基于并行变量预测模型的变压器故障诊断及优化研究

被引：18
作者：
马利洁
朱永利
郑艳艳
机构：
[1] 新能源电力系统国家重点实验室(华北电力大学)
来源：
电力系统保护与控制 | 2019年 / 47卷 / 06期
关键词：
故障诊断; 小样本; 变量预测模型; Spark计算框架; 内存式存储;
D O I：
暂无
中图分类号：
TM407 [维护、检修];
学科分类号：
080801 ;
摘要：
针对传统变压器故障诊断方法存在小样本问题下分类效果差、海量监测数据的识别效率低下等问题,提出基于Spark计算框架的并行化变量预测模型。首先采用HDFS作为内存式存储系统,面向行存储的Row Matrix作为分布式矩阵存储结构,利用广播变量、调整分区数进行并行度优化。其次训练4种数学模型获取故障类型的最佳模型及相关参数完成故障诊断。实验结果表明,并行变量预测模型识别精度高于支持向量机,计算效率优于单机环境,对高维特征向量有较好的适应性。
引用
收藏
页码：82 / 89
页数：8
相关论文
共 16 条
[1]   基于鲁棒能量模型LS-TSVM和DGA的变压器故障诊断 [J].
陈欢 ;
彭辉 ;
舒乃秋 ;
李自品 ;
龙嘉文 .
电力系统保护与控制, 2017, 45 (21) :134-139
[2]   基于油色谱超立方映射的电力变压器缺陷援例诊断模型 [J].
郑一鸣 ;
何文林 ;
孙翔 ;
王文浩 ;
詹江杨 .
电力工程技术, 2017, 36 (04) :48-53
[3]   一种基于改进的磷虾群和粒子群的混合算法 [J].
刘沛 ;
高岳林 ;
郭伟 .
河南师范大学学报(自然科学版), 2017, 45 (02) :119-124
[4]   一种面向风险评估的输电线路故障概率模型 [J].
何迪 ;
章禹 ;
郭创新 ;
陈玉峰 ;
张金江 ;
刘辉 .
电力系统保护与控制, 2017, 45 (07) :69-76
[5]   基于IAFSA-BPNN的短期风电功率预测 [J].
张颖超 ;
王雅晨 ;
邓华 ;
熊雄 ;
陈浩 .
电力系统保护与控制, 2017, 45 (07) :58-63
[6]   基于EEMD云模型与SVM的汽轮机转子故障诊断方法 [J].
田松峰 ;
胥佳瑞 ;
王美俊 ;
韩强 .
热力发电, 2017, 46 (04) :111-114
[7]   基于超声波法的变压器重症监护系统研制及应用 [J].
陆云才 ;
胡汉巧 ;
蔚超 ;
李建生 ;
吴鹏 .
电力工程技术, 2017, 36 (02) :94-98
[8]   基于集合经验模态分解样本熵和LIBSVM的离心风机故障诊断方法 [J].
周云龙 ;
张岗 .
热力发电 , 2017, (02) :114-119
[9]   一种基于Spark和聚类分析的辨识电力系统不良数据新方法 [J].
孟建良 ;
刘德超 .
电力系统保护与控制, 2016, 44 (03) :85-91
[10]   基于特征子集的变压器局部放电小样本类型识别 [J].
王刘旺 ;
朱永利 ;
李莉 ;
陈国强 .
电测与仪表 , 2015, (24) :40-45
12