电力变压器故障诊断管理系统的研制

电力变压器故障诊断管理系统(TFDES)的研制对变压器、电力系统的安全运行意义重大．介绍了变压器故障诊断的常用方法，描述了所开发的TFDES结构、推理机制、实现方法，以及诊断管理的主要功能．现场测试表明：TFDES结构合理，推理正确，能有效诊断运行中变压器内部故障．     

大型电力变压器故障诊断专家系统(Ⅰ)

本文系统地叙述了专家系统的基本理论,详细地讨论了专家系统在电力变压器故障诊断方面的开发和应用。结合TFDES具体内容,分析了知识库的建立、总体模块结构、故障诊断程序等特点,进一步阐述了TFDES的开发经验。     

大型电力变压器故障诊断专家系统(Ⅱ)

《大型电力变压器故障诊专家系统(TFDES)》研制开发成功,是将计算机人工智能应用于故障诊断的一个实例。本文阐明了TFDES开发研制的背景,详细介绍了TFDES的结构功能、技术指标与源程序段,进一步叙述了专家系统在电力工业中的应用前景。     

变压器故障诊断专家系统的设计

故障诊断型专家系统最重要的问题是知识表示和推理机制.根据人类专家对变压器故障诊断的特点,在学习人类专家诊断变压器故障过程的基础上,对构建变压器故障诊断专家系统的系统结构、知识表示和推理机制进行了较详细的分析和讨论.     

电力变压器故障在线监测系统的开发

介绍了大型电力变压器故障在线监测系统的结构模型,叙述了传感技术的研究成果,明确了变压器在线监测的理念,并以实例论证了TFDES在线检测推广应用的重要性及其价值．     

基于粗糙集和贝叶斯网络的变压器故障诊断

为了提高变压器故障诊断的准确性,采用智能互补的思想,将粗糙集和贝叶斯网络相结合来进行变压器故障诊断的研究.先将特征气体的比值进行离散化,再利用粗糙集理论进行属性约简,获得最小诊断规则;同时利用贝叶斯网络实现概率推理来分析变压器故障.通过变压器故障诊断实例分析,证明了该方法有效、可行,具有较高的准确率.     

基于案例推理技术的机车故障诊断系统研究

针对目前机车故障诊断过程中复杂、繁琐的操作,将基于案例推理技术的故障诊断方法应用于机车故障的诊断,并以电力机车变压器铁芯故障为例进行了研究,分析了对故障属性的约减过程及表示方法,以.Net 4.0为软件平台,设计了基于案例推理技术的机车故障诊断系统,实际应用结果表明,该系统达到了简化诊断操作,提高诊断效率的目的。     

电力变压器故障诊断及检修技术分析

电力变压器作为电力系统的重要组成部分,其对电力系统的安全稳定运行具有非常重要的作用.在电力变压器运行过程中,多种因素都可能导致其发生故障,一旦发生故障,则需要将故障诊断与检修技术进行有效结合,从而采取正确的处理方法,以此来降低电力变压器运行的风险,提高电力变压器运行的安全性、可靠性和稳定性.文中分析了电力变压器故障诊断的方式,并进一步对电力变压器在线检修技术进行了具体的阐述.     

变压器故障诊断专家系统的研究

针对变压器的故障特点，提出了采用基于规则的产生式方法进行知识表示，对模拟方式构造知识库，并选用正反向混合推理方式，创建变压器的故障诊断专家系统。     

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．     

电力变压器故障自动诊断系统的设计

对电力变压器油中的溶解气体进行分析可以及时发现变压器的潜在故障,从而实现对电力变压器故障的诊断.针对常见的电力变压器故障,设计了基于变压器油中溶解气体分析方法和粗糙集方法的故障自动诊断系统,该系统具有直观、方便、可扩展性好的特点,测试结果验证了该系统的有效性.     

基于专家知识库的电力变压器故障诊断系统

针对电力变压器故障情况复杂,诊断不确定性大等特点,设计了一种基于专家系统的电力变压器故障诊断系统.该系统可以根据变压器的运行参数,利用推理方式并结合专家系统的知识判断变压器的运行状态,给出可能的故障类型,实现故障的自动诊断.该系统提高了电力变压器运行的科学性和使用效率.     

电力变压器故障诊断的人工神经网络方法

电力变压器故障诊断对变压器、电力系统的安全运行有着十分重要的意义．在介绍人工神经网络（ANN）和模糊理论的基本工作原理的基础上,针对变压器故障诊断的特点,运用油中溶解气体分析法（DGA）,采用分块化的反向传播神经网络（BP）,建立了变压器故障诊断的神经网络模型．通过训练和实际测试,表明了这一方法的有效性和可行性．     

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。     

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。     

基于层次分析的变压器故障诊断决策支持系统

阐述了一套基于层次分析方法的变压器油色谱故障诊断决策支持系统,故障诊断模块使用改良电协研法、灰色关联熵、模糊聚类、人工神经网络等单项分析,弥补了现有诊断方法中的不足.针对每种诊断方法可能出现结论不一致的情况,系统综合分析方法采用层次分析的方法来实现,能对变压器色谱数据进行故障诊断,给出综合分析结论及建议.通过对平顶山电网中的色谱数据进行诊断及其他应用实例,验证了系统的有效性.     

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。