基于因子分析和灰色关联度分析法的变压器故障诊断

变压器油中溶解气体分析是目前有效的变压器状态诊断方法,应用灰色关联度算法处理变压器油色谱数据时,变压器故障标准模式的选取直接影响诊断结果.采用因子分析方法对大量确诊故障的油色谱数据进行分析计算,将变压器故障分为高温过热、高能放电等11类故障,并通过计算其标准差、方差以及M估计值,确定表征变压器各类故障的标准模式,该标准模式充分考虑了检测数据的分散性,减小了各类故障数据间的相关信息,使诊断具有更高的分辨率.结合灰色关联度分析法进行变压器故障诊断实例分析,结果表明该方法的诊断准确率高于传统的灰色关联度诊断法.     

智能故障诊断粗糙灰色组合模型

在故障诊断过程中,首先利用粗糙集原理对设备特征参数进行约简,去除冗余参数,再利用粗糙集理论定量确定各特征参数的重要程度;根据约简的特征参数和各参数的重要程度,利用灰色关联度分析的方法确定各种标准故障状态与目前设备状态的关联度,从而找到设备的故障之处.实例验证表明:在设备的故障诊断中将灰色系统理论和粗糙集理论结合是一种行之有效的方法,为智能故障诊断提供了理论基础.     

用灰关联分析判断变压器故障

针对三比值法中存在的不足,基于灰色关联度理论,提出了灰关联分析在判断变压器故障类型中的应用,运用实例验证了其正确性,对该方法进行了讨论。     

基于综合关联度分析的电力变压器故障诊断

在电力变压器故障诊断中,针对油中溶解气体分析,传统的三比值法难以包括和反映电力变压器内部故障的所有形态,在实际工作中存在许多变压器故障因查不到故障编码而无法判断的问题。结合油中溶解气体分析技术和灰色关联的相关理论,提出了一种面积关联度和斜率关联度相结合的综合关联度分析方法,给出了变压器故障诊断的算法步骤,并对权重系数的选取进行了探讨。该方法既能表征序列曲线的离散程度,又能反映序列曲线的变化走向相似度,能全面描述序列间联系的紧密程度。实验表明,将该方法用于变压器故障诊断,不仅克服了三比值法存在的问题,而且故障诊断准确率也高于面积关联分析方法和斜率关联分析方法。在收集到的数据中随机选取350组进行计算,诊断准确率达到93．7％。     

基于小波神经网络的简支梁桥损伤识别

针对小波神经网络对一维信号逼近能力强的特点,利用灰色理论中的关联分析法,对结构损伤特征参数和损伤指标进行灰关联分析,将所获得的参数间关联度作为把结构动态特征参数整合为一维输入量的权值,进而提出了基于灰色关联分析的小波神经网络模型。为提高网络的收敛能力和逼近效果,应用局部学习策略改进了小波神经网络的学习算法。仿真结果表明,利用上述方法进行结构损伤识别,识别结果明显优于传统的神经网络模型。     

钢筋混凝土叠合梁抗剪承载力灰色关联分析

应用灰色系统理论，对钢筋混凝土叠合梁抗剪承载力及其关联因子剪跨比λ，预制梁混凝土强度等级ｆｃｕｌ、叠合层混凝土强度等级ｆｃｕ２，叠合特征参数ａｈ＝ｈ１／ｈ，叠合特征参数ａｍ＝Ｍ１／（Ｍ１）进行关联度分析。分析结果表明，对叠合梁抗剪承载力影响最大的因子是预制梁混凝有ｆｃｕｌ，其次是叠合层混凝土强度等级ｆｃｕ２，叠合特征参数ａｈ和叠合特征参数ａＭ，影响最小的因子是剪跨比λ。     

煤层顶板稳定性的加权灰关联评价模型

针对现有灰色关联度计算模型存在的缺陷，提出了主观赋权法和客观赋权法相结合的灰色加权关联度综合评价方法。经实例分析，该方法可较好地反映出煤层顶板地质条件的灰色性特征，使评价结果客观合理。     

灰色关联度分析在矿井水防治中的应用

本文应用灰色关联度分析方法，定量地评价矿井充水水源，并讨论了灰色关联度分析的基本基本原理，分析了子序列与参考序列的关系，并通过工程实例介绍了均值处理及关联系数的计算方法。     

关于灰色系统理论的若干问题

灰色系统理论为系统分析和模拟提出了一系列新的概念、思路和方法，为系统的研究开辟了一条新途径。本文首先阐述了灰色系统理论的主要特色接着探讨以绝对值关联度为基础的现行关联度分析的存在问题及原因，提出用变化率关联度代替绝对值关联度，以克服其缺陷。算例表明这样处理使关联分析概念更明确、计算更简单、结论更合理。最后讨论了灰色模型的适用条件，指出其局限性。     

基于灰色关联度分析法的电力投资项目决策分析

本文运用灰色关联度分析法,提出了电力投资项目决策分析综合评价方法,认为通过计算灰色关联度可以综合评价方案的优劣,构建了电力投资项目灰色关联度分析法评价指标体系,通过计算关联度,对各个方案优劣进行排序,关联度越大方案越优。     

基于梯形灰色聚类分析的电力变压器故障诊断

引入灰色系统理论,通过改进的灰色聚类算法,提出了影响因子的概念,通过影响因子对变压器故障标准模型的数据进行优化,选取梯形白化函数的两个端点,采用梯形灰色聚类算法对变压器故障类型性质及部位进行分析和判断。从而为变压器故障诊断提供了新的方法,实验分析结果表明,该方法与实际吊罩检测结果一致,具有一定的有效性和实用性,并且具有分析速度快,实时性好的优点。     

基于线性判别分析和分步机器学习的变压器故障诊断

为了改善当前变压器故障诊断在特征量选取和使用单一诊断模型进行故障诊断上的不足,提高变压器故障诊断的准确率和效率,提出基于线性判别分析（LDA）的特征选取方法,建立基于分步机器学习的诊断模型. 该模型选取16组油中溶解气体体积分数比值的多特征参数,运用线性判别分析对参数进行降维作为输入特征向量;运用概率神经网络对变压器故障做出初步诊断,区分出易混淆故障;使用基于灰狼群算法优化的支持向量机对易混淆故障做进一步的区分. 最终实验诊断准确率为97.27%,诊断时间为4.87 s. 与单一机器学习模型相比,所提出的模型不仅具有更高的准确率,还具有更高的效率. 实例分析表明,本研究方法能有效弥补单一机器学习的缺陷,为故障样本有限情况下的电力变压器故障诊断提供参考.     

模糊关系方程在故障诊断中的应用分析

用求解模糊关系方程的方法,实现专家系统的推理过程,并将其应用到一个实际的变压器故障诊断专家系统中．经电力变压器故障实例验证,该系统诊断结果与实际发生的故障完全吻合,证实了采用这种方法以实现专家系统推理的可行性和有效性．结合专家系统的诊断结果,对这种方法做了进一步的理论分析,同时指出,在采用该方法时,合理确定描述故障原因与故障现象之间因果关系的模糊关系矩阵,是保证故障诊断正确性的重要前提．     

Elman神经网络在变压器故障诊断中的应用

变压器是电力系统中的枢纽设备之一,其运行情况将直接影响电力系统的安全运行。传统的变压器故障诊断方法不仅判断变压器中存在的故障的准确率低,而且对综合性故障也无法准确判断。应用E lm an神经网络进行变压器故障诊断,极大的提高了诊断准确率,提高电力系统运行可靠性。     

一种基于粗糙集理论的变压器故障多变量决策树诊断方法

本文介绍了一种基于粗糙集理论来构建变压器故障诊断多变量决策树的算法。该方法选择变压器故障决策表的相对于决策属性的范化作为决策树的根节点,再选择粗糙度最小的条件属性作为下一个分枝节点的检验属性,形成结构更为简洁合理的变压器故障诊断多变量决策树。通过实例比较验证了该方法的有效性。     

一种基于粗糙集理论的变压器故障多变量决策树诊断方法

本文介绍了一种基于粗糙集理论来构建变压器故障诊断多变量决策树的算法。该方法选择变压器故障决策表的相对于决策属性的范化作为决策树的根节点,再选择粗糙度最小的条件属性作为下一个分枝节点的检验属性,形成结构更为简洁合理的变压器故障诊断多变量决策树。通过实例比较验证了该方法的有效性。     

基于因子分析和基因表达式编程算法的变压器故障诊断

将因子分析和基因表达式编程结合起来,对变压器油色谱数据进行处理和智能训练,并建立变压器故障分类诊断模型;收集到332组油色谱数据,选取150组作为GEP分类器的训练样本,182组作为测试样本,并将测试结果与三比值法和朴素贝叶斯分类器进行比较。大量诊断实例表明,所提出的变压器故障诊断模型性能优于另外两种方法。     

面向电力变压器油中溶解气体的卷积神经网络诊断方法

油中溶解气体分析法（Dissolved Gas Analysis,DGA）是判断变压器内部故障的重要方法之一。针对传统基于浅层的机器学习方法在变压器故障诊断中存在的特征提取和泛化能力方面的不足,提出了一种基于卷积神经网络的变压器故障诊断方法。利用网络中的卷积层对油中溶解气体进行特征转换,结合池化层强化重要特征的能力,对故障敏感特征进行提取。通过实验研究了卷积核数目、卷积核大小、池化层、网络深度对模型诊断性能的影响。通过混淆矩阵、ROC曲线和PR曲线对比分析了卷积神经网络模型、支持向量机(Support Vector Machine,SVM) 模型、BP神经网络(Back Propagation Neural Network,BPNN)模型。实验结果表明,卷积神经网络模型的诊断性能更为优秀。     

电力变压器故障智能化诊断技术综述

变压器是电力系统的主要设备之一,其故障的提前诊断极其重要。总结并系统剖析了国内外各种传统及现有的变压器故障诊断方式,详细列举了基于油中溶解气体分析技术或电力设备的智能化故障诊断技术的最新进展,阐述了各类深度学习算法在变压器故障诊断中的应用,如深度神经网络、稀疏受限玻尔兹曼机、深度置信网络等,并将各种诊断技术的最终效果进行了对比。     

滚动轴承故障诊断中的多参数综合判别方法

分析了轴承故障诊断中特征参量提取的不确定性，在综合考虑轴承发生故障时发生二次效应中的多个特征参量的基础上，首次提出了综合利用宫的隶属度函数和灰色系统理论中的关联度计算的一种多参数判别方法。