学位论文 > 优秀研究生学位论文题录展示
基于组合多分类器的变压器故障诊断方法研究
作 者: 汪凤
导 师: 张彼德
学 校: 西华大学
专 业: 电气工程
关键词: 支持向量机 神经网络 最邻近算法 元学习策略 Stacking
分类号: TM407
类 型: 硕士论文
年 份: 2013年
下 载: 22次
引 用: 0次
阅 读: 论文下载
内容摘要
变压器是电力系统的重要设备,其运行状态是否正常直接关系到电力系统的稳定性。由于变压器故障错综复杂,所以其故障诊断方法也是多种多样。目前的各种单分类器在变压器故障诊断中存在不足,因此本文采用组合分类器来实现多个单分类器之间的互补。对目前广泛应用于变压器故障诊断的支持向量机、神经网络、最邻近,贝叶斯网络分类器,采用基于元学习策略和投票法这两种组合方式得到的组合分类器。通过实验证明,采用基于元学习策略(包括Stacking组合策略和Cascading组合策略)的组合多分类器相对于投票法提高了变压器故障诊断的精度,本文的主要工作如下:(1)对变压器油中溶解气体数据进行归一化处理和阈值处理,对K-近邻算法进行加权处理,采用上、下近似集加权处理方法,改进了采用树增强贝叶斯TAN分类算法,建立了基于K-近邻算法、支持向量机、树增强贝叶斯TAN算法和神经网络的变压器故障诊断模型。(2)采用先验概率加权处理投票法,构造基于投票法的变压器故障组合多分类器诊断模型,并与未经过加权处理的投票法进行比较分析;改变基于投票法组合多分类器的变压器故障诊断模型的基分类器的数量,并进行比较分析。(3)构造基于Stacking元学习策略组合多分类器的变压器故障诊断模型,改变基于Stacking元学习策略的组合多分类器模型的输入变量类型,进行比较分析;改变基于Stacking元学习策略组合多分类器模型中基分类器的数量,并进行比较分析。(4)构造基于Cascading元学习策略组合多分类器的变压器故障诊断模型,改变基于Cascading策略构造的组合多分类器诊断模型中基分类器顺序,进行比较分析:改变基于Cascading元学习策略组合多分类器中基分类器的数量,并进行比较分析。(5)对基于投票法、基于元学习策略构造组合多分类器的变压器故障诊断模型进行比较。
|
全文目录
摘要 4-5 Abstract 5-7 目录 7-9 1 引言 9-19 1.1 研究背景及意义 9-10 1.2 变压器故障分类 10-12 1.3 变压器的故障诊断研究现状 12-17 1.3.1 传统的故障诊断方法 12-14 1.3.2 变压器故障智能诊断方法 14-17 1.4 组合多分类器的诊断方法 17 1.5 本文主要研究工作 17-19 2 基分类器及其改进 19-35 2.1 组合多分类器诊断思想 19-20 2.2 故障诊断数据处理 20-23 2.2.1 条件属性、决策属性的确定 20-21 2.2.2 数据的归一化处理 21-22 2.2.3 DGA数据的离散化预处理 22-23 2.3 改进贝叶斯模型 23-27 2.3.1 TAN贝叶斯模型 23-24 2.3.2 TAN贝叶斯模型的改进 24-25 2.3.3 实例分析 25-27 2.4 加权K-近邻故障诊断模型 27-29 2.4.1 加权K-近邻故障诊断模型 27-28 2.4.2 实例分析 28-29 2.5 支持向量机模型 29-31 2.5.1 支持向量机模型 29-30 2.5.2 实例分析 30-31 2.6 BP神经网络模型 31-33 2.6.1 BP神经网络模型 31-32 2.6.2 实例分析 32-33 2.7 小结 33-35 3 基于投票法组合多分类器的变压器故障诊断方法 35-43 3.1 投票法的基本理论 35-37 3.2 投票法权重的确定 37-38 3.3 基于投票法组合多分类器的故障诊断模型 38-41 3.4 实例分析 41-42 3.5 小结 42-43 4 基于元学习策略组合多分类器的变压器故障诊断 43-61 4.1 基于Stacking元学习策略组合多分类器的变压器故障诊断 43-52 4.1.1 Stacking元学习策略 43-46 4.1.2 基于Stacking元学习策略组合多分类器的故障诊断模型 46-48 4.1.3 实例分析 48-52 4.2 基于Cascading元学习策略组合多分类器的变压器故障诊断 52-56 4.2.1 Cascading元学习策略 52-53 4.2.2 基于Cascading元学习策略组合多分类器的故障诊断模 53-54 4.2.3 实例分析 54-56 4.3 投票法与元学习策略的组合多分类器比较 56-59 4.4 小结 59-61 结论 61-63 参考文献 63-66 攻读硕士学位期间发表的论文及科研成果 66-67 致谢 67
|
相似论文
- 天然气脱酸性气体过程中物性研究及数据处理,TE644
- 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
- 压气机优化平台建立与跨音速压气机气动优化设计,TH45
- 调频式电容位移传感器高速测频与非线性校正技术研究,TH822
- 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
- 基于PCA-SVM的液体火箭发动机试验台故障诊断算法研究,V433.9
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 音乐结构自动分析研究,TN912.3
- 基于三维重建的焊点质量分类方法研究,TP391.41
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 基于SVM的中医舌色苔色分类方法研究,TP391.41
- 基于图像的路面破损识别,TP391.41
- 模糊控制、神经网络在平面二级倒立摆中的应用,TP273.4
- 基于神经网络的水厂投药预测控制研究,TP273.1
- 压电驱动微工作台的控制与校正技术研究,TP273
- 基于支持向量机的故障诊断方法研究,TP18
- 过程支持向量机及其在卫星热平衡温度预测中的应用研究,TP183
- 市级旅游用地规划环境影响评价研究,X820.3
- 珠三角地区高性能混凝土配合比智能化系统,TU528
- 大学生综合素质测评研究,G645.5
中图分类: > 工业技术 > 电工技术 > 变压器、变流器及电抗器 > 一般性问题 > 维护、检修
© 2012 www.xueweilunwen.com
|