结合多元统计分析的神经网络在变压器故障诊断中的应用

在决策树基础上,建立地变压器故障诊断的组合神经网络模型,提出了一种基于多元统计分析的训练样本及输入矢量选择方法,并给出了网络验证与仿真结果。     

利用DGA-NN诊断油浸式电力变压器故障

人工神经网络以其良好的非线性映射能力广泛应用于电力变压器故障诊断。为研究反向传播神经网络(BPNN)和概率神经网络(PNN)的学习过程、网络参数选择等问题,利用Matlab的神经网络工具箱结合油中溶解气体建立了BPNN和PNN的故障诊断模型,并对其性能做了分析和对比。结果表明,两种网络均能较好地实现变压器故障的实时诊断。因初始化权值的随机性,BPNN的输出结果具有差异性,收敛速度较慢,而PNN网络结构自适应确定,可以随时添加训练样本,且训练速度较快,适合于实现变压器故障的实时诊断。相同条件下,PNN的收敛速度约为BPNN的5倍。     

基于组合神经网络模型的电力变压器故障诊断方法

对故障空间的划分以及组合神经网络的构造方式 ,是利用组合神经网络进行变压器故障识别的关键。在讨论变压器故障空间划分方法及其存在问题的基础上 ,针对已积累的故障变压器的大量溶解气体数据 ,考察了各类故障的气体特征及聚类分析结果 ,并在此基础上构造了组合神经网络分层结构模型 ,实现了对变压器故障由粗到细的逐级划分 ,以提高诊断的准确性 ,为制定维修策略提供了依据。最后 ,结果显示了该模型的有效性     

基于DGA的改进BP神经网络的变压器故障诊断方法

介绍了基于DGA的改进BP神经网络电力变压器故障诊断方法,并进行了仿真。     

油气分析诊断变压器故障方法的改进

针对油中溶解气体分析 (DGA)中原来采用比值法的某些不足 ,通过对大量数据的统计、分析 ,在变压器吊芯结果所确定典型故障分类的基础上 ,提出了比值范围法改进三比值变压器故障诊断。实例证实了该方法的有效性     

变压器油中溶解气体在线监测方法及故障判断综述

对变压器的常见故障及其基于变压器油中特征气体组分的故障诊断方法进行归类,分析了在不同故障原因下变压器油中主要特征气体组分,阐述了国内外变压器油中溶解气体在线监测技术的研究现状和发展趋势.     

基于卷积神经网络的变压器故障诊断方法

变压器是电力系统中的重要设备,其安全与稳定直接影响着国民经济的健康发展。油中溶解气体分析(Dissolved Gas Analysis,DGA)是分析变压器故障类别的重要手段。卷积神经网络是深度学习的一种模型,广泛应用于图像识别、语音处理等领域,具有非常好的分类能力。文章选取了变压器的五种油中溶解气体含量作为模型输入量,在借鉴传统浅层BP神经网络油中气体分析方法的基础上,针对BP神经网络表达能力不足以及容易过拟合的缺点,将卷积神经网络应用于变压器故障诊断,并与BP神经网络的分类效果进行了对比,通过算例研究证明了卷积神经网络的效果更优。文章也对卷积神经网络的卷积核个数、卷积核大小以及采样宽度对分类效果的影响进行了探讨。     

基于油中溶解气体分析的电力变压器绝缘故障诊断方法

电力变压器是电力系统的枢纽设备,其运行可靠性直接关系到电力系统的安全与稳定,油中溶解气体分析方法作为一种有铲的充油电力设备异常监测手段,在电力系统得到广泛的应用,本文述述了基于油中溶解气体分析的电力变压器故障诊断技术的产生背景、研究现状和发展方向。     

电力变压器固体绝缘故障的诊断方法

根据电力变压器的绝缘特点，通过对故障实例的统计分析，提出了一种动态分析变压器内部固体绝缘故障的方法。这种方法弥补了以往静态分析时受故障累积效应及测量随机误差等因素影响的不足，有助于提高对故障的诊断精度，并能对故障的发展趋势提供较好的预测。     

变压器内部过热故障的诊断及处理

结合色谱三比值法和高压直阻试验可有效判断变压器内部过热故障。实例检测表明:过热性故障中,铁心多点接地时C2H4增长较快,涉及固体绝缘的φ(CO)变化较明显;故障部位的准确判断,除油气分析及直阻测试外还应结合内部结构和运行状态以及其它电气试验;过热故障多在于绕组、铁心、夹件、分接开关及引线等部件。     

基于物元分析原理的变压器故障诊断

针对油中溶解气体新导则在变压器故障诊断中存在的问题,分析了变压器故障诊断的物元分析决策方法.电力变压器故障诊断具有复杂性,各种因素的识别和故障类型的划分之间具有不相容性,应用物元分析理论,构建物元矩阵,根据计算出的关联度大小对故障类型进行可拓识别.实际算例分析,验证了本模型的有效性和可行性.     

油中溶解气体电力变压器故障诊断专家系统

保证电力变压器可靠运行是电力系统安全稳定的重要研究课题,现有的油中溶解气体分析方法存在编码涵盖范围小、不可扩展等不足,影响了其在实际工程中的应用。为此,提出了一种可扩展的油中溶解气体成分的电力变压器故障诊断专家系统,通过将传统三比值法、统计学习方法及实际经验法获得的故障判别规则进行整合,建立了可增扩新规则的专家系统。为验证该方法的有效性,采用3类典型算例、42条故障记录作为进行判别,研究结果表明,建立的专家系统较现有方法具有更好的操作性和判别准确率。     

一例变压器内部故障的油色谱分析诊断和处理

描述了变压器铁心接地联片短接故障的处理经过,从发现色谱分析数据异常,到故障诊断、检修处理和效果检查,验证了《变压器油中溶解气体分析和判断导则》的科学性,阐述了色谱分析在诊断变压器故障和监督故障变化工作中的重要意义。     

主成分分析在变压器故障诊断中的应用研究

运用主成分分析法,经过矩阵变换、降低维数以提取故障信息的主要特征实现了变压器的故障诊断;同时分析了诊断中该方法的应用方式与过程。实例表明,在有用信息量损失较小的前提下,该方法可以提炼故障信息而不影响分析结果。     

基于自组织抗体网络的电力变压器故障诊断

仿生生物免疫系统中抗体对抗原的高效识别和记忆机理,本文提出自组织抗体网络和抗体生成算法用于解决电力变压器故障诊断问题。自组织抗体网络中抗体类型与抗体浓度新定义的设计,优化了网络性能,只需根据样本数据设置初始抗体个数,无需人工设置任何其他参数与阈值。抗体生成算法依据抗体的类型和浓度,针对不同情况采取抗体进化、抗体合并以及抗体新生三种不同的策略,快速提取和记忆抗原特征,有效地提高了算法的效率。UCI(University of California,Irvine)标准数据集和基于油中溶解气体数据的电力变压器故障诊断试验表明,该方法能充分利用先验信息,实施有效的分类,并有很高的准确率。     

基于油中溶解气体分析的变压器绝缘故障诊断方法的研究和发展

总结了近年来人工智能技术在基于油中溶解气体分析(DGA)的变压器绝缘故障诊断方法上的研究和发展，介绍了其中的主要方法和成果，并讨论了该领域的研究趋向。     

电力变压器过热故障及其综合诊断

电力变压器各类故障中过热故障比重很大且类型多样,油色谱能较有效判断出过热故障,电气试验和红外测温能较准确判定故障的原因和部位,提出了以油色谱为主结合有关电气试验、红外测温来分析过热故障性质、原因和部位的综合诊断方法。实践证明此法诊断中、小型变压器典型过热故障十分有效。     

变压器内部金属部件之间接触不良引起的过热故障诊断及处理

金属部件之间接触不良引起的过热属电阻异常型过热事件,此类故障往往在初期不易被诊断出来,但随着接触电阻的增大,变压器的过热特征就表现得很明显,需引起足够的重视。笔者根据变压器内部金属部件之间接触不良引起过热的特点,通过具体的实例说明如何利用色谱分析技术和电气试验相结合的方法,及早发现变压器内部潜伏性过热故障的部位和严重程度,以便及时采取措施,防止事故扩大。