神经网络应用于电力变压器故障诊断

将电力变压器油气分析法作为检测数据来源，利用神经网络这一强有力的故障诊断工具，有 效地诊断电力变压器的内部故障。仿真结果表明，用神经网络诊断变压器故障具有更加优秀 的性能。文中，作者采用的是ＢＰ网络模型及算法，并对网络训练过程中一些技巧问题进行 了讨论。     

基于遗传算法进化小波神经网络的电力变压器故障诊断

在电力变压器故障诊断方法中，小波神经网络常用的反向传播算法存在着易陷入局部极小点和对初值要求较高的缺点，往往给故障诊断带来困难。文中提出了一种基于遗传算法进化小波神经网络的变压器故障诊断方法，用实数编码的遗传算法来代替人解决小波神经网络结构的选择和参数的设定。在整个学习过程中，网络的复杂度、收敛性和泛化能力得到了较好的综合。大量实例表明，该方法能有效地对电力变压器单故障和多故障样本进行分类，提高了诊断准确率。     

基于RPROP神经网络算法的主变DGA故障诊断模型

故障诊断模型是开展输变电设备状态检修的核心环节之一，文中采用弹性反馈（RPROP）神经网络算法建立主变压器油中溶解气体的神经网络故障诊断模型，通过与带动量因子的标准反向传播（BP）算法、Bold Driver算法、SuperSAB算法相比较，表明了RPROP算法在故障模式识别中具有更好的学习效率与泛化能力，故障诊断的准确度高于传统分析方法，在变电设备状态诊断中具有良好的应用前景。     

基于多方法组合诊断模型的大型变压器故障诊断

电力变压器故障征兆与故障原因之间的关系错综复杂,而单项诊断方法由于信息特征独特、考虑角度单一,往往很难满足故障诊断的要求。因此,提出了在变压器故障诊断中采用多种方法组合诊断的思想,以克服单种方法的偏好对最终诊断结果所产生的影响。该方法采用模糊C均值聚类（FCM）诊断法、BP神经网络诊断法、粗糙集理论故障诊断法和IEC 60599推荐的三比值法这 4种诊断方法作为独立的单项诊断方法,根据各自诊断的误判率,按照诊断误差平方和最小的原则计算出各个诊断方法的最优权重,形成最优投票组合模型,再求出最大发生概率的故障类型。诊断结果表明,该方法与单项方法相比,大大降低了诊断误判的风险,提高了故障诊断的准确率,增强了故障诊断的稳健性。     

变压器在线实时故障诊断系统的研发

变压器是电力系统的一个重要设备。为了确保变压器安全运行,杜绝事故的发生,对变压器故障进行诊断就显得尤为重要。笔者提出了一种变压器在线实时故障诊断系统,设计了硬件电路,利用智能型气体传感器和物联网技术建立了数据传输网络,实现对变压器内部参数的智能采集;阐述了系统建模的理论和方法,利用贝叶斯、KNN和决策树等模型对变压器故障进行分类、预测,并比较三种模型的性能。结果表明:KNN与决策树模型对变压器故障分类、预测的正确率达到100%;贝叶斯模型分类、预测的正确率比较低,仅有84%。变压器在线实时故障诊断系统能够安全、稳定地运行,在变压器故障诊断中应用KNN和决策树模型是可行的,可供变压器在线监测和故障诊断参考。     

基于模糊综合评判的变压器故障模糊诊断法

针对电力变压器故障诊断常用的罗杰斯比值法中存在着临界比值判据缺损的问题，提出了利 用模糊集理论进行电力变压器故障诊断的方法。将气体比值看作故障类别的模糊现象子集， 依据罗杰斯比值法中给出的不同气体成份相互间的比值与变压器故障类别之间的定量关系， 建立模糊现象子集相对于不同故障类别的隶属函数，从而进行故障类别的模糊综合评判。算 例表明了这种方法的优越性和应用价值。     

关联度分析在变压器故障诊断中的应用

为了提高传统油中溶解气体分析（DGA）的诊断能力，克服相对关联度诊断变压器故障的不足，探讨了基于关联分析的故障诊断理论,提出了三级关联算法, 建立了一种定性与定量相结合的电力变压器故障诊断的三级关联度方法。以氢气、甲烷、乙烷、乙烯和乙炔这5种油中溶解气体的含量参数作为特征量，验证了新方法对变压器故障的实际诊断效果。结果表明，该方法不仅能找出故障类型，而且能确定故障部位，其有效性超过了传统的相对关联度方法。     

电力变压器故障诊断专家系统TFDES

电力变压器故障诊断对电力系统的安全运行有着十分重要的意义。本文介绍电 力变压器故障诊断专家系统TFDES的原理与结构。以气相色谱法为主，T FDES综合运用各种故障检测的知识判断故障性质；运用模糊逻辑较好地处 理了故障诊断中的模糊性问题。初步测试表明，TFDES结构合理，推理正确 ，能有效地诊断运行中的变压器的内部潜伏性故障。     

基于遗传算法优化神经网络的直驱式风力发电机变频器故障诊断研究

针对直驱式风力发电机变频器的易故障性和故障难以识别定位的问题提出一种智能的变频器故障诊断方法.在分析直驱式风力发电机及全功率因数变换器数学模型的基础上讨论了变频器的故障机理和常见的故障分类,结合PSIM软件建立能模拟各种全额变频器故障的直驱式风力发电系统仿真模型并获取仿真结果,在MATLAB下设计一个基于神经网络的故障诊断系统并运用遗传算法优化神经网络初始权值、阀值以此提高变频器故障诊断系统的性能.     

电力变压器故障诊断系统开发及其应用

电力变压器的故障种类繁多，且在因复杂，查明故障原因，提出针对性的检修方案，对保障供电可靠性具有十分明显的效果，论述了电力变压器故障诊断系统的设计方案，系统组成和在故障诊断中的应用技术。     

水轮发电机组的状态监测和故障智能诊断系统的研究

本文通过分析水轮发电机组的故障特征和表现形式，介绍了一种机组状态监测和故障诊断系统。根据机组状态监测和故障诊断系统的要求，提出了层次化的信息处理方法。充分的利用神经网络和专家系统各自的优点，构造了基于神经网络和专家系统的水轮发电机组智能诊断系统。该系统可广泛应用于各类水轮发电机组的实时监测和故障诊断。     

油浸式变压器铁芯多点接地故障诊断与处理

万家寨水电站2号主变压器运行至2015年,在进行第一季度、第二季度油中溶解气体色谱分析时,发现变压器内部存在高温过热故障,对铁芯进行绝缘电阻测量,阻值为0Ω。本文通过对万家寨水电站220kV大型油浸式变压器铁芯多点接地故障的处理,阐述了如何运用变压器油中溶解气体色谱分析、电气性能试验等方法,进行故障诊断和识别,并介绍设备故障的处理方法,供参考。     

神经网络理论在变压器故障诊断中的应用

把专家知识与神经网络计算相结合，用变压器原副边正序和负序电流分量的方向进行变压器的故障诊断，克服了传统的二次谐波制动特性差动保护在涌流伴随故障状态下的动作延时，能正确识别变压器的内部故障、励磁涌流、外部故障及空载合于内部故障等不同状态。用此原理构成的变压器保护动作时间最快可为半个周期，可适合于任意连接方式的双绕组变压器，且不受系统参数的影响，具有广泛的实用性和很强的容错能力，大量仿真结果证明了此方法的优越性。     

基于BP模糊神经网络的水轮发电机组故障诊断方法

运用模糊理论的故障征兆与故障原因之间的模糊关系,确定了BP神经网络的输入层和输出层,并结合水轮发电机组故障诊断具体实例建立神经网络的输入样本集,对神经网络进行训练,输入机组故障征兆向量,得出故障原因,从而验证了模糊神经网络的可行性与优越性.     

径向基神经网络在水轮发电机组故障诊断中的应用

轴心轨迹是诊断水轮发电机组运行状态的一个重要征兆。以不变矩为图形特征量，运用径向基神经网络对发电机故障状态的轴心轨迹图形进行辨识，是一种简单、有效的故障诊断方法。文中从原理上阐述了这种方法的可行性，并通过仿真试验证明径向基神经网络比BP神经网络有更高的学习效率和更好的诊断精度。     

基于物元模型的电力变压器故障的可拓诊断方法

为了提高传统的油中溶解气体分析的诊断能力，提出了一种定性与定量相结合的电力变压器故障的可拓诊断方法。首先基于可拓学中的物元理论，建立了定性地描述电力变压器故障诊断问题的物元模型；其次引入可拓集合中的关联函数，根据故障特征定量地计算故障发生的程度；最后以195台次电力变压器为例验证了该方法的有效性。结果表明该方法能够克服IEC三比值法中无法诊断多重故障和无匹配的故障编码的不足,且具有更高的诊断准确率。     

基于灰关联熵的充油变压器故障诊断方法

油中溶解气体分析是目前发现变压器潜伏性故障的重要方法，鉴于用IEC推荐的三比值法中编码缺陷（编码超出码表）及变压器故障诊断的复杂性，文中详细阐述了如何将灰关联熵应用于变压器故障诊断。首先通过统计方法，选择典型油中气体作为参考列，并经反复调整，挖掘出油中气体所含故障信息，然后利用灰关联熵方法进行变压器故障类型诊断。该方法基于融合互补的思想，将灰关联分析方法与信息熵理论有机结合起来，克服了单一灰关联分析中易造成局部关联及信息损失等缺陷，尽可能多地包含变压器本体所含信息。实例分析结果表明，该方法具有较好的分类效果。     

基于遗传神经网络和证据理论融合的水电机组振动故障诊断研究

针对水电机组振动故障诊断中的故障误诊、漏诊以及诊断的可靠性低等问题,提出了适用于水电机组的神经网络局部诊断和证据理论融合决策诊断的故障诊断方法。在神经网络中应用遗传算法来提高网络的收敛速度,应用提出的诊断方法对水电机组振动故障进行仿真,诊断结果表明对故障征兆信息的有效组合,充分利用机组各部位的信息,可以减少诊断的误诊、漏诊问题,从而有效地提高诊断的可靠性。应用MATLAB7.0开发出故障诊断系统界面。     

基于ID3算法的变压器故障诊断分析

鉴于变压器故障时,故障信息繁杂多样,加之其本身的元器件比较多,运行检修人员往往很难全面把握故障征兆从而确定可能存在故障的变压器元器件。文章应用决策树ID3算法确定浸油式变压器故障部位,该方法基于熵值理论,利用常规电气试验的结论,借鉴现场运行、诊断经验,结合变压器的外部信息,形成变压器故障诊断决策树。     

基于神经网络的电站风机故障诊断系统

振动现象是电站风机运行中最为明显的一种现象。因此，通过检测风机的振动从而分析其运行状况成为故障诊断的一种重要方法。介绍了基于神经网络的电站风机故障诊断系统，可以广泛应用于风机的各种故障诊断。