51 / 2022-03-07 20:00:58
Research on transformer oil-paper insulation state diagnosis and life prediction method based on Shuffle-SVM
oil-paper insulation,RVM,SVM (support vector machine),Multi-Source information
终稿
Ji Liu / 哈尔滨理工大学
Dixing Wu / Harbin University of Science and Technology;College of Electrical and Electronic Engineering
Zhang Mingze / Harbin University of Science and Technology
Shouming Wang / Harbin University of Science and Technology
用途/Aim

电力变压器在输配电过程中起着重要作用,因此有必要对绝缘进行诊断,预测电力变压器的使用寿命。支持向量机(SVM)广泛应用于多源信息融合领域进行数据预测。传统的SVM算法将数据投影到高维空间中,并构建超平面进行分类。在构建模型时,将新数据投影为预测集,并根据超平面分类获取预测值。恢复电压法(RVM)是一种无损检测方法。其试验特性量可以从多个方面反映油纸绝缘的老化和水分。本文利用改进的SVM算法Shuffle-SVM对从RVM测试中获得的多源数据进行模型训练,以预测聚合度(DP),以检测绝缘状态并计算变压器的使用寿命。

实验/建模方法

通过RVM测试,提取了测试特性参数:返回电压的最大值Um,达到峰值tm的时间以及返回电压的初始增加速率dU/dt。以上3个参数已被证明是判断介电绝缘状态的依据。本文引入惩罚因子C以增加数据的容差,并引入随机播放算法以使预测具有统计显著性。将RVM的实验特征量与环境变量作为训练集相结合,放入Shuffle-SVM构建模型,并将预测的聚合度与实测的聚合度进行比较。

结果/讨论

通过RVM测试,随着样品的老化,Um增加,tm降低,dU / dt增加。将RVM测试参数预测的聚合度与实测聚合度进行比较,相对误差率小于1%。



结论Shuffle-SVM算法避免了梯度爆炸或梯度消失,保证了预测值的准确性和稳定性。Shuffle-SVM算法需要大量的数据,RVM测试有很多测试参数,可以从不同的角度反映变压器的老化情况。因此,RVM测试与Shuffle-SVM算法相结合,可以有效地预测聚合度,以诊断绝缘状态并预测变压器的剩余寿命。


 
重要日期
  • 会议日期

    09月25日

    2022

    09月29日

    2022

  • 08月15日 2022

    提前注册日期

  • 09月10日 2022

    报告提交截止日期

  • 11月10日 2022

    注册截止日期

  • 11月30日 2022

    初稿截稿日期

  • 11月30日 2022

    终稿截稿日期

主办单位
IEEE DEIS
承办单位
Chongqing University
移动端
在手机上打开
小程序
打开微信小程序
客服
扫码或点此咨询