当前位置:论文写作 > 毕业论文范文 > 文章内容

组合核相关向量机在电力变压器故障诊断中的运用分析

主题:向量 下载地址:论文doc下载 原创作者:原创作者未知 评分:9.0分 更新时间: 2024-01-29

简介:该文是关于故障诊断和变压器论文怎么撰写与向量相关在职毕业论文范文.

故障诊断和变压器论文范文

向量论文

目录

  1. 一 介绍CS-MKL-RVM模型及优化核参数
  2. (一)算法介绍
  3. (二)优化CS-MKL-RVM核参数
  4. (三)CS-MKL-RVM代價敏感机制原理
  5. 三 案例分析

摘 要:本文把代价敏感学习机制整合至组合核相关向量机(MKL-RVM),建设了代价敏感组合核相关向量机(CS-MKL-RVM),探究CS-MKL-RVM算法在变压器故障诊断中的应用情况,摸索出最优的核函数参数.通过分析油内溶解气体分析数据的实际案例,发现CS-MKL-RVM和BPNN、MKL-RVM等诊断方法相比较,CS-MKL-RVM较明显的提升故障诊断率,且误诊断代价处于较低水平.

关键词:变压器;组合核相关向量机;故障诊断;参数优化

引言

变压器是电力系统内主要的一种高压设备,其内部油纸绝缘的老化情况关系变压器使用寿命长短,为使变压器能安稳运行,就需采用合理方法尽早发现变压器内潜在的故障.近些年,国内外学者陆续提出采用人工神经元网络(ANN)、相关向量机(RVM)等智能诊断方法,其原理基本是依照油内气体溶解数据等诊断相关故障.但事实上,变压器故障类别和油内气体含量直接并没有明确的函数关系,故而采用以上方法诊断设备故障有一定片面性.组合核学习是当下智能领域中研究的热点,MKL-RVM是Damoulas教授做出的提议,其以概率的形式输出诊断结果,为分析问题的不确定性创造了便利条件.现实应用中存在不同程度的误诊断情况,诱发一定危害.本文把代价敏感机制整合至MKL-RVM内,构建了CS-MKL-RVM算法,探讨其在变压器故障诊断中的应用情况.

一 介绍CS-MKL-RVM模型及优化核参数

(一)算法介绍

CS-MKL-RVM、MKL-RVM两者的结构模型别无二致.MKL-RVM是以分层贝叶斯模型结构为基础,通过整合多项概率似然函数,促进多特征空间的有机融合过程

(二)优化CS-MKL-RVM核参数

MKL-RVM在使用过程中规避了确定规则化系统难度大的问题,模型学习阶段核组合参数(β)实现了智能优化,但需结合既往经验选择核函数参数.本文应用K-CV与PSO算法相结合的形式去优化核函数参数,具体流程如下:

1 把总数是S的样本数据集(Xs)依照随机原则分为元素数目近乎等同的K个独立子集Xks,其中;

2 利用Xs-Xks训练MKL-RVM模型,利用Xks检测验证训练好的MKL-RVM模型;

3 利用PSO算法选择与测评函数参数,设定原始种群规模是20,在各次迭代内粒子通过个体极值(Pi)与群体极值(Ps)更新字体的运行速度与所处方位;

4 用K个模型的平均误判率作为PSO算法的适应度函数取测评待选择的核函数参数.

(三)CS-MKL-RVM代價敏感机制原理

参照1.2的函数参数优化流程优化CS-MKL-RVM模型,获取最优核函数参数后训练MKL-RVM模型,而后结合贝叶斯风险理论微调整模型,借此方式获得最小的误诊断代价.

二、采用CS-MKL-RVM诊断变压器故障的具体流程

(1)结合变压器运转实况,科学规划设备的故障状态;

(2)输入变压器的在线或离线监测数据,提取数据的特征量,要求提获的特征量能从不同维度呈现出变压器的运转状态.

(3)设定由不同特征量构成具有不同特征空间的CS-MKL-RVM融合模型.本文用IEC所推荐的前5种作为故障分析的特征性气体.

(4)采集不同运转状态下变压器设备对应的样本数据;

(5)为各组特征变量空间选定相配套的核函数,并依照1.2设定的流程优化各项核函数参数.RBF核函数见下式,其中σ是核函数:

在确定核函数以后,利用1.2内设定的流程方法探寻最优核函数参数.在折交叉验证过程中,K取10.

(6)学习与测试MKL-RVM故障诊断模型,利用typeII最大似然预算先验参数,针对组合核参数,利用最大期望(EM)与二次规划方法求算;

三 案例分析

本文选择某电力企业提供的油内气体在线监测实际数据,以及前期采集且已经被证实能较整体的呈现出变电站故障类别的DGA样本数据,共计364组.于样本集内,随机提取各故障类型1/2样本数组成训练集,其他样本作为测试机.为检测验证CS-MKL-RVM算法在诊断变压器运行故障方面表现出的效能,依次用BPNN、MKL-RVM及CS-MKL-RVM建设故障模型,并比较以上三种算法诊断设备故障实际案例的情况.

BPNN的输入神经元数是5,隐层、输出神经分别是15、6,采用Sigmoid函数作为激励函数,用φ(H2)/T、φ(CH4)/C、φ(C2H6)/C、φ(C2H4)/C、φ(C2H2)/C作为BPNN诊断模型的输入.具体诊断情况见表1[3].

相比较之下,CS-MKL-RVM算法的平均诊断准确率偏低,但其持有更小的平均总计诊断代价更小,这提示导入代价敏感算法后,能使CS-MKL-RVM的诊断结果朝向误诊断代价偏向的方向移走.

结束语:

本文把代价敏感机制导入MKL-RVM算法内,建成了CS-MKL-RVM电力变压器故障诊断方法.该算法在应用过程中将误诊断最小设定成目标,有效规避了BPNN等常规诊断方法应用阶段要考虑误诊断代价的问题,诊断准确率很高,值得推广.

参考文献:

[1]罗亦泳, 姚宜斌, 赵庆志,等. 利用优化的组合核相关向量机算法构建地表下沉预测模型[J]. 武汉大学学报:信息科学版, 2018, 043(009):1295-1301.

[2]王东, 朱永利. 基于模糊C均值聚类和改进相关向量机的变压器故障诊断[J]. 电测与仪表, 2019(12):14-19.

[3]高明哲, 许爱强, 唐小峰,等. 基于多核多分类相关向量机的模拟电路故障诊断方法[J]. 自动化学报, 2019, 045(002):434-444.

总结:该文汇总:本文是可用于本科与硕士故障诊断和变压器相关的毕业论文开题报告写作参考和有关优秀学术职称论文参考文献资料,免费教你怎么写向量方面论文.

向量引用文献:

[1] 故障诊断和变压器学术论文怎么写 故障诊断和变压器类有关硕士学位毕业论文范文2500字
[2] 变压器论文怎么写 故障诊断和变压器有关研究生毕业论文范文3000字
[3] 热门汽车发动机故障诊断与维修论文题目 汽车发动机故障诊断与维修论文题目哪个好
《组合核相关向量机在电力变压器故障诊断中的运用分析》word下载【免费】
向量相关论文范文资料