基于AdaBoost-RBF算法与DSmT的变压器故障诊断技术

针对目前浅层机器学习理论在变压器故障诊断上精度不高以及大多数诊断方法参考的信息特征量单一的现状,提出一种基于AdaBoost-RBF算法与Dezert-Smarandache理论(DSmT)的变压器故障诊断方法。选择反映变压器故障信息的油中溶解气体、试验及产气率数据构成诊断参量空间,利用AdaBoost算法改进RBF神经网络算法,应用AdaBoost-RBF算法搭建并行的训练单元构造变压器故障诊断识别框架的基本信度赋值(BBA)。基于多源信息融合的思想,应用DSmT对基本信度赋值进行融合得到最终诊断结论,该理论克服了D-S证据理论无法融合高冲突性证据的局限性。对110kV变压器进行仿真实例分析,结果表明所提方法具有良好的实用性。

采用最优云熵改进可拓云理论的变压器本体绝缘状态评估方法

状态评估是电力设备状态检修及健康管理的关键环节。以220 kV油浸式电力变压器为研究对象,构建了一种基于最优云熵改进可拓云理论的变压器本体绝缘状态评估模型。首先,针对绝缘状态等级边界的随机性与模糊性问题,提出使用可拓云理论来构建状态评估的基础理论框架;然后,在充分考虑等级划分分明性与模糊性特点的基础上,提出一种可自适应评估对象的最优云熵计算方法,实现了对传统可拓云理论的改进;最后,针对单一赋权方法存在的不足,构建了一种基于模糊集值统计法与熵权法的主客观组合赋权模型,实现了指标权重基于信息变化程度的动态调整。实例研究表明,相较于传统理论,该文所提方法能够有效处理变压器状态评估中的不确定性因素,其评估结果更接近设备的真实状态,具备较高的应用可行性。

基于模糊评判与DSmT的变压器本体多级绝缘状态评估方法

针对变压器本体绝缘状态评估中的状态信息指标的不确定性,文中提出了基于模糊评判理论与DSmT的变压器本体多级绝缘状态评估模型,该模型分为本体绝缘状态等级评估与绝缘缺陷风险等级评估。应用模糊评判理论构建等级评估的隶属度函数模型,选择反映变压器绝缘状态的绝缘类指标参量作为模型的输入,应用熵权法改进的DSmT对指标隶属度进行融合得到最终的等级评估结果,该模型有效克服了等级区间界限值过于绝对化的局限性,解决了传统DST高冲突性证据的融合问题。通过实例验证,该模型的评估结果具有一定的有效性,其不仅能够反映变压器本体的绝缘状态等级,还可以反映其具体绝缘缺陷的风险趋势。