专家系统在变压器故障诊断中的应用

介绍了“大型电力变压器故障诊断万家系统”（ＴＦＤＥＳ）的结构和特点，及各模块的功能，并用具体实例说明该专家系统的可行性和可信度。     

用于变压器故障诊断的ANNES

本文提出并建立了用于变压器的混合型故障诊断系线──神经网络专家系统ＡＮＮＥＳ。该系统充分利用人工神经网络和专家系统各自的特长，能有效地诊断运行中变压器的早期内部故障。测试结果证明了这种方法的应用潜力。     

电力变压器故障诊断专家系统

将电力变压器油气分析法和电气试验法作为主要检测数据来源，收集整理了故障诊断的专家知识，利用专家系统开发工具，开发出一种电力变压器故障诊断的专家系统，能有效诊断运行中的电力变压器内部故障。因其知识库维护性较强，用户接口方便，适合专业技术人员使用，并为电力变压器故障在线诊断提供了一种途径。     

电力变压顺故障论断专家系统

将电力变压器油气分析法和卢气试验法作为主要检测数据来源，收集整理了故障诊断的专家知识，利用专家系统开发工具，开发出一种电力变压器故障诊断的专家系统，能有效诊断运行中的电力变压器内部故障。因其知识库维护性较经，用户接口方便，适合专业技术人员使用，并为电力变压器故障在线诊断提供了一种途径。     

东北电网故障实时判断和处理专家系统的在线实现

本文介绍一个实时在线的电力系统故障判断和恢复处理专家系统（ＮＥＣＦＤＲ）。ＮＥＣＦＤＲ运行于东电调度中心的ＶＡＸ１１／７８５主计算机，与在线的ＥＭＳ系统相接。当电网发生故障时，ＮＥＣＦＯＲ可以从ＥＭＳ的ＳＣＡＤＡ库中获取实时报警信息，对电网发生的故障进行判断，并提供相应的恢复处理措施。本文主要描述了该专家系统的总体设计和在线实现技术。     

基于DSP的电机转子断条故障诊断装置

介绍了电机转子断条故障诊断的原理，同时给出利用ＤＳＰ构成的转子断条 故障诊断装置的设计方法以及数字陷波和ＦＦＴ运算的ＤＳＰ的实现，实测表 明本装置可以诊断转子断条故障。     

用IMFICG法诊断变压器的故障

介绍了模糊ＩＳＯＤＡＴＡ法的数学原理,计算步骤,聚类效果检验及应用中有时会带来诊断失真的问题;论述了集模糊ＩＳＯＤＡＴＡ法与特征气体法优点的变压器故障诊断新方法－ＩＭＦＩＣＧ法,用经成功地诊断出水口水电厂主变存在的中低温过热故障。     

电力变压器故障诊断专家系统TFDES

电力变压器故障诊断对电力系统的安全运行有着十分重要的意义。本文介绍电 力变压器故障诊断专家系统TFDES的原理与结构。以气相色谱法为主，T FDES综合运用各种故障检测的知识判断故障性质；运用模糊逻辑较好地处 理了故障诊断中的模糊性问题。初步测试表明，TFDES结构合理，推理正确 ，能有效地诊断运行中的变压器的内部潜伏性故障。     

模糊理论、专家系统及人工神经网络在电力变压器故障诊断中应用──基于油中溶解气体进行分析诊断

本文介绍了模糊理论、专家系统和人工神经元网络（ＡＮＮ）在变压器故障诊断中的应用，提出了可应用ＥＳ和ＡＮＮ的“协商”机制，保证诊断系统知识库的完备性。提高诊断的准确性。     

基于VB的变压器故障可视化模糊诊断

为克服传统变压器绝缘故障诊断的局限性,以得到准确全面的诊断结果,将可视化技术与模糊数学相结合,用于变压器故障诊断专家系统。该系统采用VB(Visual Basic)程序设计语言和TeeChart图表图形控件工具来实现变压器故障诊断的二维/三维可视化输出,并利用模糊数学方法构造编码隶属度函数来刻画边界点的模糊区间。实例分析结果表明,用该法有效解决了单一变压器故障诊断法的误诊断或诊断结果不全面等问题,更准确全面地反映变压器故障信息,具有实际意义。     

电力变压器信息管理及故障诊断专家系统的研制

介绍了变压器故障诊断专家系统的情况,描述了所开发系统的TFDES结构、推理机制、实现方法及诊断管理的主要功能。现场测试表明:TFDES结构合理,推理正确,能有效诊断运行中变压器的内部故障。     

人工智能在变压器故障诊断中的应用

人工智能（AI）在变压器故障诊断领域的开发和应用,以专家系统和人工神经网络的研究最引入注目。已开发的软件TFDES由变压器故障诊断知识库、数据库、推理机、解释机制和人机接口组成,知识库建成模块化结构。人工神经网络TFDANN为模块化结构,采用反向传播的BP网络,引入了模糊逻辑理论。系统对运行中变压器的内部潜伏性故障,可作出早期诊断,对现场运行人员可提供“咨询”意见。     

基于气体增长速率和Petri网的变压器内部故障状态推理

针对变压器故障诊断中的故障漏判、误判和某些故障无法判断的问题,将Petri网和油中气体增长速率相结合,提出一种基于模糊Petri网来构建变压器故障诊断模型,它通过分析油中溶解的气体浓度来判断变压器的故障类型。该方法首先利用通过气相色谱法得到各气体的浓度值,使用建立起来的Petri网模型,推理出每种故障类型的可能性大小。用这种方法能避免三比值编码的缺失等问题,也就能有效地处理变压器故障诊断中漏判、误判和无法判断的问题,并能定量地给出每种故障的可能性大小。实例进一步证明,研究模型提高了诊断的正确率。     

基于模型与模糊Petri网融合的高铁牵引变压器故障诊断

针对基于模型诊断方法(Model-based Diagnosis,MBD)存在的处理不确定性和组件间的关联关系方面的问题,基于互补融合的思想,将模糊Petri网与MBD有机结合在一起,提出了一种高速铁路牵引变压器外部故障和内部故障诊断的新方法。建立牵引变压器结构和功能的两层模型,通过离线搜索最小冲突候选集和在线识别最小冲突集,实现牵引变压器的外部故障诊断。对于内部故障的诊断, 采用MBD进行牵引变压器故障元件定位,利用模糊Petri网进行区域知识表示,推理实现内部故障类型诊断。以武广高速三相V/x接线牵引变压器故障数据为实例进行分析,诊断结果验证了MBD与模糊Petri网融合的牵引变压器故障诊断方法的可行性和有效性。     

基于多种智能方法的变压器故障综合诊断模型

鉴于粗糙集处理不完备信息的有效性、范例推理查询匹配的直观性以及比值法的简洁性,提出了基于多种智能方法的变压器故障综合诊断方法。综合考虑了油中溶解气体分析与电气试验等多种故障征兆,在分析大量变压器故障案例的基础上,建立了基于粗糙集、范例推理及比值法的综合诊断模型。该模型采用3层结构对变压器故障逐步进行细分,即使在不完备信息时也有助于为现场提供较有效的维修建议。该模型具有计算速度快、正判率高、结果直观等优点。实例也表明了该方法的有效性。     

基于贝叶斯网络和油中溶解气体分析的变压器故障诊断方法

电力变压器属电力系统中的重要设备,目前油中溶解气体分析(DGA)的三比值法是对变压器进行故障诊断的最方便、有效的方法之一.本文结合改良的三比值法,将贝叶斯网络方法引入大型变压器的故障诊断,提出了基于贝叶斯网络(BN)理论和变压器油中溶解气体分析方法的变压器智能故障诊断方法,并据此建立了变压器故障诊断模型.通过实例判断验证了本文方法的有效性.     

基于SOM的变压器故障诊断研究

通过变压器故障诊断能及时发现变压器的故障,以往应用比较广泛的故障分类方法是基于DGA结果的比值法,但其存在比较严重的缺陷。通过采用自组织映射网络对变压器故障进行诊断分类,结果表明自组织映射网络对变压器故障的分类准确且快速,能够降低检测人员的分析难度,提高诊断速度,对于现场变压器故障诊断应用前景广阔。     

基于油中气体分析与类重叠特征的变压器分层故障诊断模型

油中溶解气体分析可以有效识别变压器放电故障与过热故障,为提高变压器故障诊断准确度,提出一种基于类重叠特征的变压器分层故障诊断方法。首先使用支持向量数据描述（SVDD）划分出变压器故障样本数据空间的重叠区域,选择类重叠率与类重叠度作为重叠特征,分别对类重叠程度和样本点重要性进行描述,然后以类重叠率为分层标准建立分层故障诊断模型,采用分隔训练法将各诊断层的样本集分开训练,针对分类难度较大的重叠区,基于类重叠度构造二分类模糊支持向量机(FSVM)进行故障诊断。实验结果表明,相比于其他模型,所提方法具有更高的准确度。     

基于油中气体分析与类重叠特征的变压器分层故障诊断模型

油中溶解气体分析可以有效识别变压器放电故障与过热故障,为提高变压器故障诊断准确度,提出一种基于类重叠特征的变压器分层故障诊断方法。首先使用支持向量数据描述（SVDD）划分出变压器故障样本数据空间的重叠区域,选择类重叠率与类重叠度作为重叠特征,分别对类重叠程度和样本点重要性进行描述,然后以类重叠率为分层标准建立分层故障诊断模型,采用分隔训练法将各诊断层的样本集分开训练,针对分类难度较大的重叠区,基于类重叠度构造二分类模糊支持向量机(FSVM)进行故障诊断。实验结果表明,相比于其他模型,所提方法具有更高的准确度。