收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于主动差异学习神经网络集成的电力变压器故障诊断方法研究

徐瑜  
【摘要】: 变压器是电力系统最重要的设备之一,它的运行状态直接关系到电力系统的安全运行,通过监测变压器潜伏性故障的发生以及判断故障发展的程度,可以预防由此引发的重大事故。由于变压器发生故障时,其油中气体的成分和组成含量与变压器的故障类别和严重程度密切相关,因此,监测变压器油中气体变化及其发展趋势,是目前最常用的变压器监测方法。实际上变压器气体征兆与故障原因之间存在复杂性和模糊性,难以建立精确的数学模型,是一个非常困难的学习问题,靠单一的分类器和测量手段难以解决。而作为多分类器集成的神经网络集成方法可以对复杂问题采取“分而治之”的策略,在变压器故障诊断中有天然的优势和巨大的应用前景。本文研究的个体差异性集成学习通过网络设计的主动性和并行学习的协同性,解决个体网络生成的随机性和盲目性,极大降低集成中网络的冗余和规模,是一类适合工程化应用的高效神经网络集成方法。 传统神经网络集成中个体网络生成中存在随机性和盲目性,网络训练通常独立进行,缺乏协同,难以保证个体网络的差异。通过对神经网络集成误差公式的理论分析,提出了一种能主动引导个体网络进行差异性学习的集成网络学习算法。该方法通过对集成误差的分解,使个体网络的训练准则函数中包含个体网络误差相关度的因素,并通过协同训练,引导个体网络进行差异性学习。基于此,本文提出差异性神经网络集成对变压器油中溶解气体的诊断模型,实验结果表明,相同条件下,主动差异性神经网络集成方法对参与集成的个体网络分类精度要求不太高,能显著地提高集成学习系统的稳定性和泛化能力。该方法的故障诊断准确率优于传统的三比值法与BP神经网络,其性能也比经典的集成方法Bagging和Boosting方法更稳定可靠。 提出一种输出数据修正的新型差异性神经网络集成方法,通过修正输出目标数据引导个体网络的差异性学习,提高集成网络的泛化性能。主动差异性神经网络集成方法中成员网络均采用反向传播算法,限制了算法在不同分类器中的广泛应用,而新型差异性集成方法还可以集成多层感知器,径向基函数网络等异构网络。最后讨论了集成网络训练需要的通信代价,分析表明,新型差异性方法明显降低了网络的通信成本,是一种更高效的利于工程应用的神经网络集成方法。 本文从个体网络生成的主动和协同性出发,基于网络个体负相关差异评价,研究了两种主动引导个体网络进行差异性集成学习的方法,并将其应用在电力变压器的故障诊断中,取得了良好的诊断效果。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 刘关松,徐建国,高敦岳;基于神经网络集成的舌苔分类方法[J];计算机工程;2003年14期
2 乔双,宋建中;基于DSP并行结构的多神经网络集成分类器[J];物理实验;2003年11期
3 龚安;张敏;;基于约束规划的选择性神经网络集成方法[J];计算机科学;2007年06期
4 凌锦江,周志华;基于因果发现的神经网络集成方法[J];软件学报;2004年10期
5 傅强,胡上序,赵胜颖;基于PSO算法的神经网络集成构造方法[J];浙江大学学报(工学版);2004年12期
6 孔安生,王洪澄,李国正;神经网络集成与支持向量机在多值分类问题上的比较研究[J];计算机工程与应用;2005年01期
7 沈掌泉,孔繁胜;基于个体选择的动态权重神经网络集成方法研究[J];计算机工程与应用;2005年12期
8 Perfecto Marino;Francisco Poza;Manuel Ubeira;Fernando Machado;;电力变压器模型和数据采集一体化系统[J];电力电子;2005年02期
9 巩文科;李长河;石争浩;赵洁;;基于样本重构的神经网络集成学习方法[J];计算机应用;2006年06期
10 文习明;;基于神经网络集成的数据分析[J];现代计算机;2006年05期
11 阮忠;林方;;基于神经网络的入侵检测系统的实现[J];计算机与网络;2008年09期
12 郑学伟;景秀丽;;神经网络下的数据分析研究[J];电大理工;2009年04期
13 谢卫国,林文铮,耿毅;电力变压器的微机继电保护[J];控制与决策;1986年04期
14 张正道,胡寿松;基于神经网络免疫集成的非线性时间序列故障预报[J];东南大学学报(自然科学版);2004年S1期
15 王宇光,郭文华,杨旭光;220kV大型电力变压器的开发和设计[J];科技情报开发与经济;2005年13期
16 王正群;陈世福;陈兆乾;;基于模糊划分的神经网络集成[J];南京大学学报(自然科学版);2006年01期
17 孙冰;宫宁生;朱梧槚;;基于覆盖的神经网络集成在语音识别中的应用[J];南京大学学报(自然科学版);2006年03期
18 徐敏;;神经网络集成在图书剔旧分类中的应用[J];计算机工程;2006年20期
19 蔡桂林;;电力变压器综合保护算法与实现[J];控制工程;2006年S1期
20 巩文科;李心广;赵洁;;基于神经网络集成的入侵检测方法的研究[J];计算机工程;2007年08期
中国重要会议论文全文数据库 前10条
1 张文涛;风文超;;电力变压器日常检查及故障分析[A];土木建筑学术文库(第15卷)[C];2011年
2 殷战稳;;电力变压器的原边接地故障分析[A];煤矿机电一体化新技术2011学术年会论文集[C];2011年
3 安洪松;李娜;王媛媛;;确定电网电力变压器的维护和维修顺序[A];2011中国电工技术学会学术年会论文集[C];2011年
4 杨慧松;;一种推导电力变压器零序等值电路的新方法[A];全国电工理论与新技术学术年会(CTEE'2001)论文集[C];2001年
5 代生丽;赵震;;浅析电力变压器运行状态的智能化诊断方法[A];重庆市电机工程学会2010年学术会议论文集[C];2010年
6 王向勇;;电力变压器的节能运行及应用[A];全国工矿企业电力安全与节能技术优秀论文集[C];2005年
7 程玲;;浅议变压器并列运行时应注意的几个问题[A];第十五届华东六省一市电机工程(电力)学会输配电技术研讨会论文集[C];2007年
8 曾鑫;杨浩;罗建;;电力变压器内部励磁涌流判别方法的新进展[A];四川省电工技术学会第九届学术年会论文集[C];2008年
9 章述汉;舒乃秋;刘敏;毛慧和;;电力变压器绕组变形超声测量装置的研究[A];中国声学学会1999年青年学术会议[CYCA'99]论文集[C];1999年
10 李蓬宁;;一种新的非线性神经网络集成股市预测模型[A];全国第19届计算机技术与应用(CACIS)学术会议论文集(下册)[C];2008年
中国博士学位论文全文数据库 前10条
1 魏鲁原;基于多蚁群算法的电力变压器故障定位方法研究[D];中国矿业大学;2011年
2 郑蕊蕊;智能信息处理理论的电力变压器故障诊断方法[D];吉林大学;2010年
3 林民龙;基于神经网络集成的增量式学习[D];中国科学技术大学;2012年
4 于合龙;精准农业生产中若干智能决策问题研究[D];吉林大学;2010年
5 黄保海;基于分解—集成的汽轮发电机组故障诊断方法研究[D];华北电力大学;2012年
6 郑含博;电力变压器状态评估及故障诊断方法研究[D];重庆大学;2012年
7 高敬阳;神经网络集成BOOSTING类算法研究[D];北京化工大学;2012年
8 程志光;电力变压器电磁场分析与验证[D];清华大学;1994年
9 李俭;大型电力变压器以油中溶解气体为特征量的内部故障诊断模型研究[D];重庆大学;2001年
10 刘云鹏;电力变压器局部放电的电气定位及诊断[D];华北电力大学(河北);2005年
中国硕士学位论文全文数据库 前10条
1 张启清;电力变压器故障诊断专家系统的研究[D];重庆大学;2002年
2 王亮;电力变压器直流电阻快速测量的研究[D];华北电力大学;2002年
3 杨梦滢;电力变压器大电流引线引起的附加损耗问题研究[D];沈阳工业大学;2011年
4 邹思轶;电力变压器油色谱在线监测信息系统的研究[D];西南交通大学;2003年
5 尹海晶;基于红外测温技术的电力变压器过热故障在线监测系统的设计与开发[D];南京理工大学;2010年
6 洪扬;变压器绕组状态监测软件系统的开发[D];沈阳工业大学;2006年
7 谌军;电力变压器状态评估方法的研究[D];华北电力大学(北京);2011年
8 徐瑜;基于主动差异学习神经网络集成的电力变压器故障诊断方法研究[D];湘潭大学;2010年
9 裴子春;电力变压器故障预测方法研究[D];西华大学;2011年
10 陈世青;电力变压器改造与运行维护研究[D];武汉大学;2004年
中国重要报纸全文数据库 前10条
1 天保;天威合变110kV电力变压器项目顺利完成[N];中国企业报;2009年
2 青华;甘肃推出绿色环保电力变压器[N];中国工业报;2003年
3 本报记者 崔宏薇;意在节能 电力变压器新规执行[N];机电商报;2010年
4 姜伟;研发20千伏级电力变压器[N];东北电力报;2009年
5 李晓霞;只春生:享受技术研发的苦与乐[N];兰州日报;2010年
6 薛万章;用质量锻造企业的“船”[N];西南电力报;2001年
7 记者 马文生;首批5家电力变压器企业获节能认证[N];中国国门时报;2010年
8 肖锋;衡变首台750千伏特高压变压器研制成功[N];中国企业报;2010年
9 宁波 张春峰;P87LPC767在电力变压器绕线机中的应用[N];电子报;2004年
10 见习记者 徐光胜;哈空调投10亿新建两项目[N];哈尔滨日报;2008年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978