论文总字数：19855字

摘 要

本文针对电容故障的问题，采用DS证据推理理论、数据处理以及算法优化的技术，在python的平台上，实现了证据合成（Evidential reasoning, ER）与更新规则的动态融合算法，用来检测电容器的老化程度。本研究对于降低电容器发生故障的概率具有应用价值。

论文主要研究了对采样获得的真实数据进行特征提取，并分别设置样本输入参考值和输出标签值，对样本与参考值的相似性进行似然归一化，获得各信息源输入提供的诊断证据的因果信度矩阵；确定输入信息源的可靠性和重要性，利用ER规则融合经可靠性因子和重要性权重折扣后的证据；确定优化目标函数训练参数集合，根据融合后得到的置信度矩阵推理得出电容不同老化程度等级值。

研究结果表明ER证据融合可以更高效率以及更精准地检测电容器发生故障的概率，验证了本文所建立的ER模型的准确度和实用度，为其他关于电容器故障检测提供了一种可行方法和思路。

关键词：电容故障；证据推理；证据融合

Abstract

Aiming at the problem of capacitor failure, this paper uses DS evidence reasoning theory, data processing and algorithm optimization technology to realize the dynamic fusion algorithm of evidence synthesis (ER) and update rules on the platform of python, which is used to detect the aging degree of capacitor. This study has application value for reducing the probability of capacitor failure.

This paper mainly studies the feature extraction of the real data obtained by sampling, sets the sample input reference value and the output tag value respectively, normalizes the similarity between the sample and the reference value with likelihood, obtains the causal reliability matrix of the diagnostic evidence provided by the input of each information source, determines the reliability and importance of the input information source, and uses Er rules to fuse the reliability factor and the weight of the input information source According to the weight discount evidence, the training parameter set of optimization objective function is determined, and the different aging degree values of capacitance are deduced according to the confidence matrix after fusion.

The research results show that Er evidence fusion can detect the failure probability of capacitor more efficiently and accurately, which verifies the accuracy and practicability of the ER model established in this paper, and provides a feasible method and idea for other capacitor fault detection.

Key words: capacitor failure; evidence reasoning; evidence fusion

目录

摘 要 I

Abstract II

第1章 绪论 1

1.1研究目的及意义 1

1.2国内外研究现状 1

1.3本文主要内容 2

第2章 总体设计 3

2.1功能设计 3

2.2采用技术方案及措施 3

2.2.1 证据合成 (Evidential reasoning, ER) 算法 3

2.2.2 Dempster组合规则 4

2.3系统运行流程 4

2.4开发平台选择 5

2.4.1 Anaconda 5

2.4.2 Python 6

2.4.3 TensorFlow与keras的对比 6

第3章 系统具体实现 8

3.1数据预处理和标准化 8

3.1.1 样本选取 8

3.1.2 输入参考值的选取 11

3.2构造证据矩阵表 11

3.2.1 获取匹配度矩阵 11

3.2.2 构造投点矩阵 15

3.2.3 构造证据矩阵 18

3.3 ER证据推理 21

3.3.1 确定输入信息源的可靠性和重要性 21

3.3.2 ER证据推理融合 22

3.4 模型优化 27

3.4.1 基于均方误差的模型优化 27

3.4.2 优化函数minimize 28

第4章 运行结果及测试结果 29

4.1训练样本和ER融合后数据结果分析 29

4.2训练样本和使用优化函数训练后ER融合数据结果分析 30

4.3测试样本的初始数据和ER融合后数据结果分析 31

4.4全样本数据同训练后的数据对比结果分析 32

第5章 结论 35

参考文献 37

致谢 39

第1章 绪论

1.1研究目的及意义

随着社会经济的不断发展，各行各业千家万户的日常生活都离不开电能，广阔的市场覆盖面给电力事业带来了前所未有的机遇，同时也对国家电力系统的稳定性提出了更高层次的要求。而电容器凭借其提高电能质量的作用成为电力系统电频器的重要设备之一。本研究的主要目的是以电容故障为例，基于证据推理规则的方法，研究其在故障检测方面的应用。通过DS证据推理理论、证据合成（Evidential reasoning, ER）算法以及Dempster 组合规则^[1]检测电容器出现故障的可能性，从而提高电容器检测的力度和准度，降低电容器发生故障的概率。

人们提高故障解决能力及故障的处理效率固然能够有效应对电容器故障，但是相对于理论推测而言，此类方法对于人力资源和物力资源以及时间资源的投入都是极大的。与此同时，当用来保护电容器的设备工作时，电容器因为故障的原因大多数已经损毁得比较严重，且电容器缺陷发展的过程无法被动态观测到。本实验是实现一种基于证据推理规则的电容器故障检测方法，变电站的大型电容器组产生故障是多种因素或变量相互作用的结果，而这些变量每时每刻都在发生变化，也许变量的微小变化就会极大地影响电容器的安全。然而我们通过监测，从这些实时变量中获取大量数据并评估数据的可靠性，然后将其作为证据推理规则的初始输入输出参考值，根据DS证据推理估计出电容器故障，以便于人员提前检测出故障。该方法更加廉价且能高效减少甚至避免经济损失，其较高的准确性和可靠性，对于整个电力系统的安全性有较好的应用价值。

1.2国内外研究现状

目前，国内外主要采用三种变电站电容器的故障检测方法，分别为：耐压实验，绝缘电阻测试和电容器测量。耐压实验是检验电气设备绝缘性能的重要试验项目之一，可分为工频耐压试验和直流耐压试验，能够及时发现局部游离性缺陷及绝缘老化等弱点，有效地暴露设备绝缘缺陷^[2]。虽然我们可以通过耐压试验更加直观地得到测量的电容的绝缘性能，但是耐压试验是一种破坏性的试验，因为它很有可能造成风险。相比耐压试验，绝缘电阻测试的风险要小得多，因为它是在低电压的情况下实现的。电容量关系到电容器的无功补偿或滤波能力，其测量主要包括专用仪器法、交流阻抗计算法、双电压表法3种形式。专用仪器法是电容量测量的常用方式，具有操作简单、精确度高以及电容量读取直观的优势。除此之外，由于60%以上的重大电力事故都是由于电气设备的局部放电引起的^[3]，局部放电会产生超声波、电磁波、发光、高频振动等诸多物理现象，由此可以通过基于超声检测的手段，凭借超声传感器所收集到的超声波信号，实现对设备状态进行实时评估^[4]。但是此种方法需要采集的数据和种类极多，这在一定程度上加大了工作人员的工作强度。

目前来看，对于凭借DS证据推理规则实现电容器故障检测的研究还很少。但是还是有一些关于DS证据推理理论和神经网络等机器学习对于实现设备故障的检测实验以及其他方面的应用。例如，朱一捷运用BP神经网络原理，构建BP神经网络结构和模型，实现了对汽车故障的检测^[5]。内蒙古工业大学司景萍等人以某型号发动机为研究对象，运用测试技术、信号处理、小波分析、神经网络和模糊控制理论，提出了基于模糊神经网络的智能故障诊断系统^[6]。除此之外，奚婷婷的在多传感器数据融合中DS证据理论算法的改进与应用^[7]。还有西南交通大学张龙等人将DS证据理论应用在道砟清筛机作业工况识别研究上^[8]。或者将DS证据理论和神经网络用于冷链海运物流风险评价^[9]。国外有研究将ER证据推理运用于滑坡不确定性的预测上面^[10]。总体来说，国内对于神经网络和DS证据理论在机械设备上的运用还是有的，但是在电容器方面的故障检测目前还没有特别多的资料。

1.3本文主要内容

本研究主要是采用Python编程语言，实现一个基于证据推理规则的电容器故障检测算法。

请支付后下载全文，论文总字数：19855字