报告详情
  1. 活动首页
  2. 报告清单
  3. 报告详情
Research on transformer oil-paper insulation state diagnosis and life prediction method based on Shuffle-SVM
编号：168 访问权限：仅限参会人 更新：2022-08-29 11:57:56 浏览：111次 口头报告

报告开始：暂无开始时间（Asia/Shanghai）

报告时间：暂无持续时间

所在会场：[暂无会议] [暂无会议段]

演示文件 附属文件

提示：该报告下的文件权限为仅限参会人，您尚未登录，暂时无法查看。

摘要
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。
 
关键词
oil-paper insulation,RVM,SVM (support vector machine),Multi-Source information
报告人
Dixing Wu
Harbin University of Science and Technology；College of Electrical and Electronic Engineering

稿件作者
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
发表评论
验证码 看不清楚，更换一张
全部评论
重要日期

  • 会议日期

    09月25日

    2022

    至

    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
联系方式
登录查看完整联系方式
历届会议
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