基于人工神经网络的变压器故障诊断

介绍了电力变压器故障诊断的人工神经网络法 (ANN) ,提出了人工神经网络的模块化结构 ,并用具体实例说明了ANN对变压器内部潜伏性故障作出早期诊断的可行性和有效性。     

基于油中溶解气体分析的电力变压器绝缘故障诊断方法

电力变压器是电力系统的枢纽设备,其运行可靠性直接关系到电力系统的安全与稳定,油中溶解气体分析方法作为一种有铲的充油电力设备异常监测手段,在电力系统得到广泛的应用,本文述述了基于油中溶解气体分析的电力变压器故障诊断技术的产生背景、研究现状和发展方向。     

面向对象的变压器绝缘故障诊断知识库

本文介绍了面向对象技术的基本理论,首次将其引入到变压器绝缘故障诊断专家系统中,并结合神经网络模糊理论等智能诊断方法和规程导则以及大量的专家经验建立了面向对象结构的变压器绝缘故障诊断知识库,提出了一种新颖的专家系统知识库的构造方式。     

DGA技术在电力变压器绝缘故障诊断中的应用与进展

介绍了近年油中溶解气体分析（ＤＧＡ）技术在电力变压器绝缘故障诊断中的应用和发展动向。     

变压器的故障诊断与检修策略(九)

编制目的：500kV变压器是电力系统的关键设备。变压器制造质量的好坏、运行维护和检修水平的高低决定了设备的安全和可靠性。因此,制订统一的、可指导开展日常工作的全过程管理技术规范,规范变压器选型、运行维护以及设备报废等全过程的技术管理工作。     

基于知识库的变压器故障诊断专家系统

提出了基于知识库的变压器故障诊断专家系统，文中给出系统总体结构模型和面向对象模型，根据系统要求建立了数据库、案例库，规则库，依据知识层次结构建立了模型库，这4库一体化形成专家系统，分别介绍了基于案例，基于规则和基于模型的诊断推理方法，比较了各种诊断推理，其优点在于能充分发挥各种推理方法的优势，克服各自存在的不足，能量大限度地找到问题的解，文中讨论了贴近度的定义，表示和计算以及规则表示等问题，最后给出了系统的功能和实现方法。     

基于灰色面积关联度分析的电力变压器绝缘故障诊断方法

通过对灰色关联度分析中的分辨系数的分析，得出了分辨系数的性和分辨系数的取值原则，在此基础上，提出了面积关联度分析的概念和方法，通过实例分析，验证了应用面积关联度法诊断变压器绝缘性质的有效性，该方法也可用于对变压器故障的部分定位分析。     

人工智能技术在变压器故障诊断中的研究

对人工神经网络、遗传算法、专家系统等人工智能方法在电力变压器故障诊断中的发展和应用情况进行综述，对这些技术的各种改进办法进行了研究和归纳。指出综合运用多种人工智能技术是变压器故障诊断的发展方向，并提出了有针对性的建议。     

基于ADASYN平衡化数据集的POA-SVM变压器故障诊断

基于机器学习的变压器故障诊断在特定样本数据下实现了高精度的故障诊断及分类,然而对于非均衡数据集容易导致一致性降低。提出了ADASYN-POA-SVM变压器故障诊断模型,该模型能够在保留少类样本数据特征的情况下对原始少类数据进行样本合成,使训练集中各类样本数达到均衡;鹈鹕优化（pelican optimization algorithm,POA）支持向量机（support vector machine,SVM）在实现SVM参数自动寻优的同时,还能提高整体的诊断准确度。将所提模型与反向传播（back propagation,BP）神经网络、随机森林（random forests,RF）以及SVM算法进行对比仿真实验,结果表明：经过ADASYN过采样方法处理后可以实现样本的均衡化;所提模型在迭代次数为10次时趋于收敛,相比于其他模型而言一致性最高,为99.32%,验证了所提模型在处理变压器不均衡数据时具有较高的优越性。     

基于TLR-ADASYN平衡化数据集的MSSA-SVM变压器故障诊断

变压器的稳定运行在电力系统安全中扮演重要角色,而变压器故障数据样本的不足会对故障类型的准确识别产生严重影响.论文首先使用了托梅克链接移除和自适应样本合成的方法对原始数据进行去噪处理及少数类数据样本合成;然后修正了部分麻雀算法(sparrow search algorithm,SSA)公式,并将其与差分进化算法融合,提出...     

基于SOM的变压器故障诊断研究

通过变压器故障诊断能及时发现变压器的故障,以往应用比较广泛的故障分类方法是基于DGA结果的比值法,但其存在比较严重的缺陷。通过采用自组织映射网络对变压器故障进行诊断分类,结果表明自组织映射网络对变压器故障的分类准确且快速,能够降低检测人员的分析难度,提高诊断速度,对于现场变压器故障诊断应用前景广阔。     

基于改进ACGAN样本增强的变压器故障诊断技术

基于深度学习算法的故障诊断需要足量的样本作为训练数据集.变压器故障数据匮乏将导致故障诊断准确率较低.对此,提出了一种基于辅助分类GAN的故障诊断方法.该方法引入自我注意机制,提取故障样本的全局特性,以提高生成样本的质量;并加入梯度惩罚,以提高模型收敛速度和训练稳定性.运用该方法对失衡样本进行增强扩充,并在变压器振动试验数据集上进行验证.仿真结果表明,该方法能够有效改善数据不平衡带来的影响,增强扩充后的故障诊断准确率提高了3.4％.     

基于历史数据纵向协同性的电子式互感器伴随故障甄别策略

当系统由于线路故障、电源或者负荷投入切除而出现大幅扰动时,往往会引发复杂明显的电磁干扰信号,这将使存在电磁兼容性缺陷的电子式互感器采样输出数据异常,导致保护控制系统的误动和拒动。站域保护的出现为上述问题的解决提供了可能性,该文首先证明了输电线路故障动态特性相似性区域的存在,提出了电力系统拓扑离散性假设和状态离散性假设,得出输电线路同型故障的概念;然后根据系统动态实例与历史案例之间的相似性,结合站域保护中各点信息可共享性,提出了电子式互感器伴随故障甄别的原理、判据及具体实现方案,并给出描述故障电子式互感器的故障程度的评估指标;最后通过PSCAD搭建典型电力系统仿真模型,构建不同情况下的电磁干扰算例,证明了所提甄别原理和方法的可行性及应用价值。     

基于免疫聚类算法的变压器DGA数据故障诊断方法

提出了一种基于免疫聚类算法的变压器DGA数据故障诊断方法,并通过试验证明了该方法的应用价值。     

基于DCAE-KSSELM的变压器故障诊断方法

为了充分利用变压器发生故障时产生的大量无标签样本,提高故障诊断精度,提出基于深度收缩自编码器(DCAE)与核半监督极限学习机(KSSELM)相结合的故障诊断方法。首先使用无标签样本对DCAE网络逐层训练,初始化网络参数,然后用有标签样本数据对网络参数进行微调,最后将有标签样本与无标签样本一起作为深度收缩自编码器与核半监督极限学习机(DCAE-KSSELM)混合网络的输入并完成故障诊断。实验结果表明,所提模型稳定性好,故障诊断精度高,鲁棒性强。     

基于RFE和SA-SVM的变压器故障诊断

通过对变压器油中溶解气体进行分析,可以及早的发现变压器的故障。为了全面地反映变压器内部故障与特征气体之间的关系,提出采用5种特征气体浓度比值共计15组作为特征预输入量,并采用基因选择算法对15个特征量进行筛选,将筛选后特征量作为支持向量机模型输入。在SVM模型中,采用模拟退火算法对SVM的参数进行优化,给出其GUI界面。最后,通过数据验证基于RFE-SA-SVM模型故障诊断率要高于单一模型。     

基于振动分析法的变压器故障诊断

本文通过分析变压器正常状态和故障状态下振动信号特征,提出频率集中度和振动平稳性指标实现对变压器状态监测,并利用互信息方法确立影响因子与振动信号特征参量关系,实现了变压器故障诊断及定位.     

基于KPCA-WPA-SVM的变压器故障诊断模型

为提高变压器故障诊断的精度,文章提出一种基于核主成分分析(KPCA)和狼群算法(WPA)优化支持向量机(SVM)参数的变压器故障诊断方法.通过KPCA提取样本数据的非线性特征,并获得其主成分,再将其输入至高斯核SVM构成诊断模型,并利用WPA对SVM的惩罚因子以及核参数进行优化.实验结果表明,该方法诊断准确率达到93....