首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 134 毫秒
1.
针对电力变压器故障的特点,运用BP神经网络技术对传统的电力变压器故障诊断方法加以完善,以TMS320VC5402 DSP为硬件核心,设计了高速实时电力变压器故障诊断模块,同时利用Zigbee网络实现了电力变压器故障远距离无线诊断。通过电力变压器故障诊断实例,比较了BP神经网络法和传统的改良三比值法在诊断电力变压器故障类型方面的性能。比较实例表明,基于BP网络远程无线电力变压器故障诊断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诊断,提高了诊断准确率,同时还可以进行远距离无线诊断,从而节省了成本。  相似文献   

2.
基于BP网络远程无线电力变压器故障诊断系统   总被引:1,自引:0,他引:1  
针对电力变压器故障的特点,运用BP神经网络技术对传统的电力变压器故障诊断方法加以完善,以TMS320VC5402 DSP为硬件核心,设计了高速实时电力变压器故障诊断模块,同时利用Zigbee网络实现了电力变压器故障远距离无线诊断.通过电力变压器故障诊断实例,比较了BP神经网络法和传统的改良三比值法在诊断电力变压器故障类型方面的性能.比较实例表明,基于BP网络远程无线电力变压器故障诊断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诊断,提高了诊断准确率,同时还可以进行远距离无线诊断,从而节省了成本.  相似文献   

3.
针对电力变压器故障的多样性和故障信息的不确定性、数据量大及无规律性的特点,提出了基于量子神经网络信息融合的故障诊断方法.将多个电力变压器故障参数信息引入到各子量子神经网络进行局部融合诊断,再将各局部诊断信息引入决策融合网络进行全局融合,最终诊断出5种电力变压器故障并给出可信度评价.实验仿真结果表明:量子神经网络信息融合...  相似文献   

4.
基于量子神经网络信息融合的变压器故障诊断   总被引:1,自引:0,他引:1  
针对电力变压器故障的多样性和故障信息的不确定性、数据量大及无规律性的特点,提出了基于量子神经网络信息融合的故障诊断方法.将多个电力变压器故障参数信息引入到各子量子神经网络进行局部融合诊断,再将各局部诊断信息引入决策融合网络进行全局融合,最终诊断出5种电力变压器故障并给出可信度评价.实验仿真结果表明:量子神经网络信息融合方法有效,诊断结果可靠,能将不确定性的数据合理地分配到各类故障模式中,故障正判率达到97.78%,远高于BP神经网络信息融合及改良IEC三比值法.  相似文献   

5.
多神经网络方法在变压器油色谱故障诊断中的应用   总被引:2,自引:1,他引:2  
徐志钮  律方成 《高压电器》2005,41(3):206-208
电力变压器的故障诊断对于变压器的维护起着至关重要的作用,诊断的可信度能给变压器维护提供更好的依据。为了克服单个神经网络不能给出诊断结果可信度的缺点,将多神经网络方法引入到变压器油色谱故障诊断中,利用多个神经网络对变压器诊断结果的方差给出了诊断结果的可信度;同时将多个网络输出的平均作为网络的诊断结果,减少了网络诊断的误差,提高了诊断的准确率。故障变压器实例验证了多神经网络方法的有效性。  相似文献   

6.
电力变压器故障诊断的神经网络方法   总被引:13,自引:1,他引:13  
何定  唐国庆    珩 《电力系统自动化》1993,17(8):33-38,43
提出并研究了电力变压器故障诊断的人工神经网络方法。根据变压器故障 诊断问题的特点,采用神经网络分块技术,将网络的输入、输出分别与故障症 状和故障类型相对应,建立了故障诊断的神经网络模型,并对故障实例进行了 测试验证。计算结果证明了这种方法的有效性和潜在的应用价值。  相似文献   

7.
针对电力变压器故障的特点以及传统故障诊断方法在变压器诊断应用中的局限性,研究了一种基于BP神经网络算法的变压器故障诊断方法。通过选择足够的故障样本训练神经网络,达到变压器故障诊断的要求,并通过实例证明了本算法的有效性。  相似文献   

8.
使用多参量的变压器故障综合诊断技术   总被引:1,自引:3,他引:1  
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。  相似文献   

9.
研究采用径向基神经网络进行变压器故障诊断,以提高变压器故障诊断率。分析了径向基函数神经网络的结构和工作原理,确立了适合变压器故障诊断的网络学习算法,并设计了一个诊断变压器故障的三层径向基网络。通过采用MATLAB进行仿真实验。结果表明径向基神经网络是一很强的分类器,能够有效的对变压器故障进行诊断。  相似文献   

10.
基于进化策略算法的人工神经网络变压器故障诊断法   总被引:2,自引:0,他引:2  
提出一种基于进化策略算法的人工神经网络法对电力变压器故障进行诊断。该方法通过综合进化算法的全局搜索能力和神经网络输入和输出的高度非线性映射关系,可准确诊断变压器故障。它可自动调整神经网络的连接权和节点偏置值,以获得最佳网络模型。相对于普通人工神经网络而言,该法具有更快的学习速率和优良的诊断精度;并且相对于基于进化规划算法的人工神经网络法,本方法也具有更优良的性能。  相似文献   

11.
This paper presents an artificial neural network (ANN) approach to the diagnosis and detection of faults in oil-filled power transformers based on dissolved gas-in-oil analysis. A two-step ANN method is used to detect faults with or without cellulose involved. Good diagnosis accuracy is obtained with the proposed approach  相似文献   

12.
提出一种基于SPDS神经网络的全新的电流保护方式。该网络采用的是 3层SPDS神经网络模型 ,由 3部分构成 :故障类型与相别判断子网络ANN1、故障方向判别子网络ANN2、振荡识别子网络ANN3。对该模型进行了各种故障状态的测试及仿真实验 ,并与BP网络进行比较 ,发现SPDS网络训练速度快 ,且证实了基于SPDS网络的电流保护的可行性  相似文献   

13.
提出了一种基于SPDS神经网络的全新的电流保护方式。该网络采用的是3层SPDS神经网络模型,由三部分构成:故障类型与相别判断子网络ANN1、故障方向判别子网络ANN2、振荡识别子网络ANN3。通过大量的Matlab和EMTP仿真实验,对该模型进行了各种故障状态的训练和测试,并与BP网络进行比较,发现SPDS网络训练速度快,且证实了基于SPDS网络的电流保护的可行性。  相似文献   

14.
针对充油型设备的故障诊断 ,采用Levenberg Marquardt算法建立多层前向人工神经网络 ,采用改进算法训练网络 ,克服了传统BP算法收敛速度慢、易陷入局部极小的缺陷 ;采用可靠性数据分析技术和变量循环重新编号等方法有助于加快网络收敛 ;提出将判别具体故障类别和固体绝缘故障分开的两层诊断结构 ,提高了网络的训练效率和诊断的准确性。  相似文献   

15.
利用DGA-NN诊断油浸式电力变压器故障   总被引:1,自引:1,他引:1  
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。  相似文献   

16.
为了解决最大隶属度原则不宜诊断多故障、阈值原则漏诊率和误诊率较高的问题,在提出级联阈值判断原则后构成了级联阈值决策的加权模糊识别法。该法研究各特征气体组分比值在变压器故障诊断中的不同地位,确定加权系数矩阵,并用统计法估计单故障现象的故障隶属度,得到评判矩阵。通过评判矩阵和级联法值判断原则诊断变压器故障,不但诊断单种变压器故障正确率较高,且诊断多种故障同时存在的变压器故障效果也较理想。  相似文献   

17.
绕组松动故障是变压器最主要的机械故障之一,尚缺乏有效的智能化诊断方法。为此提出基于格拉姆角场与迁移学习-AlexNet的变压器绕组松动故障诊断方法。变压器稳态运行时的振动信号存在周期性的特点,导致其构建足量具有时间相关性的图像集十分困难,提出了一种样本构建方法用于生成变压器振动信号的格拉姆角场图像集。将生成的图像集送入AlexNet进行迁移学习,获得微调后的神经网络模型。实验结果表明:利用该样本构建方法生成的图像集作为训练集和验证集,建立的卷积神经网络模型训练准确率与验证准确率均达到99%以上;利用变压器周期性振动信号生成的图像集作为测试集,测试准确率达到99%以上,实现了变压器绕组松动故障的准确诊断,并为周期性信号运用具有时间相关性的图像变换方法构建足量样本集提供了一种新思路。  相似文献   

18.
神经网络理论在变压器故障诊断中的应用   总被引:16,自引:4,他引:12  
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,克服好传统的二次谐波制动特性劝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  相似文献   

19.
小波网络是近年来发展起来的一种高效非线性信号处理新模型。该文将适于电力变压器故障诊断的小波网络分为第一、第二类小波网络,提出了基于自适应算法小波网络的变压器故障诊断方法,该方法继承了人工神经网络的学习能力和小波变换的局部化特征,具有良好的收敛性和鲁棒性。选择经模糊预处理的250组油中溶解气体作为采用不同小波基的2类小波网络训练与识别样本,对训练过程和仿真结果进行对比分析。大量诊断实例表明,文中提出的2类小波网络均适于变压器故障诊断,其性能优于单独使用传统BP神经网络的方法。  相似文献   

20.
This paper presents alternative approaches using artificial neural networks (ANNs) for the protection of power transformers. A complete protection scheme was implemented. An ANN subroutine was used to discriminate internal faults from other situations, replacing the traditional Fourier method for harmonic restraint. In addition, a routine for reconstruction of saturated current signals based on recurrent ANNs is also proposed. The proposed methods were extensively tested and then compared to the traditional differential protection algorithm, showing promising results. The application of the ANN tools is a new and important stage in the differential relay analysis methodology for power transformer protection.  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