油浸式变压器在运行老化过程中难免会出现各种潜伏性故障,及时正确诊断出变压器的状态至关重要,传统利用基于油中溶解气体分析法(dissolved gas analysis, DGA)数据的三比值法因存在编码不足的缺陷,限制了故障的诊断效果。为此提出了一...油浸式变压器在运行老化过程中难免会出现各种潜伏性故障,及时正确诊断出变压器的状态至关重要,传统利用基于油中溶解气体分析法(dissolved gas analysis, DGA)数据的三比值法因存在编码不足的缺陷,限制了故障的诊断效果。为此提出了一种改进的蝠鲼算法(manta ray foraging optimization, MRFO)优化反向传播(back propagation, BP)网络的故障诊断模型。首先利用逻辑映射与反向学习(opposition based learning, OBL)融合的多阶段算法为MRFO提供初始位置,加强算法全局寻优能力;同时提出利用正交实验法优化蝠鲼算法的3种觅食策略,调节蝠鲼个体的探索与开发,以加强该算法在特定问题上的寻优能力;最后将改进的蝠鲼算法寻得的最优解赋予BP网络的权值和偏置,建立变压器故障诊断系统。利用IEC TC 10故障数据进行了实验,并与其他算法进行了结果对比分析。结果表明,所提方法与BPNN、未改进的MRFO-BP、三比值法的结果相比,分别高出16%、8%、24%,是一种积极有效的方法。展开更多
针对传统油中溶解气体分析(dissolved gas analysis,DGA)在油浸变压器故障诊断过程中不能够有效地利用故障信息,以及变压器故障样本类型不平衡致使模型诊断结果较差的情况,提出了基于数据扩充和故障特征优化的SCNGO-SVM-AdaBoost变压器...针对传统油中溶解气体分析(dissolved gas analysis,DGA)在油浸变压器故障诊断过程中不能够有效地利用故障信息,以及变压器故障样本类型不平衡致使模型诊断结果较差的情况,提出了基于数据扩充和故障特征优化的SCNGO-SVM-AdaBoost变压器故障诊断技术。首先,针对不平衡样本数据集利用安全级别合成少数过采样技术(safelevel synthetic minority over-sampling technique,Safe-Level SMOTE)对原始的变压器故障样本集进行了数据扩充,然后利用核主成分分析(kernel principal component analysis,K-PCA)算法对比值化后的油色谱数据进行故障特征优化提取。其次在北方苍鹰优化算法(northern goshawk optimization,NGO)中融合了正余弦和折射反向学习策略,利用测试函数验证该算法的稳定性和利用SCNGO优化算法提高其寻优能力。最后通过实际的对未扩充样本诊断和其他方法诊断进行对比分析,结果证明该方法能够有效地提高变压器故障诊断的性能。展开更多
文摘油浸式变压器在运行老化过程中难免会出现各种潜伏性故障,及时正确诊断出变压器的状态至关重要,传统利用基于油中溶解气体分析法(dissolved gas analysis, DGA)数据的三比值法因存在编码不足的缺陷,限制了故障的诊断效果。为此提出了一种改进的蝠鲼算法(manta ray foraging optimization, MRFO)优化反向传播(back propagation, BP)网络的故障诊断模型。首先利用逻辑映射与反向学习(opposition based learning, OBL)融合的多阶段算法为MRFO提供初始位置,加强算法全局寻优能力;同时提出利用正交实验法优化蝠鲼算法的3种觅食策略,调节蝠鲼个体的探索与开发,以加强该算法在特定问题上的寻优能力;最后将改进的蝠鲼算法寻得的最优解赋予BP网络的权值和偏置,建立变压器故障诊断系统。利用IEC TC 10故障数据进行了实验,并与其他算法进行了结果对比分析。结果表明,所提方法与BPNN、未改进的MRFO-BP、三比值法的结果相比,分别高出16%、8%、24%,是一种积极有效的方法。
