没有合适的资源?快使用搜索试试~ 我知道了~
首页基于云理论和熵权法的变压器故障风险智能评估
本文主要探讨了一种基于云理论和熵权法的变压器潜在故障风险评估方法。在电力系统中,变压器作为关键设备,其稳定运行对于整个系统的正常运作至关重要。文章旨在通过利用大数据中的信息,提高对变压器潜在故障的识别效率。首先,研究者采用了云理论的方法,将不同类型的变压器油色谱数据与其对应的故障类型进行关联,构建了各个故障类型下特定气体的云分布模型。这种模型相当于一个故障云判断知识库,有助于直观地理解数据之间的关系。 熵权法在此过程中起到了关键作用,它被用来确定油中各种气体指标的权重系数,这一步骤确保了评估过程中的各指标重要性的合理分配。结合云分布的隶属度系数,研究人员提出了一个综合的变压器潜在故障风险计算方法,这种方法考虑了数据间的复杂关联性和指标的重要性。 通过对比实验,研究者考察了该方法在不同训练样本数量下的准确判断率,以此验证了其对数据学习能力的有效性。结果表明,该方法不仅能够准确识别故障,而且随着数据量的增加,性能持续优化,显示出良好的适应性和学习能力。 文章进一步将改进的三比值法以及现有的云理论方法作为对照,结果显示,基于云理论和熵权法的评估方法在故障识别的准确性和效率上具有显著优势,从而证明了其在变压器潜在故障风险评估领域的有效性及优越性。 总结来说,本文提出的创新方法提供了一种实用且高效的风险评估工具,有助于电力公司早期发现并预防变压器故障,减少经济损失,保障电力系统的稳定运行。这种方法的推广和应用对于电力行业的运维管理和设备维护具有重要的实际意义。
资源详情
资源推荐
第 38 卷 第 8 期
2018 年 8 月
电 力 自 动 化 设 备
Electric Power Automation Equipment
Vol.38 No.8
Aug. 2018
基于云理论及熵权法的变压器潜在故障风险评估方法
熊卫红
1
,张宏志
2
,谢志成
2
,韩雄辉
3
,李正天
2
,林湘宁
2
(1. 国家电网公司华中分部,湖北 武汉 430077;2. 华中科技大学 电气与电子工程学院 强电磁工程与新
技术国家重点实验室,湖北 武汉 430074;3. 广东省电力公司梅州供电局,广东 梅州 514021)
摘要:为了充分利用海量样本中所蕴含的信息对变压器的潜在故障风险进行有效识别,采用云理论方法对不
同故障类型下变压器油色谱数据与故障类型进行映射,建立了不同故障类型下不同气体的云分布模型,依此
构造故障云判断知识库。 同时,引入熵权法对油中气体指标的权重系数进行确定,结合云分布隶属度系数,
提出变压器潜在故障风险的计算方法。 通过对不同训练样本数目下准确判断率的比较,证明了该方法具备
对数据的学习能力。 与改进的三比值法及已有云理论方法进行了对比,结果证明了该方法的有效性及优
越性。
关键词:变压器;数据挖掘;潜在故障;风险评估;云理论;熵权法
中图分类号:TM 41 文献标识码:A DOI:10.16081 / j.issn.1006
-
6047.2018.08.018
收稿日期:2017
-
05
-
23;修回日期:2018
-
05
-
08
基金项目:国家自然科学基金面上项目(51477090) ;武汉市
“黄鹤英才(科技) 计划” 资助项目;南网广州供电局科技项
目( GZHKJXM20160038)
Project supported by the General Program of National Natural
Science Foundation of China(51477090) ,Wuhan Yellow Crane
Talents(Science) Plan of China and the Science and Technology
Project of Guangzhou Power Supply Bureau(GZHKJXM20160038)
0 引言
变压器作为电网枢纽设备之一,其正常运行是
电力系统安全、可靠、优质、经济运行的重要保证。
一旦变压器发生故障,将会导致系统供电中断,极大
地影响工农业生产和人民的正常生活。 另外,变压
器的造价十分昂贵、结构复杂,若因故障而损坏,其
检修难度大、时间长,将不可避免地导致严重的经济
损失。 因此,准确、可靠地发现变压器潜在的故障隐
患,可以为及时制定合理的检修计划提供指导,避免
变压器故障的发生,从而提高设备运行可靠性
[1⁃2]
。
针对变压器等电网枢纽设备的故障风险评估,
国内外公认的有效方法有改良三比值法、Rogers 法、
Domerburg 法等
[3⁃4]
。 这些方法都是利用变压器油中
溶解气体的比值进行编码,由编码结果查找对应的
故障类型。 然而,从实际应用来看,这些方法均存在
“编码盲点”的问题。 为此,国内外学者引入人工智
能算法对故障样本进行学习,挖掘故障特征,进而形
成知识库对变压器故障风险进行评估。 常用的方法
包括灰色理论、模糊理论、神经网络、Petri 网、粗糙
理论、支持向量机、Bayesian 网络、证据理论等
[5⁃11]
。
然而,由于设备状态数据(包括在线监测、带电检测、
预防性试验数据等) 具有体量大、类型繁多的特点,
这些方法都存在一定的不足。
随着在线监测技术的日益成熟,变压器等充油
设备状态量的监测也越来越精确,所得到的数据采
集点也能覆盖设备的全寿命周期,数据种类、数据样
本量是十分丰富和巨大的。 近年来,如何从海量数
据中挖掘有效的信息成为了热点问题之一,继而也
出现了“ 大数 据” 的概念
[12]
。 大 数据分 析技术 通
过寻找设备信息间的关联关系,为提高设备异常状
态检测的 准 确性 提 供了 全 新的解 决方法 和思路。
因此可以将大数据技术应用于设备故障风险评估
中,充分挖掘状态数据的异常信息。 国内外文献中
在电网设备异常检测领域的大数据方法有时间序
列分析、马尔可夫模型、遗传规划算法、分类算法、
云理论等
[13⁃16]
。 云理论是在对概率理论和模糊集
合理论进行交叉渗透的基础上,通过特定的构造算
子,形成定性概念与定量表示之间的转换模型。 近
年来,该方法已经在电力领域得到了较为广泛的应
用,包括负荷预测、状态估计、故障诊断、调度决策
等方面
[17⁃18]
。
目前,已经有学者采用云理论对电力变压器的
绝缘状态和故障风险进行评估,文献[19] 通过隶属
云模型对变压器故障的模糊性与随机性进行了描
述,结合温升及油中溶解气体含量数据,对设备的绝
缘状态进行综合评价;文献[20] 构建了基于云权重
的电力变压器故障模式与影响分析( FMEA) 评估流
程,对电力变压器的重要度、故障发生度与可检测度
等指标进了模糊化和随机化处理,提高了评估结果
的准确性。
采用云理论进行风险评估时,需要获取大量的
历史数据样本来确定不同故障情况下的概率分布云
模型,然而工程实际中同一型号、相同容量设备的样
本数据较少,现有方法中不同类型设备的样本又无
法通用,上述情况导致该方法在应用时存在局限。
为此,本文考虑提取油气特征量等风险评估通用特
征量,将其与设备容量、型号、厂家等因素解耦,通过
下载后可阅读完整内容,剩余6页未读,立即下载
weixin_38668225
- 粉丝: 2
- 资源: 940
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 李兴华Java基础教程:从入门到精通
- U盘与硬盘启动安装教程:从菜鸟到专家
- C++面试宝典:动态内存管理与继承解析
- C++ STL源码深度解析:专家级剖析与关键技术
- C/C++调用DOS命令实战指南
- 神经网络补偿的多传感器航迹融合技术
- GIS中的大地坐标系与椭球体解析
- 海思Hi3515 H.264编解码处理器用户手册
- Oracle基础练习题与解答
- 谷歌地球3D建筑筛选新流程详解
- CFO与CIO携手:数据管理与企业增值的战略
- Eclipse IDE基础教程:从入门到精通
- Shell脚本专家宝典:全面学习与资源指南
- Tomcat安装指南:附带JDK配置步骤
- NA3003A电子水准仪数据格式解析与转换研究
- 自动化专业英语词汇精华:必备术语集锦
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功