基于KPCA与改进探路者优化KELM的变压器故障诊断研究

作     者：魏玉琪 

作者单位：辽宁工程技术大学 

学位级别：硕士

导师姓名：王利福;茹瑞鹏

授予年度：2023年

学科分类：080801[工学-电机与电器] 0808[工学-电气工程] 08[工学] 

主      题：变压器 故障识别 核主成分分析 探路者算法 核极限学习机 

摘      要：变压器在电力系统输配电过程中起着调节电压的作用,其安全性、可靠性对保证整个供电系统的良好运行十分重要。如何研究高效、准确地识别出变压器的故障类型对减小因故障所带来的各方面损失、迅速使电力系统恢复正常工作具有重要意义。本文基于油中溶解气体分析技术(DGA),提出了基于核主成分分析(KPCA)与多个策略联合改进探路者算法(PFA)优化核极限学习机(KELM)的变压器故障诊断方法。首先,由于在传统油浸式变压器进行故障诊断时,一般选用的5种油中溶解气体(H、CH、CH、CH、CH)的浓度数值作为输入参数,针对上述5种气体含量较为分散,使分类的精度受到影响这一问题,采用无编码比值方法形成9种气体比值作为模型的输入,并使用KPCA对原始数据进行特征提取,去除冗余数据对诊断精度的影响。结合KELM算法作为变压器故障识别的模型进行仿真实验,结果表明以KPCA特征提取后的数据作为输入,可以有效的提升故障诊断准确率及缩短运行时间。同时通过与其他默认参数的故障诊断模型相比较,KELM故障诊断模型在故障诊断精度和时间上均占有一定的优势。然后,针对正则化系数C和核函数g对模型的故障诊断精度有着较大的影响,引入无限折叠迭代混沌映射(ICMIC)策略、邻域变异及纵横交叉策略对PFA进行改进。使用9个标准测试函数对改进后的PFA(IPFA)进行性能检测评估,并与标准PFA、粒子群(PSO)算法及正余弦算法(SCA)进行对比,通过数据的定量分析(最优值、均值及标准差)和寻优迭代示意图可以看出IPFA在收敛速度和寻优精度方面均有一定程度的提升,可应用于KELM参数的优化求解上。最后,利用IPFA对KELM模型参数进行优化求解,建立KPCA和IPFA优化KELM的变压器故障诊断模型,来提高变压器的诊断准确率。以KPCA预处理后的数据为模型输入,通过仿真实例分析表明,IPFA-KELM故障诊断模型在诊断精度和稳定性方面均优于PFA-KELM、PSO-KELM及SCA-KELM变压器故障诊断模型。结果证明本文提出的变压器故障诊断方法可以更为准确和迅速地对变压器故障信息做出精确、可靠的诊断,具有较高的工程实用价值。该论文有图27幅,表17个,参考文献74篇