基于优化极限学习机的变压器故障诊断方法研究

电力变压器的智能故障诊断是推动智能电网发展的主要环节,但传统的单一智能诊断算法无法有效处理变压器大量不完整的故障信息,导致故障诊断准确率低。因此,结合溶解气体分析(DGA)技术,本文提出了一种基于灰狼优化算法优化的混合核极限学习机的变压器故障诊断方法。首先,根据Mercer定理,结合局部径向基核函数和全局多项式核函数,构建了混合核极限学习机模型。其次,可以通过灰狼优化算法对混合核函数的参数进行优化。最后结合实际数据对6种变压器故障数据进行了诊断,诊断准确率为90.02%（普通神经网络仅为77.8%）。此相比如传统的神经网络具有较高的诊断精度。应用混合核函数可以提高KELM的学习能力和泛化能力,以至于提高诊断精度。     

基于Lazy Snapping混合模拟退火算法的高压开关柜温度场红外三维图像重建仿真

提出基于Lazy Snapping混合模拟退火算法的高压开关柜温度场红外三维图像重建仿真方法,以提升高压开关柜温度场仿真效果。该方法利用主动式红外图像传感器采集高压开关柜温度场红外图像后,使用直方图非线性拉伸算法对其实施增强处理;再使用Lazy Snapping算法对增强后的高压开关柜温度场红外图像进行分割,并通过混合遗传模拟退火算法合成二维纹理流场图像;以该图像为基础,使用Image Quiltingh纹理合成算法合成高压开关柜温度场三维图像,完成高压开关柜温度场红外三维图像重建仿真过程。实验结果表明：该方法可有效增强高压开关柜温度场红外图像,其分割红外图像时的交并比数值接近1.0;可依据其生成的二维纹理流场图像生成三维图像,温度场仿真数值最大偏差仅为0.03℃。