基于故障树的变压器故障诊断专家系统的研究

针对变压器内部故障诊断特点,运用故障树分析技术和专家系统方法对变压器故障诊断技术进行了研究;用故障树分析法建立变压器故障树诊断模型,并把它运用到变压器故障诊断的专家系统中．试验证明,该方法降低了判断的随机性,提高了诊断水平．     

基于DGA和深度置信网络的变压器内部故障诊断

以油中特征气体组分比值为特征量的故障诊断是变压器内部故障诊断的重要方法,但实际应用中常出现"超码"和"缺码"问题,导致故障诊断精度低.从"信息驱动"的角度,提出一种基于深度置信网络的无监督型变压器故障诊断方法.该方法利用深度置信网络的油溶解气体特征提取,构建多隐含层的深度学习模型,采用无监督特征学习方法,实现在少样本情况下的变压器故障识别问题.算例表明,所提的深度置信网络提高了电力变压器故障诊断的准确率.     

人工智能方法在变压器故障诊断中的应用

作者介绍了诊断变压器故障的气相色谱分析法 ,综述了专家系统、人工神经网络、灰关联分析以及数据挖掘技术在变压器故障诊断中的应用 ,阐述了各方法的优缺点 ,并指出了变压器故障诊断系统的未来发展趋势。     

变压器预防性试验与在线监测的探讨

本文介绍变压器的主要预防性试验,并探讨了各种试验在绝缘故障类型诊断中的有效性和适用范围.最后讨论了变压器绝缘在线监测的现状和发展趋势,并对检侧方法,故障诊断以及电力变压器状态检修的现状与发展提出建议.     

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。     

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。     

基于BP神经网络的变压器故障诊断及其应用

针对电力变压器故障的特点以及传统故障诊断方法在变压器诊断应用中的局限性,研究一种基于BP神经网络算法的变压器故障诊断方法．通过选择足够的故障样本训练神经网络,达到变压器故障诊断的要求,并通过实例证明本算法的有效性．     

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。     

变压器油在线故障诊断技术及发展

针对国内外应用变压器油在线故障诊断技术情况,阐述在线故障诊断技术的三大类方法以及信息融合在诊断中的应用和发展趋势.     

基于案例推理技术的机车故障诊断系统研究

针对目前机车故障诊断过程中复杂、繁琐的操作,将基于案例推理技术的故障诊断方法应用于机车故障的诊断,并以电力机车变压器铁芯故障为例进行了研究,分析了对故障属性的约减过程及表示方法,以.Net 4.0为软件平台,设计了基于案例推理技术的机车故障诊断系统,实际应用结果表明,该系统达到了简化诊断操作,提高诊断效率的目的。     

电力变压器故障自动诊断系统的设计

对电力变压器油中的溶解气体进行分析可以及时发现变压器的潜在故障,从而实现对电力变压器故障的诊断.针对常见的电力变压器故障,设计了基于变压器油中溶解气体分析方法和粗糙集方法的故障自动诊断系统,该系统具有直观、方便、可扩展性好的特点,测试结果验证了该系统的有效性.     

基于综合关联度分析的电力变压器故障诊断

在电力变压器故障诊断中,针对油中溶解气体分析,传统的三比值法难以包括和反映电力变压器内部故障的所有形态,在实际工作中存在许多变压器故障因查不到故障编码而无法判断的问题。结合油中溶解气体分析技术和灰色关联的相关理论,提出了一种面积关联度和斜率关联度相结合的综合关联度分析方法,给出了变压器故障诊断的算法步骤,并对权重系数的选取进行了探讨。该方法既能表征序列曲线的离散程度,又能反映序列曲线的变化走向相似度,能全面描述序列间联系的紧密程度。实验表明,将该方法用于变压器故障诊断,不仅克服了三比值法存在的问题,而且故障诊断准确率也高于面积关联分析方法和斜率关联分析方法。在收集到的数据中随机选取350组进行计算,诊断准确率达到93．7％。     

基于信息融合的故障诊断模糊专家系统的应用

随着设备故障复杂性的提高,以往所采用的专家系统故障诊断方法已无法给出准确的判断。根据实际应用的需要,提出了一种基于信息融合思想的模糊理论与专家系统相融合的方法来解决电厂设备的故障诊断问题。在吉林丰满水电数字仿真系统中的应用表明:该融合系统由于采用多传感器对设备进行在线监测,所以比传统诊断方法减少了错判和漏判的几率,增加了对判的比率。该方法简单易行,具有较强的通用性。为电厂的故障诊断提供了较好的模型和方法,具有很高的实际应用价值。     

基于梯形灰色聚类分析的电力变压器故障诊断

引入灰色系统理论,通过改进的灰色聚类算法,提出了影响因子的概念,通过影响因子对变压器故障标准模型的数据进行优化,选取梯形白化函数的两个端点,采用梯形灰色聚类算法对变压器故障类型性质及部位进行分析和判断。从而为变压器故障诊断提供了新的方法,实验分析结果表明,该方法与实际吊罩检测结果一致,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。     

模糊关系方程在故障诊断中的应用分析

用求解模糊关系方程的方法,实现专家系统的推理过程,并将其应用到一个实际的变压器故障诊断专家系统中．经电力变压器故障实例验证,该系统诊断结果与实际发生的故障完全吻合,证实了采用这种方法以实现专家系统推理的可行性和有效性．结合专家系统的诊断结果,对这种方法做了进一步的理论分析,同时指出,在采用该方法时,合理确定描述故障原因与故障现象之间因果关系的模糊关系矩阵,是保证故障诊断正确性的重要前提．     

Petri网理论在变电站故障诊断中的应用

为提高变电站故障诊断的效率,本文以Petri网络模型中的库所表示变压器、开关、继电器等电力设备,以Petri网络模型中的变迁表示开关、继电保护等的动作情况,对应实际生产中的具体设备,整个诊断过程通过矩阵运算实现,使得诊断结果更有针对性,实际运算速度更快,诊断正确率有所提高,从而对故障信号具有更强的识别能力。     

变压器绕组故障振动监测的研究现状

电力变压器是电力系统中的重要设备,其安全运行对电网安全具有重大意义。目前,对变压器进行在线监测和故障诊断已成为研究热点之一。从变压器振动的产生机理、等效力学模型以及监测成果3个方面进行了总结和分析,并对后续的研究方向进行了展望。     

Elman神经网络在变压器故障诊断中的应用

变压器是电力系统中的枢纽设备之一,其运行情况将直接影响电力系统的安全运行。传统的变压器故障诊断方法不仅判断变压器中存在的故障的准确率低,而且对综合性故障也无法准确判断。应用E lm an神经网络进行变压器故障诊断,极大的提高了诊断准确率,提高电力系统运行可靠性。     

基于层次分析的变压器故障诊断决策支持系统

阐述了一套基于层次分析方法的变压器油色谱故障诊断决策支持系统,故障诊断模块使用改良电协研法、灰色关联熵、模糊聚类、人工神经网络等单项分析,弥补了现有诊断方法中的不足.针对每种诊断方法可能出现结论不一致的情况,系统综合分析方法采用层次分析的方法来实现,能对变压器色谱数据进行故障诊断,给出综合分析结论及建议.通过对平顶山电网中的色谱数据进行诊断及其他应用实例,验证了系统的有效性.     

变压器油中气体在线故障诊断装置的设计

大型电力变压器对电力系统的安全运行起着重要作用,对它的故障检测具有重要意义.本文在分析神经网络用于故障检测的方法的基础上,设计了一种基于改进BP神经网络的智能在线检测装置,通过对变压器油中气体的检测分析,实现了变压器故障的在线检测,能有效的克服扰动,表现出良好的鲁棒性和控制精度.