基于神经网络的变压器故障诊断

为了保障变压器在电力系统中能够安全有效的运行,提出了一种将RBF神经网络与模糊控制算法相结合对变压器进行故障诊断的方法。设计了具有6层神经网络的学习体系,并且将模糊隶属度函数引入到第2层中,加快了神经网络的学习速度。基于变压器故障的数据统计,通过对其内部的气体含量进行分析对故障类型进行分类。通过样本数据对所设计的模糊RBF神经网络进行故障诊断训练。实验结果表明,通过训练后的该模型对变压器的故障诊断具有更好的效果。     

模糊神经网络在变压器故障诊断中的应用研究

基于模糊逻辑理论和人工神经元网络，提出了将模糊神经网络应用于变压器故障诊断的方法，该方法实现了变压器故障的智能诊断。     

三种变压器故障诊断方法比较研究

变压器常规诊断的油中溶解气体的三比值法(IEC),在目前变压器故障诊断中有着广泛的应用,许多人工智能技术在电力变压器故障诊断中的应用都是基于IEC法进行研究的,并在此基础上提出了基于神经网络和模糊神经网络的变压器故障诊断专家系统。该文将传统IEC三比值法、神经网络法和基于IEC三比值法的模糊神经网络法进行了比较。本文结合实例对这三种诊断方法进行了分析与探讨,指出了传统的IEC三比值法的不足,神经网络法和基于IEC三比值法的模糊神经网络法的优点等。     

基于模糊输入的BP-ART2混合神经网络在电力变压器故障综合诊断中的应用

根据模糊理论和神经网络理论,提出了变压器故障诊断的新方法。根据DGA(dissolvedgasanalysis)法、电气试验法及外部故障特征法,建立了基于模糊输入的BP ART2混和神经网络对电力变压器故障进行综合诊断。仿真结果表明本方法能有效提高变压器故障诊断正确率。     

基于模糊输入的BP-ART2混合神经网络在电力变压器故障综合诊断中的应用

根据模糊理论和神经网络理论,提出了变压器故障诊断的新方法.根据DGA(dissolved gas analysis) 法、电气试验法及外部故障特征法,建立了基于模糊输入的BP-ART2混和神经网络对电力变压器故障进行综合诊断.仿真结果表明本方法能有效提高变压器故障诊断正确率.     

基于自适应模糊推理的电力设备故障诊断研究

将自适应神经网络的自学习优点与模糊数学的模糊推理方法有效结合,解决了变压器绝缘故障诊断中模糊规则难以确定的问题;利用自适应神经网络的自学习功能,确定了模糊规则和模糊隶属度,建立了变压器故障诊断的ANFIS模型,实现了电力设备故障诊断,反映了变压器的运行状态。     

基于模糊神经网络的变压器故障诊断技术与方法的研究

将模糊技术与神经网络引入到变压器故障诊断中,提出了运用基于特征气体法的神经网络模块和基于改良三比值法的模糊神经网络模块对变压器油中溶解气体进行综合分析,判断油中溶解气体的特征,以此来诊断变压器可能发生的故障。     

模糊输入的概率神经网络在变压器故障诊断中的应用

将概率神经网络引入到电力变压器的故障诊断中,并提出了利用模糊数学的知识对神经网络输入进行预处理的方法.采用改良的三比值方法来实现故障诊断,建立了基于模糊输入的神经网络故障诊断模型.通过对神经网络模型的实例训练及仿真,证明了此方法有较好的收敛性,提高了故障诊断的有效性和准确性.     

基于神经网络、模糊理论的变压器油中溶解气体诊断专家系统

介绍了基于模糊理论和神经网络理论建立起来的变压器油中溶解气体诊断黑板型专家系统,即黑板型专家系统,该系统具有启发性、透明性、高性能和灵活性的特点,不仅能够利用模糊理论来解决变压器故障诊断时出现的复杂性、经验性和模糊性等问题,还能利用神经网络的良好模式分类能力和自学习功能来不断提高整个系统的故障诊断精度,从而有效地克服了以往采用单一方法进行诊断时所固有的诊断出错或诊断结果不全面等缺点。     

基于BP神经网络的变压器故障诊断

针对变压器故障诊断的特点,提出了一种基于BP神经网络的电力变压器故障诊断方法。采用稳定、快速的Levenberg-Marquardt算法训练多层前向人工神经网络,克服了标准BP算法收敛速度慢、易陷入局部极小的缺陷;在隐含层节点数的选取上,采用简单实用的黄金分割优选法,可以节省成本,提高搜索效率。仿真结果表明,该方法具有运算速度快和拟合精度高等优点,满足电力变压器故障诊断的要求。     

模糊神经网络在变压器故障诊断中的应用

提出了与神经网络结合的模糊变压器故障诊断新方法 ,克服了一般模糊诊断学习困难的局限 ;通过与模糊判决矩阵的对应关系 ,发现神经网络系统的权值矩阵就是模糊诊断里面的判决矩阵。模糊神经网络、组合神经网络和判决树 3种方法对故障样本的正判率分别为 90 .4 %、75 .4 %、83.3% ,这表明模糊神经网络方法的有效性与可行性 ,它弥补了DGA试验相近故障识别率低的不足 ,克服了组合神经网络无“可塑性”的缺陷 ,避免了判决树对样本选择的强烈依赖 ,使故障诊断准确度大为提高 ;也说明了DGA和其它电气试验相结合综合分析的必要     

无刷励磁同步发电机旋转整流器故障的模糊神经网络诊断

模糊神经网络是模糊逻辑与神经网络相结合而构成的 ,具备模糊技术和神经网络技术的优点 ,应用于电力系统故障诊断中 ,是一种使用方便的人工智能处理系统。基于模糊神经网络对无刷励磁同步发电机旋转整流器故障诊断进行研究。经过训练后的模糊神经网络 ,在对旋转整流器故障进行诊断时 ,有较高的准确性和有效性     

基于神经网络的变压器模糊诊断研究

提出了将神经网络用于变压器模糊故障诊断的方法。计算结果和诊断实例表明，采用神经网络能够更为准确有效地诊断变压器故障。     

电机故障诊断的人工智能方法综述

在分析电机故障诊断传统方法的基础上,讨论了近年来电机故障诊断领域的智能控制手段和最新进展:即神经网络、模糊逻辑、模糊神经和遗传算法等,给出了详细的图表和简化的应用实例,并比较了各方法的优缺点。     

基于预警单元的逆变器并联系统分层故障诊断系统

随着逆变器并联系统规模的增大,电源系统对故障诊断提出了新的要求.结合逆变器并联系统故障诊断的特点,对所存在的问题进行了分析,并通过新的应用思路,将神经网络和专家系统应用到逆变器并联系统的故障诊断中.提出并定义了故障预警的一系列相关概念,设计了预警单元的工作结构.在此基础上提出了一种新的基于故障预警单元的分层故障诊断专家系统,详细阐述了故障预警单元的实现以及诊断系统的工作原理.通过原理分析及仿真结果可以看出,提出的方法对神经网络和专家系统在故障诊断中的有效应用具有很好的推动作用和一定的指导意义.     

基于DGA的变压器故障诊断智能方法分析

针对传统变压器故障诊断方法的不足,介绍了多种智能诊断方法在基于油中溶解气体分析（dissolved gas-in-oil analysis, DGA）的变压器故障诊断中的应用,包括人工神经网络、模糊理论、专家系统、灰关联分析及其他智能方法。通过对这些智能诊断方法的分析,得出其优缺点及需要改进的方案,为研究人员选择最优油浸式电力变压器故障诊断方法提供参考。最后对基于DGA的变压器故障智能诊断方法进行了展望,并分析了未来的发展方向。     

基于模糊遗传神经网络的信息融合故障诊断技术及其应用

在基于广义模糊加权型推理的模糊神经网络基础上,融合非一致性遗传算法,建立了一种模糊遗传神经网络。利用模糊遗传神经网络技术建立信息融合中心,对多传感器数据进行融合处理,通过多源互补信息减小故障诊断系统的不确定性。讨论了模糊遗传神经网络多传感器信息融合方法中数据处理、特征向量维数压缩与关联、归一化处理方法等。同时,对模糊遗传神经的构造以及学习训练等内容,也作了较为详细的讨论。并对模糊遗传神经网络信息融合技术应用于变压器状态的实时监测的应用前景进行了初步探讨。     

人工智能技术在电力系统故障诊断中的应用

介绍了电力系统故障诊断的研究现状,总结和归纳了近10年来国内外学者应用人工智能技术进行电力系统故障诊断的方法——专家系统、人工神经网络、Petri网、模糊理论、概率理论、粗糙集理论及多种融合方法,阐述了各种方法的基本思想、各种方法的特点与不足,探讨了新形势下电力系统故障诊断的发展趋势.