大型油浸式變壓器故障特征參量預(yù)處理及預(yù)測(cè)方法
大型油浸式變壓器故障特征參量預(yù)處理及預(yù)測(cè)方法
油浸式變壓器毛病猜測(cè)過程中,可采用在線監(jiān)測(cè)數(shù)據(jù)和離線實(shí)驗(yàn)歷史數(shù)據(jù)對(duì)毛病特征量的發(fā)展趨勢(shì)進(jìn)行猜測(cè)。由于油浸式變壓器運(yùn)轉(zhuǎn)工況條件不同,毛病特征量的收集方法和精度也具有必定差異性,造成采用不同來源的數(shù)據(jù)進(jìn)行毛病猜測(cè)時(shí),即使毛病猜測(cè)模型不變,猜測(cè)成果也會(huì)有顯著不同。其底子原因是毛病猜測(cè)模型泛化能力較弱。
猜測(cè)模型泛化才能是指對(duì)不同樣本數(shù)據(jù)的適應(yīng)才能。泛化才能強(qiáng)的猜測(cè)模型能夠針對(duì)不同來歷的同類樣本數(shù)據(jù),在可接受的猜測(cè)精度范圍內(nèi),取得一致的猜測(cè)結(jié)果。
此外,油浸式變壓器缺點(diǎn)猜想面臨的問題是有參考價(jià)值的歷史數(shù)據(jù)缺少、數(shù)據(jù)據(jù)質(zhì)量不高、往往存在反常數(shù)據(jù)、受季節(jié)性動(dòng)搖影響及搜集時(shí)間間隔不等等問題,因而難以滿意多種猜想模型對(duì)樣本數(shù)據(jù)的要求;貧w分析模型、時(shí)間序列分析模型及人工神經(jīng)網(wǎng)絡(luò)等一般需求許多的樣本數(shù)據(jù)進(jìn)行缺點(diǎn)猜想,當(dāng)樣本數(shù)據(jù)部分缺失或數(shù)量偏少時(shí),猜想差錯(cuò)較大,甚至難以實(shí)現(xiàn)缺點(diǎn)猜想。