首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到19条相似文献,搜索用时 108 毫秒
1.
油中溶解气体分析可为变压器故障诊断提供重要依据。为提高变压器故障诊断精度,研究了基于修正线性单元改进的深度信念网络(rectified linear units deep belief networks,Re LU-DBN)变压器故障诊断方法。通过分析油中溶解气体与故障类型的联系,建立以油色谱特征气体无编码比值为特征参量的Re LU-DBN诊断模型。Re LU-DBN通过多维多层映射提取出故障类型更细致明显的特征区别,通过反向调优达到诊断模型参数最优化。通过识别实验分析了不同特征参量、不同训练集及样本集大小下Re LU-DBN诊断模型效果,研究了放电兼过热复合型故障对诊断模型的影响,并与支持向量机、反向传播神经网络方法做了对比。实验结果表明基于无编码比值的模型诊断效果优于IEC比值、Rogers比值、Dornenburg比值为特征参量的模型,且Re LU-DBN较支持向量机和反向传播神经网络方法相比诊断准确率有较大提高。区分复合型故障的模型诊断效果优于未区分复合型故障的模型。随着样本数据的增多,模型诊断精度得到较大提升。  相似文献   

2.
改良三比值法只关注若干个气体浓度比值,信息利用不充分,而且气体浓度的随机误差对故障诊断结果有影响,因此文中将变压器故障特征气体扩充为单种气体增长率、多种气体比值和相对浓度等62个故障特征,通过具有稳健性的最大信息系数提取与变压器故障状态相关度高的故障特征。同时为了避免筛选特征之间的冗余性,采用相关系数筛选冗余性小的特征组合,并采用距离相关系数和多种分类器进行检验。结果表明与油中溶解气体相比,筛选特征集合与变压器过热故障状态联系更加紧密,且针对过热故障类型的诊断精度,筛选特征集合在样本类别不平衡时性能更优,突破了单一分类器性能上限。  相似文献   

3.
赵小勇 《电气技术》2012,(11):10-13
随着电网的扩大,变压器在电网中的作用日益提高,从而变压器在线故障诊断技术也显得异常重要。分析了变压器常见的故障类型以及变压器故障与变压器油产生特征气体的对应关系;选出具有代表性的特征气体作为最优诊断特征量;将故障诊断过程分为三个层次:正常-故障层、过热-放电层和故障细化层(高温过热、中低温过热、低能量放电、高能量放电);最后用互信息方法与神经网络法实现基于特征气体分层特性的变压器故障诊断方案。  相似文献   

4.
黄祥柠  马腾  苏骏 《电气开关》2014,52(5):45-48
分析了五种特征气体及C2H2/C2H4的比值与变压器故障类型之间的关系,将变压器故障进行分类。依据C2H2/C2H4的比值将故障分为两类,第一类包含低温过热、中温过热、高温过热和局部放电,第二类包含低能放电、高能放电两类,并将C2H2/C2H4的比值过高的诊断为高能放电。再依据氢气对五种特征气体的百分比,从第一类中区分出局部放电。最后用反馈型神经网络中的Elman网络确定具体故障类型。  相似文献   

5.
介绍一起极为特殊、少见的产生故障特征气体与实际故障部位不相符的变压器故障案例。利用气相色谱分析变压器油中气体含量,可发现变压器的潜伏性故障,并诊断出故障性质为过热故障或放电故障。根据故障气体特征、含量比例以及乙炔含量的高低估计磁路或电导回路过热故障,可简化复杂的检查过程。磁路过热故障产生很高乙炔含量的情况较为少见。运用色谱分析法,结合电气试验、空载损耗与空载电流的变化,对一起运行中主变压器铁心局部强大涡流发热故障作出分析诊断,原因是硅钢片绝缘层绝缘性能下降,片间绝缘结构局部破坏,造成一簇硅钢片局部短路,引起较大涡流,环流增大,导致局部过热,单片过电流发热。还对磁路过热故障产生很高含量乙炔的原因提出疑问,并寻找答案。  相似文献   

6.
利用油中溶解气体对变压器进行故障有无以及故障类别判断时,为抑制冗余信息的干扰,提取与分类模式密切相关的特征作为每层诊断模型的输入;增量学习算法通过提取模型的支持向量和误判样本,逐步积累样本的空间分布知识,提高诊断模型的精度与训练速度,同时剔除对构建模型无贡献的样本以节约存储空间。为提升算法的收敛速度,采用参数自适应优化算法动态搜索模糊支持向量机的模型参数。最后,通过实例将该算法与普通的多分类支持向量机以及多分类模糊支持向量机相比,得出该算法具有相对较好的收敛性和诊断效果。  相似文献   

7.
利用色谱分析方法诊断崇岗~#1主变内部过热故障;探讨了变压器内部铜过热和铁过热中故障特征气体组成的差别,估算了故障部位。  相似文献   

8.
在利用油色谱数据对电力变压器进行故障诊断时,为了改善因油色谱数据的波动及其非线性所带来的干扰,文中在利用油色谱分析过热故障时,引入了混沌理论对非线性系统进行分析。文中通过相空间重构建立油色谱数据混沌时间序列,并进行系统混沌特性判定,再将油色谱数据的波动以混沌特征量进行表征,比较分析过热故障特征气体在不同监测数据段中的混沌特征参量变化,从而提取油色谱非线性数据中所包含的状态信息。然后,基于混沌序列具有的短期预测性,利用最大Lyapunov指数预测法对油中气体体积分数的趋势进行预测。实例分析结果表明:过热故障特征气体的混沌特性参量能准确地进行过热故障的识别;在分析相应混沌时间序列后,可以准确预测油中溶解气体体积分数及其短期变化趋势。实例验证了该方法在变压器过热故障识别时的有效性。  相似文献   

9.
DGA可为电力变压器故障诊断提供重要依据,但基于DGA数据的智能诊断方法在选择故障特征量时尚无统一的标准。鉴于此,构建了由特征气体及相关比值组成的27维原始故障特征空间,以完善故障特征信息。在此基础上,先用K S检验剔除大部分噪声特征,削弱噪声特征对故障分类产生的不利影响;再用提出的mRMR方法,从剩余故障特征中自适应地提取与故障类别相关度高且彼此之间冗余度小的故障特征量;最后将提取的特征量和传统特征量分别作为BPNN和SVM分类器的输入,对比分析诊断效果,结果表明所提方法能准确、有效地诊断变压器故障,与基于传统特征量的诊断模型相比,具有较大的优越性。  相似文献   

10.
气体绝缘开关设备长期运行出现电弧、局部放电和过热等内部故障,产生多种SF_6气体分解产物,影响设备安全运行,因此,有必要研究设备故障下的SF_6气体分解产物特性,及时判断设备故障类型。从理论上分析开关设备在电弧放电、局部放电和异常发热情形下的SF_6气体分解机理,并开展电弧、局部放电和过热下的分解产物试验研究,对不同故障下的分解产物分布进行统计,提出以特征组分含量比值为特征参量,得到各故障模式下的特征参量范围,建立分解产物与设备故障的关系,为运行开关设备内部故障类型判断提供依据。  相似文献   

11.
在模拟电路故障诊断过程中,存在故障特征信息提取不充分以及特征信息冗余的问题,对此,提出一种基于最大重叠离散小波包变换(MODWPT)与局部Fisher判别(LFDA)的模拟电路故障诊断方法。该方法中,首先利用MODWPT进行模拟电路原始信号处理与故障特征提取;随后,针对高维特征集中存在冗余信息,不利于模式识别与分类,利用LFDA方法进行降维,获取更有益于故障模式识别的低维特征集;最后,支持向量机(SVM)作为故障模式识别分类器,在此基础上构建模拟电路故障诊断模型。电路仿真实验结果表明,所提出方法的最大故障诊断准确率可达99.17%,从而验证了所提方法的有效性。  相似文献   

12.
油中溶解气体分析对变压器故障预警及诊断具有重要意义。针对油中溶解气体特征量种类众多、故障关联特征分析不足等问题,文中以油浸式变压器为研究对象,提出了基于油中溶解气体特征量筛选的变压器故障诊断方法。首先,对油中溶解气体的原始特征量进行特征衍生,通过随机森林(RF)计算特征量对故障诊断的重要度,筛选得到最佳特征组合。其次,采用树结构概率密度估计(TPE)实现了RF模型的参数寻优,并形成TPE-RF诊断模型。同时,结合多种评价指标,结果表明所提方法能够对变压器做出准确的故障诊断。最后,提出TreeSAHP模型分析特征量对应每种故障的重要度,优选出每种故障关联的主要特征量。在算例部分,根据变压器运行案例,探讨了该方法在电力行业现场应用中的适用性,并验证了该方法的有效性。  相似文献   

13.
基于组合决策树的油浸式电力变压器故障诊断   总被引:10,自引:5,他引:10  
提出了一种利用属于模式识别范畴的决策树C4.5法进行变压器故障诊断的方法。由于C4.5方法可方便地处理连续特征模式且有从样本学习判定规则的功能,因此应用中显示了该方法对于变压器故障诊断的适用性。在讨论变压器故障空间的基础上,针对已积累的故障变压器的大量油中溶解气体等数据,考察了各类故障的特征偏置,并在此基础上构造出组合决策树诊断模型,实现了变压器故障由粗到细的逐级划分,有利于提高诊断的准确性。实例表明该模型的有效性。  相似文献   

14.
自适应分级多分类支持向量机在变压器故障诊断中的应用   总被引:1,自引:1,他引:0  
以变压器油中溶解气体和变压器故障之间的关系为基础,提出了一种自适应分级多分类支持向量机变压器故障诊断方法。此方法基于模式识别特征提取的思想,采用不同的输入向量,对变压器有无故障和故障类型判别时,采取分级决策结构。采用自适应优化算法对多分类支持向量机进行优化,通过诊断效果和不同类型故障识别率的比较,得出变压器油中溶解气体的组分含量比值更能反映变压器故障类型,最终测试效果比较和支持向量机参数分析,可以看出该方法具有较高的准确率和良好的泛化能力。  相似文献   

15.
为了解决模拟乘法器等多输入测量电路的智能故障诊断准确率低的问题,文中研究了多输入多输出(MIMO)电路的基于Volterra级数的建模方法,为电路的故障诊断提供模型,提出了整体退火遗传特征提取方法,利用整体退火遗传算法的全局寻优能力优化故障诊断特征参数的提取,以选出各种故障状态之间特征差异最大的特征,以提高故障诊断的准确率,以模拟乘法器电路为例进行了建模及故障特征智能优化提取实验.实验表明,文中方法可以有效建模并提高智能故障诊断的准确率.  相似文献   

16.
针对区间无绝缘轨道电路故障类型复杂、诊断精度低等问题,从故障特征提取和特征分类两方面出发,提出了一种深度 置信网络(DBN)和海洋捕食者算法(MPA)优化最小二乘支持向量机(LSSVM)的故障诊断方法。 首先,将集中监测数据和状态 标签输入到 DBN,以半监督的方式进行降维和特征提取,从而挖掘轨道电路不同故障特征信息;然后,采用 MPA 智能算法对 LSSVM 的惩罚因子和核函数参数进行寻优并建立最优 MPA-LSSVM 诊断模型;最后,将 DBN 提取的特征样本导入诊断模型进 行轨道电路的故障分类识别。 DBN-MPA-LSSVM 诊断模型充分利用了 DBN 在特征提取过程中的逐层提取优势以及 LSSVM 在 解决小样本情况下高维模式识别的优势。 实验验证与对比分析表明,DBN-MPA-LSSVM 模型测试集准确率为 98. 33%,MPA 优 化算法较 PSO、GWO、GA 算法模型诊断准确率分别提高了 6. 11%、3. 89%、3. 33%,平均准确率为 97. 98%,为基于数据驱动的轨 道电路故障诊断技术提供了一种新的方法。  相似文献   

17.
对模拟电路故障诊断中的故障特征提取进行了研究,引入了卷积神经网络模型,提出了一种基于时间卷积神经网络的模拟电路故障诊断方法,在四阶Butterworth低通滤波器电路上分别对不同深度的时间卷积网络进行分类对比实验,实验结果证实了深度时间卷积网络在故障特征提取中的有效性。同时设计实验对比了时间卷积神经网络、SAE-SOFTMAX、深度信念网络和长短期记忆网络的特征提取能力,结果表明,时间卷积神经网络模型在模拟电路故障诊断中能够提取出更能反映数据本质的特征,取得更好的诊断准确率。  相似文献   

18.
为了提高模拟电路软故障诊断、识别的正确分类率,提出了一种提升小波变换和混沌萤火虫算法(CFA)优化LSSVM参数的模拟电路故障诊断方法。首先对采集到的被测电路输出电压信号进行提升小波变换;然后对变换后的数据进行因子分析法对优化处理,将经优化的数据作为不同模式的故障特征集;最后将所得故障特征集作为样本输入到CFA-LSSVM模型进行故障诊断。实验结果表明,该方法的故障诊断正确率达到了98%以上,提高了诊断性能,可适用于模拟电路的故障诊断。  相似文献   

19.
基于小波神经网络的电力电子电路故障模式识别   总被引:3,自引:0,他引:3       下载免费PDF全文
提出了基于两种不同小波神经网络的电力电子电路故障模式识别方法。针对电力电子电路故障,构造了激活函数型和权值型两种不同的三层小波神经网络,给出了相应的数学模型和学习算法。以三相整流桥电路为例,建立了小波神经网络的输出与故障元之间的对应关系,实现了电路故障的模式识别,并与用普通BP网络识别的结果进行了比较。仿真结果验证了两种故障识别方法的正确性和较好的准确性。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号