变压器故障诊断的神经网络法

利用人工神经网络方法对变压器的故障诊断进行探索，对比了用不同激励函数的神经网络的收敛性能，建立了故障诊断的神经网络模型，并对故障实例进行了诊断，计算结果证明了这种方法的可行性和有效性。     

神经网络在电力变压器故障诊断中的应用

基于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 ,根据特征气体法和改良IEC三比值法 ,建立了模糊神经网络诊断模型。此模型有效地处理了故障诊断中的不确定因素 ,并具有较强的知识获取能力 ,表明了这种方法的有效性和应用前景     

电力变压器故障诊断的人工神经网络方法

电力变压器故障诊断对变压器、电力系统的安全运行有着十分重要的意义．在介绍人工神经网络（ANN）和模糊理论的基本工作原理的基础上,针对变压器故障诊断的特点,运用油中溶解气体分析法（DGA）,采用分块化的反向传播神经网络（BP）,建立了变压器故障诊断的神经网络模型．通过训练和实际测试,表明了这一方法的有效性和可行性．     

高新技术在变压器故障诊断中的应用

介绍了变压器故障诊断的专家系统和人工神经网络法，着重叙述了新一代智能化的故障诊断技术-智能型系统（TFDAI）研究和应用的前景，并通过具体实例说明了高新技术对运行中变压器作早期预诊断的可行性和有效性。     

基于免疫抗体生成算法的电力变压器故障诊断

提出了一种基于人工免疫的抗体生成算法,并将其应用于电力变压器的故障诊断。抗体生成算法仿生生物免疫系统中抗体对抗原的识别与记忆的机理,先对训练样本进行免疫学习和记忆,提取表征样本的有效特征,形成表征样本特征的记忆抗体集,再用最邻近分类法对测试样本进行分类识别。UCI的Iris数据集和电力变压器故障数据的仿真分析结果表明,抗体生成算法能够进行有效的分类,并具有很高的准确率。     

电力变压器继电保护及故障诊断中神经网络技术的应用

变压器是电力系统的重要设施之一,它的可靠运行对电力系统的安全、经济运行具有重大意义.本文主要探讨采用人工神经网络技术对电力变压器进行继电保护及故障诊断.结果表明,人工神经网络对于电力变压器的励磁涌流与短路电流及其它的故障电流有更强的识别能力,从而能有效的保证继电保护动作的准确性.     

变压器故障诊断的神经网络法

利用人工神经网络方法对变压器的故障诊断进行探索，对比了用不同激励函数的神经网络的收敛性能，建立了故障诊断的神经网络模型，并对故障实例进行了诊断，计算结果证明了这种方法的可行性和有效性。     

基于模糊神经网络的变压器故障诊断新方法

基于模糊理论与神经网络理论,提出了变压器故障诊断的新方法,根据特征气体法和改良ＩＥＣ三比值法,建立了模糊神经网络诊断模型。此模型有效地处理了故障诊断中的不确定因素,并具有较强的知识获取能力,研究结果表明了这种方法的有效性和应用前景。     

变压器故障诊断的人工智能法

介绍了人工智能（ＡＩ）在当前变压器故障诊断方面的开发和应用。并用具体实例说明专家系统和人工神经网络对运行中的变压器内部潜伏性故障进行早期诊断的可行性有效性。     

神经网络在电力变压器故障诊断中的应用

基于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,根据特征气体法和改良ＩＥＣ三比值法,建立了模糊神经网络诊断模型,此模型有效地处理了故障诊断中的不确定因素,并具有较强的知识获取能力,表明了这种方法的有效性和应用前景。     

改进BP算法在故障诊断中的应用

针对使用BP算法的多层感知器中存在的网络学习收敛速度慢,容易陷入局部极小等问题,采用一个改进的算法,对设备故障进行了诊断和分析研究,以某柴油机供油系统为例,对其中的几种常见故障进行了诊断研究,从中可以看出,改进算法加快了收敛速度,诊断的精度也有所提高。     

电力变压器故障诊断管理系统的研制

电力变压器故障诊断管理系统(TFDES)的研制对变压器、电力系统的安全运行意义重大．介绍了变压器故障诊断的常用方法，描述了所开发的TFDES结构、推理机制、实现方法，以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内部故障．     

基于遗传神经网络的汽轮发电机振动故障诊断的研究

汽轮发电机的故障诊断对电力系统的安全运行有着十分重要的意义.文章介绍了基于遗传优化的神经网络在汽轮发电机故障诊断中的应用.     

云模型在电力变压器故障诊断中的应用

鉴于物元理论在构建诊断模型时,忽略了分界值的不确定性,使诊断结果偏离了实际情况。利用云模型能合理地解决边界不确定问题,将物元理论与云模型相结合,建立了新的故障诊断模型。同时,结合油中溶解气体分析技术,通过对油中溶解气体的浓度、产气率、总烃含量以及气体间比值的分析,客观、准确地对变压器进行故障诊断。通过与其他诊断技术相比较,并结合案例分析,得出基于物元理论和云模型的变压器故障诊断技术具有更高的正确率。     

改进人工鱼群算法优化小波神经网络的变压器故障诊断

针对油浸式变压器故障类型的复杂难辨,结合油中气体分析法,提出一种基于改进人工鱼群算法优化小波神经网络的故障诊断模型。基于经典三层小波神经网络,采用粒子化的人工鱼群算法对小波神经网络输入和输出层的权值、小波神经元的伸缩和平移系数进行修正,通过引入动态反向学习策略实时优化人工鱼分布,迭代后半程采用基于柯西分布的自适应人工鱼视野范围提高算法精度。结果表明,该改进鱼群算法优化的小波神经网络相比标准粒子群算法优化小波神经网络和标准鱼群算法优化小波神经网络,诊断速度更快,准确率更高。     

电力变压器故障诊断中模糊决策方法应用的初探

电力变压器故障诊断受众多因素的影响，其中存在大量不确定性因素。     

基于RBF神经网络和自适应遗传算法的变压器故障诊断

由于变压器故障征兆与故障类型之间具有复杂的非线性关系,采用传统的BP神经网络诊断方法存在收敛速度慢、准确率低和自适应能力差等缺点.针对以上问题,提出了一种基于自适应遗传算法的RBF神经网络故障诊断方法,建立了以变压器的故障特征参数为输入、以主要故障类型为输出的故障诊断模型;将自适应遗传算法和RBF神经网络有机地结合起来,利用自适应遗传算法对RBF神经网络的基函数宽度和中心进行优化,将优化后的RBF神经网络应用于变压器故障诊断.仿真结果表明,该诊断模型加快了网络收敛速度,改善了RBF神经网络的泛化能力,提高了故障诊断正确率,具有良好的实用性.     

基于改进PSO-BP混合算法的电力变压器故障诊断

采用粒子群算法和反向传播神经网络建立一种新型变压器故障诊断网络模型,设计故障诊断方法.仿真分析结果表明：基于该网络模型的诊断方法与传统的三比值法相比较,具有较好的故障识别与分类能力,显著提高了诊断准确率,将在电力设备故障诊断中有良好应用前景.     

基于改进灰色聚类分析的电力变压器故障诊断

提出了基于高斯白化权函数的灰色聚类算法和高斯白化权函数参数σ的选择方法,通过对34组故障变压器DGA数据的学习,初步确定了σ参数值。实验分析证明,本文提出的故障诊断方法与实际检测结果一致,具有一定的有效性和实用性,并且具有分析速度快、实时性好的优点。     

电力变压器故障诊断专家系统研制及其应用技术开发

电力变压器故障诊断对变压器、电力系统的安全运行有着十分重要的意义。本文介绍了变压器故障诊断的基本原理和常用方法,描述了所开发的TFDES结构、推理机制、特点、实现方法及各模块的功能,并结合具体实例测试表明:TFDES结构合理,推理正确,能有效地诊断运行中变压器的内部潜伏性故障。