局域网故障诊断研究

随着计算机和通信技术的发展,网络应用日益广泛,网络规模逐渐增大,网络与工作和生活密不可分,因此保持网络的稳定畅通至关重要。本文对网络故障的分类进行了阐释,并对网络故障的诊断方法和步骤进行了研究分析,给出了一些常见局域网故障的解决方法。     

食品冷冻生产线计算机监控系统

以局域网为基础,应用嵌入式计算机测控技术,自动采集螺旋冷冻机组的低温温度、电压电流、工艺故障.此系统具有数据处理、记录报警和程序控制功能,可记录分析各种不同冷冻食品加工的生产参数,为建立食品冷冻生产线计算机监控与最优参数专家系统提供基础数据库.     

电力变压器故障检测技术的现状和发展趋势分析

在改革开放的新时期,经济在迅猛发展,社会在不断进步,随着电力企业的不断发展,对电力变压器故障检测技术的研究也在不断深入,更多先进的检测技术相继出现.通过相关故障检测技术检测并排除电力变压器故障,使电力变压器更安全、更方便、更符合人们的需要.基于此,下文就电力变压器的具体故障分析和检测方法进行探讨.     

电力变压器故障诊断及检修技术分析

电力变压器作为电力系统的重要组成部分,其对电力系统的安全稳定运行具有非常重要的作用.在电力变压器运行过程中,多种因素都可能导致其发生故障,一旦发生故障,则需要将故障诊断与检修技术进行有效结合,从而采取正确的处理方法,以此来降低电力变压器运行的风险,提高电力变压器运行的安全性、可靠性和稳定性.文中分析了电力变压器故障诊断的方式,并进一步对电力变压器在线检修技术进行了具体的阐述.     

电力变压器的状态维修与在线监测

介绍了大型电力变压器故障在线监测系统的结构模型,叙述了检测过热、放电故障的传感技术和色谱气体分析等新技术的应用成果,强化了变压器状态维修的新理念,并以实例论证了变压器故障智能化诊断系统TFDANN推广应用的价值及其重要性.     

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．     

食品冷冻生产线计算机监控系统

以局域网为基础，应用嵌入式计算机测控技术，自动采集螺旋冷冻机组的低温温度、电压电流、工艺故障．此系统具有数据处理、记录报警和程序控制功能，可记录分析各种不同冷冻食品加工的生产参数，为建立食品冷冻生产线计算机监控与最优参数专家系统提供基础数据库．     

出口短路对变压器的影响及预防措施

变压器是电力系统中重要的设备之一,变压器的稳定可靠运行对电力系统安全起着非常重要的作用;但由于受变压器制造技术和运行维护水平的限制,故障还是时有发生。近年来,变压器出口短路故障严重影响了电力系统的安全稳定运行。统计表明,在变压器损坏的原因中,80%是由于变压器出口短路电流冲击造成。因此,加强变压器的运行维护,采取切实有效的措施防止变压器出口短路,对电网的安全稳定运行具有重要的意义。     

油中在线色谱装置在智能电网中的应用

变压器油在线色谱技术是近年来兴起的一项新技术,能够对运行中的变压器进行实时监测,通过自动采集变压器箱体内的少量油样,分析油中气体的组分及其含量,就可以判断变压器是否存在故障、故障的性质以及故障的大致部位。     

配电线路变压器参数偏差对故障定位的影响

配电线路单端测试故障定位要求线路模型及参数,但由于线路终端所接变压器参数难对一一测试,在离线状态下,对实际系统进行邦联定位时,终端变压器空载参数难免存在偏差。从理论上分析了配电线路终端变压器参数偏差对线路输入端口阻抗的影响以及输入端口阻抗阴线长变化的关系。分析结果说明线路终端变压器参数偏差对单端测试故障定位的影响不大。计算机仿真结果证明了所得结论的正确性。     

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。     

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。     

自适应学习速率法在变压器故障诊断中的应用

为了提高电力变压器故障诊断的准确率,针对油中溶解气体分析,提出了一种基于误差自动调节修正因子的自适应学习速率法,使神经网络通过自身的误差变化过程自动调整学习速率修正因子,保证网络总是以最大的可接受学习速率进行训练,从而提高网络收敛速度。针对电力变压器故障气体及故障类型的特点,建立了电力变压器故障诊断BP（Back—Propagation）网络模型,应用该算法和原算法对该故障诊断网络模型进行训练。仿真结果表明,该算法的训练次数减少了35．4％,收敛速度提高了44．9％,有效地改善了网络模型的性能。将该算法应用于电力变压器故障诊断,能较为精确地判断出电力变压器的故障类型,故障诊断准确率达90．8％。     

基于模糊神经网络的CDMA网络故障诊断方法

为解决常规故障诊断算法难以对CDMA网络故障建模的难题，提出了基于模糊神经网络的CDMA网络故障诊断模型. 该模型的输出层和输入层神经元的个数分别由CDMA网络故障类型和故障诊断所需要的输入量决定. 然后再利用故障诊断专家知识库中的故障诊断样本，对诊断模型进行训练，确定网络的连接权值和模糊隶属度函数. 仿真实验结果验证了该故障诊断模型的有效性.     

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．     

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．     

基于改进果蝇算法优化PNN的变压器故障诊断研究

为了提高电力变压器故障诊断准确率,通过分析变压器油中溶解气体数据,提出了一种定向变步长的果蝇算法(DVSFOA)与概率神经网络(PNN)相结合的变压器故障诊断模型。由于PNN的参数平滑因子对输出结果影响较大,对果蝇算法位置公式进行更新调整,对平滑因子进行参数寻优,将优化结果赋值给PNN模型进行网络训练,得到了用于变压器故障诊断的最佳网络模型。实验结果表明,该组合算法具有较高的诊断精度,收敛速度快,整体性能高。     

基于可拓神经网络的变压器故障诊断

针对BP神经在变压器故障诊断中用于模式识别时,存在训练准则和分类准则不一致而导致的样本识别率降低和网络训练速度缓慢的问题,采用了可拓学的扩缩变换,通过在输出空间中用一个特定的区域（称作教师区域）来代替教师信号,然后将可拓神经网络用于变压器故障诊断中。通过实例证明,可拓神经网络模型的训练速度有了极大提高．模式识别问题得到彻底解决。     

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。     

基于遗传小波神经网络的电网故障诊断方法研究

电网故障中继电保护和断路器的拒动、误动以及信息上传过程中的丢失、畸变等问题使快速、准确的故障诊断仍是一个难题。神经网络方法虽已应用,但神经网络容易陷入局部极小值,针对此情况,提出了基于小波神经网络和遗传算法相结合的故障诊断方法。用遗传算法学习小波神经网络的权值、尺度函数、结构,可以确定用于故障诊断的最优小波神经网络。并对算例进行了仿真,仿真结果表明优化的故障诊断系统优于BP算法的诊断系统,提高了故障诊断精度。