基于PCA-SVM的電力變壓器故障診斷研究.pdf

1、電力變壓器作為一種電能轉(zhuǎn)換、電磁轉(zhuǎn)換設(shè)備，在電能的傳輸分配中具有重要地位。由于電力變壓器故障類型與故障特征之間具有復雜性和非線性的特點，所以很難建立故障的數(shù)學模型。支持向量機以其自學習、非線性映射的特點，為解決電力變壓器的故障分類決策問題提供了新途徑。因此，本文以主元分析（PCA）和支持向量機（SVM）為核心，并結(jié)合電力變壓器油中溶解氣體分析（DGA）技術(shù)來研究電力變壓器的故障診斷問題。
　　本文首先分析了電力變壓器特征氣體與故障

2、類別的關(guān)系，為了進一步增加DGA得到的6維數(shù)據(jù)所包含的故障信息，加入了13維特征氣體濃度比值數(shù)據(jù)。其次，本文采用模糊C均值聚類構(gòu)建完全二叉樹，對故障類別進行分類。針對模糊聚類計算量大、難以在線分類的特點，本文利用模糊聚類得到分類標簽，采用基于完全二叉樹的分類結(jié)構(gòu)，得到了4個SVM子分類器。最后，針對19維數(shù)據(jù)維度過高的問題，本文采用主元分析法對DGA數(shù)據(jù)降維，并生成新的綜合變量。本文采用了一種復相關(guān)系數(shù)聯(lián)合累積方差貢獻率的方法確定了主元