电力变压器BP神经网络故障诊断法的比较研究

将BPNN应用于电力变压器故障诊断,并对变压器绝缘油常用的5种溶解气体分析标准进行了神经网络效率的比较研究。这些标准是改进的Rogers,IEC,Doernenburg,Duva和CSUS。研究显示,所运用的诊断标准或方法不同,神经网络诊断电力变压器故障的效率也不相同,其值在88.3%～96.7%范围内;根据这些标准所设计的四比值法(FGR)和6种特征气体法(SKG)具有更高的诊断效率。验证结果显示,BP神经网络诊断法适合于变压器潜伏性故障的诊断。     

GA-BP混合算法在变压器色谱诊断法中的应用

将一种改进的遗传操作与人工神经网络相结合的混合算法应用于电力变压器的故障诊断,有效地解决了常规BP算法易陷入局部极小、收敛速度慢和基本遗传算法早熟等缺点。实例仿真结果表明,该算法具有较快的收敛速度和较高的计算精度,满足电力变压器故障诊断的要求。     

基于神经网络综合分析的变压器油色谱在线监测系统

油色谱在线监测是电力变压器在线监测领域常用的方法之一。变压器故障诊断的结果将直接作为变压器是否需要检修的决策依据,鉴于变压器故障原因的复杂性,仅靠单一的故障诊断方法很难满足故障诊断的要求,故将传统故障诊断方法与BP神经网络方法通过Borda模型相结合,以提高变压器故障诊断的准确率,最后用C#语言设计开发了故障诊断系统。该系统改变了以往的定期试验模式,实现了变压器状态在线监测和分析。     

变压器色谱在线监测系统及其应用

主要介绍了变压器油色谱分析在线监测的方法 ,以油中溶解气体为反映故障的特征量,进行油气分离后,根据不同气体的组分含量来判断变压器的故障类型,并通过实例分析,成功解决了一起变压器故障的案例,为以后的分析研究提供一定的指导。     

变压器绝缘油色谱在线监测

结合变压器油色谱在线监测系统的工作原理,以河源供电局在实际应用中介绍为例,通过介绍MGA2000—6H型变压器油色谱在线监测系统的功能及应用情况,针对该系统现存问题进行了展望。     

变压器油色谱远程在线监测与诊断系统

阐述了变压器远程在线监测与诊断系统——卫士2000系统的原理及结构,分析了系统所采用的技术,介绍了系统信号采集功能测试、监测系统在咸阳供电局的应用情况。该系统以油色谱在线监测为主,同时可兼容变压器局部放电监测、套管绝缘监测等在线监测模块,可对电力变压器实施全面的在线状态监测。该系统可组成具有远程监测与故障诊断的多级数字监控网络,通过系统提供的状态监测数据与诊断结论,为电力变压器提供在线监测与故障诊断的整体解决方案。     

智能型在线式变压器早期故障监测装置

介绍了智能型在线式变压器早期故障监测装置的安装、调试及运行情况,并将该装置的显示值与气相色谱分析的结果相比较,说明了该装置显示值的准确性与运行的稳定性,它的成功应用,提高了变压器早期故障诊断的水平。     

变压器绝缘油色谱在线监测系统浅析

介绍了变压器绝缘油色谱在线监测装置的原理，分析了影响在线监测数据准确性、稳定性的因素，提出了相应的对策；现场实际应用表明，在线数据较稳定且与离线数据相吻合。     

大型变压器色谱在线监测装置研制与运行

介绍了大型变压器色谱在线监测装置的研制调试及投入运行的情况。     

在线色谱监测在变压器状态检修中的应用

本文通过中分3000色谱在线系统的应用实例,阐述了色谱在线监测技术在变压器状态检修中和变压器运行监测发挥的重要作用,最后对选用色谱在线监测装置时提出一些建议。     

基于神经网络的变压器故障智能检测与分析

利用神经网络BP算法提出变压器常见故障诊断方法,实现了对变压器故障的智能检测与分析。在不同的训练样本、传递函数和训练函数的情况下使用Matlab对建立的神经网络诊断模型进行仿真。通过仿真找到了合适的传递函数、训练函数和隐含层节点数,构建合理的网络。并通过仿真实验验明了该方法比传统方法有更好的效果。     

用LS-SVMs分析油浸式变压器故障

鉴于支持向量机法可较好地解决小样本、非线性、高阶动态系统的检测、分类、诊断等领域的一类实际问题,为改进变压器的故障诊断方法,采用分层决策最小二乘支持向量机作为油浸式变压器故障分类器,利用多层动态自适应优化算法优化了径向基核函数δ,惩罚参数c。采用最少特征量—4种气体作为故障识别的依据,用4级支持向量机进行训练和诊断,以此判断油浸式变压器运行所处的状态。最小二乘多级支持向量机分类器克服了神经网络存在大量的学习样本又易陷入局部极小值等缺点,具有所用特征量少,训练时间短,诊断准确率高等优点。     

应用气相色谱法判断500kV变压器故障

笔者应用气相色谱分析技术中的成分超标法I、EC三比值法以及平衡判据法成功地判断出一台主变压器B相内部所存在的突发性电弧放电故障。变压器停运后吊罩检查结果与气相色谱分析诊断结论相吻合,验证了气相色谱分析技术诸方法的正确性及有效性,为大型变压器的运行和异常判断提供了经验。     

基于贝叶斯网络分类器的变压器综合故障诊断方法

鉴于电力变压器故障诊断中的信息和知识具有随机性和不确定性的特点,利用贝叶斯网络表达知识灵活、分析处理不确定性与关联性问题能力强的优点,本文提出了一种基于贝叶斯网络分类器的以溶解气体分析为主结合其他电气试验结果的变压器综合故障诊断方法,并建立了变压器朴素贝叶斯网络故障诊断模型和TAN故障诊断模型.文中详细阐述并验证了该方法解决信息不完备问题的优越性.该模型还可以通过不断积累完善训练样本,自动修正网络结构参数和概率分布参数,提高诊断效果.实例验证表明了该方法的有效性.     

自构形神经网络在变压器故障诊断中的应用

神经网络已广泛应用于设备的故障诊断中.鉴于神经网络的性能和诊断能力与网络的拓扑结构和学习算法有着密切的联系,本文研究并实现了在故障诊断应用中能进行自构形的神经网络模型,改善了全局收敛性和节点总体饱和度,并较好地应用于变压器故障诊断实践中.     

基于MATLAB的BPNN在变压器故障诊断中的仿真参数研究

首先简要介绍了基于油中溶解气体DGA( Dissolved Gas - in - oil Analysis)的变压器故障诊断机理,然后介绍了反向传播神经网络BPNN( Back - propagation Neural Network)的网络结构、学习算法和训练流程,并结合变压器故障实际特点,分析了输入输出模式的确定、隐含层设计、传递函数和训练函数的选择对于整个网络设计的重要性,通过在MATLAB中神经网络工具箱平台上的仿真比较找出合理的参数,从而建立基于BPNN的变压器故障诊断模型,最后通过对验证样本的仿真诊断结果对比,说明了该模型在实际应用中的有效性.     

使用多参量的变压器故障综合诊断技术

为全面综合诊断电力变压器故障,参考已有变压器故障综合诊断方法,结合变压器油中溶解气体数据和电力试验数据,利用自适应遗传算法优化小波神经网络和证据理论融合技术,提出了一种基于多参量的电力变压器故障综合诊断模型。通过故障特征参数的划分分别构建神经网络从不同侧面反映变压器的故障,同时结合证据的重要性、神经网络的输出改进证据体的基本概率分配赋值,充分体现证据体对单个故障模式识别的可信度。诊断结果表明,基于信息融合技术的变压器多参量故障综合诊断比基于单参量故障诊断的诊断性能较好。     

基于神经网络的变压器故障诊断研究

电力变压器是电网的核心设备之一。变压器故障一直是危及电网安全的主要因素。因此研究有效的故障诊断方法具有十分重大的现实意义。以BP网络为例。介绍了基于油中溶解气体分析的变压器神经网络故障诊断方法。试验结果表明。该方法是有效可行的,具有一定的实际应用价值。