基于WSN和数据融合技术的电力变压器故障诊断系统的研究

探讨一种基于数据融合和可拓理论的电力变压器故障诊断方法,基于此方法,应用无线传感器网络技术和.NET开发平台构建和开发出一套电力变压器故障诊断系统。该系统将WSN技术用于电力变压器油中溶解气体的无线数据采集,实现变压器油中溶解气体的实时数据采集和传送;同时运用信息融合技术对数据进行优化处理,既可以降低网络能耗又保证了数据的准确和客观;在变压器进行故障诊断时,针对现有电力变压器故障诊断的气体比值法存在的编码规则不完整、诊断故障类型单一等缺陷,使用可拓诊断方法,定量与定性相结合,使变压器故障诊断方法更为精细化。在线故障诊断可视化系统可以实现变压器油中溶解气体参数的采集、显示、分析、存储和回放等功能,实现对变压器故障信息的实时分析与自动诊断,既解决了作业人员远程实时监测变压器运行状态问题,又大大提高了变压器故障诊断的性能,为变压器在线监测和故障诊断技术提供新的发展方向。     

基于粒子群优化的可拓神经网络故障诊断方法研究

基于可拓学的故障诊断方法是智能故障诊断领域中较为新颖的研究方向;首先介绍了可拓故障诊断领域的研究现状;然后重点分析了可拓神经网络模型,包括它的结构和故障诊断原理,由于该模型存在参数设置主观、易早熟等问题,进而提出了基于粒子群优化的可拓神经网络模型,该模型以关联度作为测度工具物理意义明确,通过粒子群算法进行参数优化避免算法早熟;最后采用汽轮发电机组振动信号频谱数据进行算法验证,结果表明该算法能够正确诊断出全部故障,且诊断精度高。     

基于遗传算法与可拓神经网络的故障诊断

可拓神经网络是基于可拓理论和神经网络而设计的一种新的方法,它即充分利用了可拓学定性描述和定量描述的优点,又考虑了神经网络并行结构的特点.它由输入和输出两层可拓神经元构成,在每个输入神经元和输出神经元之间有两个连接权值.然后利用遗传算法全局搜索能力,对建立的可拓神经网络的权值进行优化,在优化过程中利用可拓神经网络输出的正确次数与可拓神经网络输入的样本总数的比值作为适应度函数,染色体根据物元的节域进行实数编码,计算出的可拓距离的最大值对应的物元与样本一致时,输出正确次数累加一次.算法终止条件为误差值达到要求.最后利用该方法开发了励磁系统的故障诊断系统.并对可控硅的缺相故障进行了成功的诊断.试验结果证明,该方法比传统的神经网络具有速度快,准确度高的特点.     

基于故障概率的可拓诊断法

基于可拓学的故障诊断法现已成功应用于电力设备的故障诊断中,但在故障诊断过程中,没有考虑电力设备常见的几种故障发生的概率．对诊断结果的准确性有一定的影响。基于故障概率的可拓诊断法是在分析可拓诊断法优缺点基础上,将常见的故障概率与可拓法中的关联度相结合,即在可拓法中引入贝叶斯判别法,在故障诊断过程中综合考虑各种故障总体物元出现的先验概率和分布,得出故障所属类型,最后介绍了这一方法在电力设备的故障诊断中的应用。     

基于可拓物元模型的故障诊断研究与应用

制冷系统由于内部物质形态的多样性以及系统参数间的高度耦合,增加了故障检测及诊断的难度,为解决此问题,提出了一种基于主元分析（PCA）和可拓物元模型的诊断算法,利用主元分析法提取故障特征参数;建立以可拓物元模型算法为基础的故障诊断模型;该模型借助主元分析方法获取属性互不相关的训练集,通过建立其物元模型,利用关联函数定量计算待测对象对于每一种故障模式的关联程度,进而判断可能的故障模式;同时利用实验数据加以验证,结果表明：该模型有效地提高了故障诊断率,同时优于单纯的可拓物元模型,且该模型对小样本的处理能力优于BP神经网络模型,其诊断正确率更高,训练耗时较少。     

可拓检测中的待测物元转换问题研究与分析

以可拓检测为研究基础,提出第3类检测问题：待测物元转化问题,即新的检测环境下的可测物元与待测物元的互换问题。针对该问题的特殊性,以基于神经网络的检测模型为问题求解框架,可拓变换与关联函数作为遗传算法的设计准则,提出基于可拓遗传算法和神经网络的待测物元转化问题的解决方法。通过实际例子的应用验证了该方法的可行性。     

可拓神经网络研究综述*

介绍了近年来可拓神经网络的发展,对可拓神经网络的基本思想、算法思路、应用研究进行了系统分析,并提出和分析了有待进一步研究的方向和问题。     

基于主元分析的可拓诊断模型及其应用研究

针对可拓诊断模型在实际应用中存在诊断准确度不高的问题,提出了一种基于主元分析的可拓故障诊断模型;该模型借助主元分析方法获取属性互不相关的训练集,在此基础上建立诊断对象描述的物元模型,然后利用关联函数定量计算待测对象对于每一种故障模式的关联程度,进而判断可能的故障模式;用该模型对某电喷发动机的运行状态进行了识别,实验结果表明,基于主元分析的可拓诊断模型可以大幅度提高诊断结果的准确率,具有重要的实践意义。     

浅析电力变压器智能故障诊断方法

电力变压器是电力系统中的重要组成部分,是整个系统稳定可靠运行的关键影响因素,智能故障诊断方法的研究对于保证电力变压器的安全运行有着非常重要的现实意义。本文从小波变换的基本原理出发,分析小波神经网络和基于小波神经网络的电力变压器故障诊断模型,结合该模型进行变压器故障诊断,并研究诊断结果。     

可拓神经网络模型及其股指期货分析研究

近年来可拓神经网络(ENNs)在人工智能领域发展迅速,取得了颇为丰富的研究成果。双权可拓神经网络就是这些成果之一。这是一个非常新的课题,有关它在实际应用方面的研究还只是很狭隘地限定在各类诊断之中,因此要丰富这一新兴课题就需要拓展双权可拓神经网络在其他领域的应用研究。率先拓展了双权可拓神经网络模型在股指期货预测分析领域的应用研究,详细描述了两种双权可拓神经网络结构设计、算法过程,并且通过实验验证了该模型在股指期货预测分析领域的可行性和有效性。     

基于径向基神经网络的变压器故障诊断

研究了一种基于RBF神经网络的电力变压器故障诊断方法。该方法采用目前应用较多的隐含层为径向基函数的最小正交二乘法训练人工神经网络,克服了BP算法易陷入局部极小、收敛速度慢的缺点。利用MATLAB仿真实现,结果表明该方法具有速度快、诊断精度高等优点,能有效地运用于电力变压器故障诊断中。     

基于遗传算法小波神经网络的电力变压器故障诊断

本文提出了一种基于遗传算法小波神经网络的变压器故障诊断方法。首先构造了基于Mexicohat小波的小波神经网络,其次利用遗传算法优化小波网络的参数,并将其应用到基于溶解气体分析的变压器故障诊断中,最后通过实例证明了本方法的有效性和可行性。     

变压器故障诊断方法的研究

变压器的运行状况直接关系到整个电力系统的安全稳定运行,有效对变压器进行故障诊断具有重要的实际意义。电力变压器油中溶解气体分析（Dissolved Gas Analysis, DGA）已经成为油浸式变压器故障诊断的一种有效支持数据,本文在利用DGA数据的基础上,首先总结了常规IEC比值法的优缺点,并针对其边界问题总结了几种有效改进方法。其次,本文总结了人工神经网络,支持向量机,粗糙集,模糊数学、极限学习机、贝叶斯网络、聚类、人工免疫和petri网络等9种智能算法在变压器故障诊断中的运用,针对其固有问题总结了各自的优化方法。最后,本文介绍了以证据理论为主的综合诊断方法,分析了它优于单一智能算法的方面,并介绍了一些其他方法在变压器故障诊断中的应用。最终得出结论,相比于单一智能方法,信息融合的综合诊断办法能更好地对变压器故障进行诊断。     

基于果蝇算法优化的概率神经网络在变压器故障诊断中的应用

传统的变压器故障诊断方法存在编码不全,容易错判漏判的缺点。随着变压器在线监测技术的发展和产品需求的增加,变压器故障诊断技术朝着智能化的方向发展。为提高故障诊断率,结合油中气体分析法,本文提出了一种基于果蝇算法优化的概率神经网络模型的变压器故障诊断方法。作为一种新型的启发式和进化式算法,果蝇优化算法具有易理解和快速收敛到全局最优解的优点。概率神经网络结构简单、训练简洁,具有强大的非线性分类能力,将样本空间映射到故障模式空间中,从而形成一有较强容错能力和机构自适应能力的诊断网络。采用果蝇算法对模型参数进行优化,减少人为因素对神经网络设计的影响。仿真实验证明这种基于果蝇优化算法的概率神经网络可以有效地运用到变压器故障诊断中,为变压器故障诊断供了一条新途径,具有良好的研究价值和发展前景。     

基于改进ENN2 聚类算法的多故障诊断方法

针对可拓神经网络无法解决多故障诊断的问题,建立问题模型,将多故障诊断问题转化为多特征样本的聚类问题。从模型结构和学习算法两个方面对ENN2进行改进,提出基于改进ENN2聚类算法的多故障诊断方法,并对其参数和时间复杂度进行分析。采用工程实例对所提出的方法进行验证,结果表明,所提出的方法能够解决离线的多故障诊断问题,且得到的诊断模型可用于在线状态监控,具有较好的应用前景。     

基于远程无线通信的直流电源故障诊断系统

针对直流电源运行过程中存在诸多故障数据信息,设计了包括数据层、通信层和网络层的改进型蚁群神经网络的直流电源故障诊断系统,通过无线远程通信的方式实现数据通信,提高数据通信能力。并通过交流互感器实现直流电流源中的高精度电流采样,硬件系统主要包括输入设定模块、功放模块、输出变压器、采样互感器和整流模块等,以误差计算的方式提取...     

基于神经网络的变压器故障诊断方法研究

针对概率神经网络(PNN)模型强大的非线性分类能力,PNN能够很好地对变压器故障进行分类;文章通过对PNN神经网络的结构和原理的分析,应用PNN概率神经网络方法对变压器故障进行诊断;通过实例仿真表明,PNN网络的训练时间比BP网络少,比之预测准确度也要高,而且还具有高度的泛化能力,这使得PNN网络可以有效地运用到变压器故障诊断中,具有一定的可操作性。     

基于深度特征聚类和RNN的电网故障诊断

针对传统方法难以利用大量时序数据和无标签数据对电网进行故障诊断的问题,提出了基于深度特征聚类和循环神经网络(RNN)的电网智能故障诊断方法.该方法首先利用卷积神经网络搭建起特征提取器来提取时序数据的高层特征,然后对提取的特征进行半监督聚类,为无标签样本获得对应的标签,从而可以确定无标签样本所属的故障类别并加以利用;然后...     

基于信息融合方法的电力变压器网络在线监测与故障诊断研究

针对电力变压器在线监测与故障诊断问题,提出了基于多传感器信息融合与嵌入式网络相结合的解决方案。介绍了变压器油中气体分析的原理及诊断方法,重点论述了基于Webit的嵌入式网络在线监测方法,基于BP网络的混合气体识别方法及多传感器一致性信息融合方法等通过试验,验证了方法的有效性。