基于模糊综合评判的变压器故障模糊诊断法

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。     

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。     

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

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。     

模糊专家系统在状态检修中的应用

叙述了状态检修的目的意义及其发展，介绍了基于广域网B／S模式分布式远程在线监测诊断系统，通过分析模糊专家系统在该系统中的作用以及状态检修中的不确定性，说明了模糊专家系统在状态检修中的必要性和价值。阐述了模糊专家系统的结构及不确定性推理方法。通过介绍开发的变压器模糊三比值专家故障诊断系统，说明了模糊专家系统在状态检修中的实现方法和意义。     

基于模糊层次分析法的变压器状态评估

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。     

变压器故障的模糊检测

采用模糊理论分析的方法初步探讨了变压器的故障检测,介绍了变压器故障的一些基本知识和模糊检测的数学模型,以及作者对实际检测的构想。     

变压器故障诊断中溶解气体的模糊聚类分析

针对变压器故障诊断中的不足 ,介绍了模糊聚类分析的理论、方法及聚类效果的判别原则。将模糊聚类分析其应用于变压器的故障诊断 ,列举了诊断实例。     

模糊理论在变压器保护中的应用

对模糊理论在变压器保护中的应用进行了探讨,研究了利用模糊逻辑与模糊模式识别的理论识别变压器励磁 涌流的方法。仿真结果表明,将模糊理论引入变压器保护领域,能够克服传统保护中的某些不足,改善变压 器保护的性能,使保护的动作速度与选择性得到最好的配合。     

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。     

模糊支持向量机在变压器故障诊断中的应用

为了解决在变压器故障诊断时复杂难辨的问题,提出了利用模糊支持向量机构建变压器故障诊断模型的方法。该方法是在支持向量机(SVM)的基础上引入模糊度隶属函数,从而有效消除噪声和野点对诊断结果的影响。通过模糊C均值算法(FCM)求取模糊支持向量机的隶属度,对所得样本进行预处理,然后利用交叉验证和网格搜索相结合的方法对支持向量机进行参数寻优。实验表明,该方法比改良IEC比值法和传统支持向量机法具有更高的准确率,更适用于变压器故障诊断。     

模糊神经网络在变压器油中溶解气体故障诊断中的应用

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。     

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.     

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。     

模糊贝叶斯网的变压器故障诊断

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。     

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。     

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。     

一种结合模糊TOPSIS法和BP神经网络的变压器故障诊断方法

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。     

基于模糊积分融合技术的变压器故障识别

提出了一种基于模糊积分融合技术的变压器故障诊断新方法。首先建立三比值的隶属函数并对三比值数据进行模糊预处理,再用4个不同的径向基函数神经网络进行故障识别,最后利用模糊积分融合方法将4组诊断结果进行融合处理,得出诊断结果。仿真实例表明这种方法比单个人工神经网络具有更高的故障诊断性能。