学位论文 > 优秀研究生学位论文题录展示

基于人工免疫系统的电力变压器故障诊断技术研究

作　者: 李中
导　师: 苑津莎
学　校: 华北电力大学（河北）
专　业: 电工理论与新技术
关键词: 相似度人工免疫电力变压器故障诊断油中溶解气体分析
分类号: TM41
类　型: 博士论文
年　份: 2010年
下　载: 524次
引　用: 6次
阅　读: 论文下载

内容摘要

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,其故障诊断技术研究具有十分重要的理论和实际意义。故障诊断可视为一个模式识别问题,也是近年新兴的人工免疫系统的一个重要应用领域。据此,论文从模式识别技术入手,重点对相似度及其测量、聚类、人工免疫系统模型和算法进行了深入研究,国际标准数据测试集上的测试结果验证了论文所提方法的可行性和有效性,应用所提方法完成了基于油中溶解气体分析的电力变压器故障诊断。论文在相似度评估、人工免疫系统模型和算法等方面取得了一定突破,取得的创新性成果主要有:(1)基于向量间差值的特性,提出了新的相似度测量方法。论文根据向量间差值与对象形状相似间的近似关系,设计了向量形态参数,结合经典的欧几里得距离,提出了两种考虑形状相似的形态相似距离,用于相似度的测量。形态相似距离计算简便,大量随机数据集聚类结果的统计分析表明,形态相似距离能够从大小和形状两个方面进行相似度的评估。多个UCI标准数据集和一个真实数据集的识别以及聚类实验表明,形态相似距离对于包含大小与形状信息向量的相似度测量,具有很高的准确度。(2)提出了一种抗体生成算法。在生物免疫系统中,抗体的超高速变异能力同遗传有关机理差异显著。据此,论文中提出的新算法没有采用通常人工免疫算法中大量应用的类似遗传算法的随机搜索和优化策略,而是依据抗体的浓度,区分不同情况,设计了抗体进化、抗体合并以及抗体新生三种不同的策略,快速提取和记忆抗原特征,有效地提高了算法的效率。(3)提出了一种具有自组织、自学习和自记忆能力的自组织抗体网络模型。模型基于生物免疫系统中抗体对抗原的快速学习与记忆能力,计算简便,只需根据样本数据的规模设置初始抗体个数,无需人工设置任何其他参数与阈值;模型中抗体类型与浓度的设计,有效提高了抗体的对抗原的学习和记忆能力,使该模型具有了数据分析的结构。多个UCI标准数据集上不同方法的仿真结果对比表明,相比其它智能方法,自组织抗体网络具有很高的识别准确率和数据浓缩率。(4)应用本文提出的自组织抗体网络模型和抗体生成算法,基于油中溶解气体分析数据,对电力变压器故障进行了分析。仿真结果表明该方法所获得的诊断准确率较高,可作为解决电力变压器故障诊断问题的一种新方法。

全文目录

中文摘要  5-6
英文摘要  6-11
第一章绪论  11-23
  1.1 研究背景及意义  11
  1.2 相似度及其测量  11-13
  1.3 人工免疫技术  13-16
    1.3.1 人工免疫系统  13
    1.3.2 系统隐喻的机理  13-14
    1.3.3 典型应用  14-16
  1.4 电力变压器故障诊断  16-21
  1.5 论文主要工作  21-23
第二章相似度及其测量  23-34
  2.1 相似度  23-28
    2.1.1 相似度和相异度  23-24
    2.1.2 相似度的度量  24-28
  2.2 测量相似度的距离  28-32
    2.2.1 闵可夫斯基（Minkowski）距离  28-31
    2.2.2 Mahalanobis 距离  31-32
  2.3 度量方法的选择  32
  2.4 相似度研究现状分析  32-33
  2.5 本章小结  33-34
第三章形态相似距离  34-58
  3.1 传统的相似度度量距离  34-37
    3.1.1 对象与向量  34
    3.1.2 传统的点与点的距离  34-35
    3.1.3 问题引出  35-37
  3.2 向量形态参数  37-40
  3.3 两种形态相似距离  40-42
    3.3.1 形态相似距离一  40-41
    3.3.2 形态相似距离二  41-42
  3.4 各种距离特性的统计对比分析  42-47
    3.4.1 分析方法与结果  42-43
    3.4.2 统计分析与讨论  43-47
  3.5 形态相似距离的有效性分析  47-57
    3.5.1 聚类技术  47-48
    3.5.2 仿真实验  48-56
    3.5.3 实验结果分析  56-57
  3.6 本章小结  57-58
第四章自组织抗体网络和抗体生成算法  58-78
  4.1 人工免疫系统模型与算法  58-61
    4.1.1 主要网络模型  58-61
    4.1.2 重要算法  61
  4.2 自组织抗体网络  61-65
    4.2.1 网络基本结构  62-64
    4.2.2 网络初始化  64
    4.2.3 网络训练  64-65
  4.3 自组织抗体网络的特点  65-67
    4.3.1 抗体结构  65
    4.3.2 网络连接方式  65
    4.3.3 网络规模的调节机制  65-66
    4.3.4 学习与记忆  66
    4.3.5 多样性的保持  66
    4.3.6 训练终止条件  66-67
  4.4 抗体生成算法  67-71
    4.4.1 符号和定义  67-68
    4.4.2 算法步骤  68-69
    4.4.3 算法分析  69-71
  4.5 仿真实验  71-77
    4.5.1 Iris 数据集  71-74
    4.5.2 Letter Recognition 数据集  74-76
    4.5.3 Pen-Digits 数据集  76-77
  4.6 本章小结  77-78
第五章自组织抗体网络在变压器故障诊断中的应用  78-86
  5.1 电力变压器故障  78-80
    5.1.1 变压器故障原因与类型  78-79
    5.1.2 变压器油中气体分析  79-80
  5.2 比值诊断法  80-81
  5.3 基于油中气体分析诊断电力变压器故障  81-84
    5.3.1 数据准备  82
    5.3.2 网络初始化与网络训练  82-83
    5.3.3 故障诊断  83-84
  5.4 今后的研究方向  84-85
  5.5 本章小结  85-86
第六章结论与展望  86-88
参考文献  88-97
致谢  97-98
个人简历、在学期间参加的科研工作及学术论文发表  98-99

基于人工免疫系统的电力变压器故障诊断技术研究

内容摘要

全文目录

相似论文