基于WSN和数据融合技术的电力变压器故障诊断系统的研究

探讨一种基于数据融合和可拓理论的电力变压器故障诊断方法,基于此方法,应用无线传感器网络技术和.NET开发平台构建和开发出一套电力变压器故障诊断系统。该系统将WSN技术用于电力变压器油中溶解气体的无线数据采集,实现变压器油中溶解气体的实时数据采集和传送;同时运用信息融合技术对数据进行优化处理,既可以降低网络能耗又保证了数据的准确和客观;在变压器进行故障诊断时,针对现有电力变压器故障诊断的气体比值法存在的编码规则不完整、诊断故障类型单一等缺陷,使用可拓诊断方法,定量与定性相结合,使变压器故障诊断方法更为精细化。在线故障诊断可视化系统可以实现变压器油中溶解气体参数的采集、显示、分析、存储和回放等功能,实现对变压器故障信息的实时分析与自动诊断,既解决了作业人员远程实时监测变压器运行状态问题,又大大提高了变压器故障诊断的性能,为变压器在线监测和故障诊断技术提供新的发展方向。     

基于时间-频率诊断方法的高压脉冲变压器的绝缘系统评估研究

基于理论和实验对电力变压器绕组故障进行了分析。变压器绕组故障一般是由于短路电流的机械效应引起的，频率和时间诊断方法(SFRA方法-扫频响应分析，冲击测试)广泛应用于变压器的测量和故障诊断。通过SFRA方法和时间冲击实验对变压器绕组的线圈进行了诊断，该方法优势在于其对线圈的细微变形有很大的敏感性。同时，引入了一种基于不同类型的电力高压变压器诊断技术来分析短路电流的影响。分析表明，短路电流的大小对电力变压器的运行状况有重要联系。该方法也可用于其他类型的变压器。此外，所提出的技术还可以拓宽应用于电机等电气设备的故障诊断。     

GEP在变压器故障诊断中的应用

变压器油中溶解气体分析是电力变压器绝缘故障诊断的重要方法.文中将改进的基因表达式程序设计算法应用于电力变压器故障诊断,利用新的选择算子、变异(变换)、重组算子和多种群算子保证了种群的多样性,确保算法不陷入局部最优,而快速达到全局最优.经实例分析,并将其结果与BP神经网络和人工免疫分工算法的结果相比较,表明该算法能有效地对电力变压器故障进行诊断,具有较高的诊断准确率.     

可拓神经网络在变压器故障诊断中的应用

可拓神经网络是一类新的神经网络,它结合了可拓学理论和人工神经网络技术。可拓神经网络已经在模式识别、故障诊断、分类聚类等领域有了成功的应用。针对变压器故障诊断的特点,提出一种基于可拓神经网络的电力变压器故障诊断方法。介绍了可拓神经网络;构造了基于可拓神经网络的故障诊断模型和算法设计,并将其应用到电力变压器的诊断识别;通过仿真实验验证了该方法简单易行、训练误差小、收敛时间快等优点。该方法具有一定的应用及推广能力。     

基于粗糙集理论的电力变压器故障诊断方法研究

为了能从完备信息中得出正确的诊断结论,并能从不完整的信息中得出满意的诊断结果,提高故障识别率,提出一种基于粗糙集理论的电力变压器故障诊断方法,给出了粗糙集的基本概念、约简计算方法和约简过程,并给出了故障诊断原理和诊断实例．实验结果表明,该方法是有效的,达到了预期目的,为电力变压器故障诊断提供了新的思路,对其他电气设备的故障诊断具有参考价值。     

浅析电力变压器智能故障诊断方法

电力变压器是电力系统中的重要组成部分,是整个系统稳定可靠运行的关键影响因素,智能故障诊断方法的研究对于保证电力变压器的安全运行有着非常重要的现实意义。本文从小波变换的基本原理出发,分析小波神经网络和基于小波神经网络的电力变压器故障诊断模型,结合该模型进行变压器故障诊断,并研究诊断结果。     

探究电力变压器故障诊断及检修

本文主要针对某变电站中一起电力变压器故障问题进行分析。分析了电力变压器试验结果,并进行了油色谱分析,结合这两个结果对该故障变压器故障类型进行诊断,然后针对故障问题实行解题检修。     

神经网络在振动法电力变压器绕组变形在线诊断中的应用

通过监测电力变压器器身的振动来诊断电力变压器绕组的状况是一种有效的方法。本文分析了振动法变压器绕组变形在线监测的原理，并将BP神经网络应用于变压器绕组变形的诊断之中。     

基于改进GA的SVM电力变压器过热诊断方法研究

电力系统的安全运行和高电力变压器的过热后会散发化学气体,气体浓度是检测设备过热和局部漏电的基础特征;将支持向量机和遗传算法应用于电力变压器的过热诊断中,首先,将变压器过热产生的五种特有气体的浓度作为过热特征参数,代入支持向量机和遗传算法的模型,得到备选的过热特征集,通过适应度函数对种群中的过热参数进行评价,然后,把优化后的训练样本输入到模糊支持向量机中进行相应的训练仿真;最后,通过基于遗传算法优化的支持向量机模型进行电力变压器的过热诊断,诊断结果表明该方法能够准确地诊断出电力变压器的故障类型,具有较高的故障诊断精度。     

电力变压器的动态隧道BP网络故障诊断算法

变压器油中溶解气体分析是电力变压器绝缘故障诊断的重要方法。将人工神经网络中的BP算法应用于电力变压器故障诊断。由于BP算法训练神经网络具有训练易陷入局部极小,收敛速度缓慢的缺点,动态隧道技术运用到训练BP网络上,可以有效地改进BP网络易陷入局部极小的缺陷。经大量实例分析,并将其结果与传统的BP算法的结果进行比较,表明该算法能有效地对电力变压器单故障样本进行分类,具有较高的诊断准确率。     

基于遗传算法小波神经网络的电力变压器故障诊断

本文提出了一种基于遗传算法小波神经网络的变压器故障诊断方法。首先构造了基于Mexicohat小波的小波神经网络,其次利用遗传算法优化小波网络的参数,并将其应用到基于溶解气体分析的变压器故障诊断中,最后通过实例证明了本方法的有效性和可行性。     

基于信息融合方法的电力变压器网络在线监测与故障诊断研究

针对电力变压器在线监测与故障诊断问题,提出了基于多传感器信息融合与嵌入式网络相结合的解决方案。介绍了变压器油中气体分析的原理及诊断方法,重点论述了基于Webit的嵌入式网络在线监测方法,基于BP网络的混合气体识别方法及多传感器一致性信息融合方法等通过试验,验证了方法的有效性。     

基于神经网络的故障诊断应用研究

文中根据神经网络的相关原理，运用神经网络领域的相关知识，对于工业生产中经常出现的设备故障，提出了一种基于RBF神经网络的诊断方法，并详细讨论了RBF神经网络的结构、训练算法及用于设备故障诊断的步骤，最后以某系统的故障诊断为例，证明了此方法的优越性。     

基于人工智能技术的不完备信息系统智能诊断方法研究

为了提高不完备信息系统故障诊断的正确性与效率,本文提出一种基于粗糙集理论、蚁群优化算法和RBF神经网络相结合的故障智能诊断方法。该方法首先利用“条件组合补齐算法”对不完备的数据进行完备化处理,再利用粗糙集对条件属性进行知识约简,得到具有最大完备度的最小规则集,接着用蚁群算法优化RBF神经网络的权值,并将最小规则集用于训练RBF神经网络模型,获得故障智能诊断模型。通过实际工程数据验证故障智能诊断模型的有效性,结果表明提出的方法能有效实现系统故障的诊断。     

基于RBF神经网络的变频调速水泵故障诊断

为解决变频调速水泵振动故障问题,给出一种基于径向基函数(RBF)神经网络应用于变频水泵故障诊断的方法。对变频水泵常见故障进行分析,依据征兆诊断法,提取信号频谱中各阶倍频和分频的信号作为故障样本,对RBF神经网络进行训练,并应用于测试样本的诊断。仿真结果表明,与BP网络相比,RBF神经网络识别精度高,诊断速度快且拟合能力强,能有效提高变频调速水泵故障诊断的精度和效率。     

模糊RBF网络在电源车故障诊断中的应用

结合模糊理论与RBF神经网络构建了模糊RBF网络故障诊断法。在对某型电源车进行故障诊断的过程中,通过对RBF神经网络与模糊RBF网络故障诊断法进行比较,表明模糊RBF网络故障诊断法具有精度更高、收敛速度更快等特点。     

基于果蝇算法优化的概率神经网络在变压器故障诊断中的应用

传统的变压器故障诊断方法存在编码不全,容易错判漏判的缺点。随着变压器在线监测技术的发展和产品需求的增加,变压器故障诊断技术朝着智能化的方向发展。为提高故障诊断率,结合油中气体分析法,本文提出了一种基于果蝇算法优化的概率神经网络模型的变压器故障诊断方法。作为一种新型的启发式和进化式算法,果蝇优化算法具有易理解和快速收敛到全局最优解的优点。概率神经网络结构简单、训练简洁,具有强大的非线性分类能力,将样本空间映射到故障模式空间中,从而形成一有较强容错能力和机构自适应能力的诊断网络。采用果蝇算法对模型参数进行优化,减少人为因素对神经网络设计的影响。仿真实验证明这种基于果蝇优化算法的概率神经网络可以有效地运用到变压器故障诊断中,为变压器故障诊断供了一条新途径,具有良好的研究价值和发展前景。     

基于动态对角递归网络的变压器故障诊断

本文介绍了动态对角递归网络,并针对BP算法收敛慢的缺点,将递推预报误差学习算法应用到神经网络权值和域值的训练。同时,将动态对角递归网络引入到电力变压器的故障诊断中,通过改良三比值方法来实现故障诊断,提高了神经网络故障诊断收敛性及增量学习能力。最后,仿真诊断实例表明了应用这种方法实现的变压器故障诊断系统的有效性。     

一种异步电动机故障诊断新方法

针对基于RBF神经网络的异步电动机故障诊断方法存在参数确定较困难的问题,提出了一种基于差分进化算法优化RBF神经网络的异步电动机故障诊断方法。首先采用小波变换对异步电动机运行状态信号进行消噪处理,然后采用主元分析法与小波包分析法相结合方式提取消噪后的异步电动机运行状态信号特征,最后采用差分进化算法优化后的RBF神经网络对异步电动机运行状态信号特征进行诊断。实验结果表明,与未优化的RBF神经网络相比,采用差分进化算法优化后的RBF神经网络可有效识别出异步电动机故障。