的故障将对电力系统和社会用户造成重大的影响和严重的损失。因此，对电力变压器进行早期故障诊断技术和故障预测技术研究具有十分重要的理论和实际意义。 论文在搜集整理了大量的规程导则、专家经验和实际变压器故障数据（故障样本）的基础上，深入研究了BP神经网络、模糊理论等智能诊断方法、面向对象技术、黑板型专家系统理论、遗传算法的基本原理、实现方法及灰色预测理论，建立了变压器绝缘故障诊断黑板型专家系统和基于遗传算法的变压器故障灰色预测系统，在变压器绝缘故障的多专家合作诊断和故障的组合预测等理论研究上取得了一定突破，在实例验证中取得了良好效果，取得的创新性成果主要有： 将黑板型结构首次应用于变压器绝缘故障诊断专家系统中，建立了该种型式专家系统的主体结构和推理机制，并结合面向对象技术建立了变压器绝缘故障诊断黑板型专家系统。该专家系统能正确识别故障类型并给出故障发生的大致部位、严重程度以及故障发展趋势等，对实际变压器故障的诊断检验了专家系统的有效性。 研究了黑板结构专家系统中的多专家合作诊断技术，提出了合作诊断中的变压器绝缘故障诊断流程，在专家意见不统一的情况下，提出了综合分析处理办法，并通过诊断实例检验，证明了这种综合处理方法的有效性。 在变压器绝缘故障诊断专家系统中首次采用面向对象技术建立了分层分布式的知识库，并实现了专家知识的数据库存储，克服了传统专家系统产生式结构存在的效率低、易出错的缺点，提高了专家系统的实用性和准确性。 建立了变压器故障灰色预测改进模型。该模型针对变压器色谱数据的实际情况，研究采用了原始非等间距色谱数据序列的等间距处理方法，将非等间距色谱数据序列改造为等间距序列；同时运用弱化算子改造原始色谱数据序列，在一定程度上淡化了原始色谱数据序列受各种随机因素影响所具有的随机性。 将遗传算法引入到变压器故障预测中，首次建立了基于遗传算法的变压器故障灰色预测改进模型。该模型利用遗传算法对建立的变压器故障灰色预测改进模型的模型参数直接进行优化，改善了灰色预测模型的精度和适应范围。 针对单一预测模型的适应性较差、预测结果受变压器色谱数据各种随机因素影响较大的缺点，提出并建立了一种由乘幂预测模型、指数预测模型以及本文研究的基于遗传算法的变压器内部故障预测改进模型所组成的组合预测模型。运用 遗传算法对所建立的组合预测模型进行权系数优化，得到了最优权系数组合预测模型。 实例证明，所建立的以误差绝对值和最小和误差平方和最小作为组合模型优化目标的组合预测模型能够有效地预测出变压器油中溶解气体含量的变化趋势，模型的一步预测值与实测值的相对误差小于10%；预测精度能够满足工程实际的需要，具有较高的推广价值。