共查询到19条相似文献,搜索用时 109 毫秒
1.
基于模糊综合评判的变压器故障模糊诊断法 总被引:5,自引:4,他引:5
针对电力变压器故障诊断常用的罗杰斯比值法中存在着临界比值判据缺损的问题,提出了利用模糊集理论进行电力变压器故障诊断的方法。将气体比值看作故障类别的模糊现象子集,依据罗杰斯比法中给出的不同气体成份相互间的比值与变压器故障类别之间的定量关系,建立模糊现象子集相对于不同故障类别的隶属函数,从而进行故障类别的模糊综合评判。算例表明了这种方法的优越性和应用价值。 相似文献
2.
3.
基于模糊Petri网的知识表示方法在变压器故障诊断专家系统中的应用 总被引:8,自引:2,他引:8
本文给出了用模糊Petri网模型来表示变压器故障诊断专家系统中模糊产生式知识库的方法,在此模型基础上,给出了有效的推理算法,并用实例验证了其正确性和在变压器故障诊断专家系统中应用的可行性。 相似文献
4.
5.
变压器状态评估是一个系统的过程,选取合适的方法能够快速地对其运行状态进行准确的评价。综合变压器的特点提出了一种基于模糊层次分析法的变压器状态评估方法。该方法在合理运用模糊层次分析法的同时克服了主观因素的缺陷,通过历史统计数据确定模糊判断矩阵,并通过模糊层次分析法计算权重,采集现场状态量数据对各层次状态评分加权求和,最终确定变压器整体健康状态。此方法同时考虑现场实测数据和历史统计数据,计算结果准确,过程清晰。代入实际数据后,计算结果表明该方法能够准确评估变压器运行健康状态,若变压器处于非正常状态,则通过各故障类型打分分析判断具体异常原因。所提方法在进行变压器状态评估时具有广阔的应用前景。 相似文献
6.
7.
8.
9.
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。 相似文献
10.
11.
基于模糊隶属度和BP神经元网络,提出了将模糊神经网络应用于变压器油中溶解气体故障诊断的方法。该方法采用了由输入层、输出层、隐含层和模糊化层组成的一种四层前向模糊神经网络,并利用模糊理论预处理数据,建立了基于模糊神经网络的变压器故障诊断模型。结果表明,该方法对变压器进行故障检剥诊断是有效的。 相似文献
12.
13.
三种变压器故障诊断方法比较研究 总被引:4,自引:1,他引:4
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。 相似文献
14.
15.
模糊贝叶斯网的变压器故障诊断 总被引:1,自引:0,他引:1
目前油中溶解气体的三比值法是变压器故障诊断的有效方法之一。变压器故障诊断中的信息具有随机性和不确定性的特点,文中提出一种基于模糊贝叶斯网络的变压器故障诊断方法。该方法利用贝叶斯表达知识灵活,处理不确定性与关联性问题能力强,模糊集能有效表达模糊事件和信息的特点,利用隶属函数模糊化三比值的分割空间,模糊贝叶斯网络推理获得故障类型。实例证明,该方法在信息不完备条件下诊断准确率高,为变压器故障诊断提供了一条新的理论依据。 相似文献
16.
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 总被引:1,自引:0,他引:1
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。 相似文献
17.
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。 相似文献
18.
对变压器绝缘油采取色谱分析并进行故障诊断是目前变压器故障诊断的重要环节。针对传统故障诊断技术中降低状态检测与诊断系统的复杂度和增加系统采集的特征信息量的问题,首次提出将模糊TOPSIS 法用于状态检测信息处理。首先将TOPSIS 法在Vague集下进行扩展,把样本数据的多属性群问题转化为模糊多属性决策问题。然后计算Hausdorff矢量距离,得到可能解与理想解的相对贴近度,进行样本的优劣排序和聚类。在此基础上建立了简单的BP神经网络,实现了不同类型的模式识别。该方法可以快速、准确地判断变压器的运行状态,进而提高了变压器的安全、稳定及经济运行水平。 相似文献