基于BP神经网络的多参数关联变压器油击穿电压的预测研究

电力变压器的安全、稳定和经济运行是电力输送的重要保证。基于变压器油的日常监督数据,预测变压器油的击穿电压,将为变压器故障的早期诊断、预测防范和及时处理提供重要的科学依据。笔者鉴于BP神经网络具有任意的非线性映射、强大的自学习功能和良好的容错特性,采用BP神经网络的方法进行多参数关联变压器油击穿电压的预测研究。利用变压器油的日常监测数据,用BP算法和改进BP算法训练网络,分别建立了击穿电压与4个影响因素的关联模型。结果表明,基于改进BP算法模型的预测结果精度较高,预测值相对误差在5%以内,具有重要的实际应用价值。     

利用反向传播神经网络研究变压器油多关联参数

介绍用反向传播（back propagation,BP）神经网络对变压器油的重要参数——击穿电压建立预测模型,实现对变压器油性能监测的方法,阐述了网络层数、神经元个数、训练函数的设计过程,样本训练的实验结果证明该网络模型具有较好的预测能力;同时,基于BP神经网络的建模方法建立包括变压器油击穿电压、闪点、酸值、总烃、水分等参数之间关联的BP网络预测模型,将2种模型进行比较发现,网络预测模型的预测结果与实际结果的相对误差较小,从而证明该预测模型具有一定的实际意义。     

BP和RBF神经网络在气隙击穿电压预测中的应用和对比研究

气隙的击穿电压是决定外绝缘水平的重要因素之一,现有关于击穿电压的理论都是单参数的经验公式,对某一特定大气条件下的击穿电压则很难估计.本文讨论了BP及RBF神经网络在气隙击穿电压预测中的应用,详细说明了在人工气候室中进行击穿试验的过程和BP、RBF神经网络的构建方法.使用人工气候室中获得的样本数据对网络进行训练,用训练好的网络对击穿电压进行预测,结果表明BP及RBF神经网络均能较好地对气隙击穿电压进行预测.并对BP及RBF神经网络进行了比较,RBF神经网络在收敛速度、网络构建、非线性逼近以及泛化能力方面都要优于BP神经网络,更适合于气隙击穿电压的预测.     

变压器油击穿电影响因素的探讨

变压器油的有机介质在运行的过程中会逐渐发生老化,从而影响绝缘的电气强度和寿命.本文介绍了影响变压器油击穿电压的因素,通过分析比较得出杂质是影响变压器油击穿电压的重要因素的结论,给出了提高工程用变压器油击穿电压的方法措施.     

直流电场下变压器油的成份与其击穿电压的关联性研究

在直流电场下建立变压器油击穿电压的测试方法,研究变压器油的烃组成成分、添加剂含量与其击穿电压的相关性。结果表明:在极不均匀直流电场下,变压器油的击穿电压与其烃组成成分有极大的相关性,变压器油芳烃含量越高,正负极性击穿电压越低,链烷烃和环烷烃含量的高低与其击穿电压没有相关性;在相同油间隙下,负极性击穿电压高于正极性击穿电压,随着油间隙的增加,击穿电压值等比例增加;在工业应用的剂量下,酚型抗氧剂和金属钝化剂的加入对变压器油的直流击穿电压没有明显的负面影响。     

BP神经网络在大型发电机主绝缘击穿电压预测中的初步应用

击穿电压在大电机主绝缘寿命评估中有着重要的作用.本文讨论了BP神经网络在谏壁7号机更换线棒主绝缘击穿电压预测中的应用.首先作者用所测得的试样介质损耗参量、局部放电参量和击穿电压值作为样本提供给BP神经网络学习.然后,用训练好的神经网络对击穿电压进行预测.结果表明训练好的BP神经网络对该批更换线棒击穿电压的预测是可行的,并有较高的准确度.此方法可应用到其他材料和结构相同的发电机击穿电压的预测.     

电力变压器绝缘纸热老化的击穿电压特性

基于对矿物油、植物油分别与热稳定绝缘纸组成的油纸绝缘系统在90℃、110℃、130℃下进行的500多天的加速热老化试验,研究了其击穿电压特性变化规律,并且进一步分析了变化产生的主要原因。试验结果表明:两种油纸组合在三个温度下,击穿电压均有上升的趋势,以110℃和90℃下的样品尤为明显;植物油组合的油纸绝缘击穿电压整体高于矿物油组合的油纸绝缘;击穿电压与老化温度、绝缘纸聚合度之间并无明显关系;在老化过程中,整个油纸绝缘系统并未达到水分平衡,绝缘纸中微水含量基本保持在2%以内,老化过程中的微水对绝缘纸的击穿电压影响不大。     

极性反转电压下变压器油的击穿特性

为了获得换流变压器中变压器油在极性反转电压下的击穿特性,使用一种三电极模型,在不同间隙和温度下,对变压器油隙进行了极性反转电压击穿实验研究.击穿结果表明:极性反转电压下,变压器油的击穿场强没有随油间隙增加而降低;变压器油的击穿场强与温度相关,在实验温度范围内,40℃时出现了最大值.监测流过油隙的电流,发现在极性反转后电...     

基于BP神经网络的油浸式变压器寿命预测

为了保证变压器的安全运行从而提高其经济效益,对变压器进行剩余寿命预测并采取相应对策显得尤为重要。研究表明,通过对油浸式电力变压器油中溶解的糠醛体积分数以及气体测定可以进行变压器固体绝缘寿命的监督。为此,笔者利用BP神经网络建立起油中CO、CO2、糠醛含量以及运行年限来预测绝缘纸老化程度的关系模型。实例结果表明,通过此方法能够提供比较准确的变压器寿命预测。     

变压器油工频电压击穿特性的统计研究

为更好地评价变压器油的绝缘性能,对不同水分含量下的变压器油进行了工频击穿测试,分别利用正态分布、耿贝尔分布和威布尔分布等统计方法对变压器油的击穿电压进行对比分析,研究不同的统计方法对评估变压器油绝缘性能的适用性。结果表明:大量的重复击穿试验会使变压器油中水分的形态发生变化,从而使得变压器油的击穿电压升高;三参数的威布尔分布能够较好地拟合不同水分含量下变压器油的击穿电压结果,并且位置参数为评价变压器油的绝缘性能提供了直观的依据。     

直流电场下变压器油击穿电压评定方法的建立及应用

正简要介绍国内外评定变压器油击穿特性的试验方法。在直流电压稍均匀电场和极不均匀电场下,建立变压器油击穿电压测试方法,并检测不同烃组成变压器油的击穿电压。研究结果表明,在直流稍均匀电场下,变压器油的击穿电压与其烃组成没有相关性,不能区分组成不同变压器油击穿电压的差异性,也不能反映出变压器油的极性效应;在直流极不均匀电场下,变压器油的击穿电压与其烃     

基于BP神经网络的变压器故障预测研究

利用油中溶解气体数据诊断变压器故障(DGA法)是目前使用最为广泛的方法之一,本文引入了BP神经网络,选取7种特征气体含量作为输入量,6种故障类型作为输出量,提出了一种对变压器故障进行估算和预测的方法。利用MATLAB建立对变压器DGA数据的BP神经网络模型,并通过对实际样本数据的学习训练,分析诊断结果,提出了未来研究的方向和展望。     

基于BP神经网络的变压器故障诊断

针对变压器故障诊断的特点,提出了一种基于BP神经网络的电力变压器故障诊断方法。采用稳定、快速的Levenberg-Marquardt算法训练多层前向人工神经网络,克服了标准BP算法收敛速度慢、易陷入局部极小的缺陷;在隐含层节点数的选取上,采用简单实用的黄金分割优选法,可以节省成本,提高搜索效率。仿真结果表明,该方法具有运算速度快和拟合精度高等优点,满足电力变压器故障诊断的要求。     

变压器油基础油组成、添加剂配方对脉冲击穿电压的影响

通过对变压器油基础油组成、添加剂配方对脉冲击穿电压影响的研究,发现变压器油添加剂配方对脉冲击穿电压影响不大,变压器油脉冲击穿电压主要与基础油组成有关,变压器油基础油组成中芳烃含量越高,脉冲击穿电压越小。     

变压器油基础油烃组成与其脉冲击穿电压和电阻率的关联性研究

针对脉冲功率装置的Marx脉冲发生器绝缘用油的特点,开展了变压器油基础组成与其电阻率和脉冲击穿电压大小的关联性研究。结果表明:在直流电场下,温度与电阻率的大小成反比关系,变压器油的芳烃含量是影响其电阻率的关键因素。在正负性脉冲电场下,不同芳烃含量的变压器油表现出极大的差异性,在高压负脉冲电场下,变压器油的芳烃含量是影响其脉冲击穿电压的主要因素,芳烃含量的高低与负脉冲击穿电压的大小成反比关系。     

基于ACO优化BP神经网络的变压器热点温度预测

针对变压器热点温度预测精度问题,提出一种蚁群算法( ant colony algorithm,ACO)结合改进主成分分析法( improved principal component analysis,IPCA)优化 BP 神经网络的热点温度预测模型。 首先采用 IPCA 去除数据冗余信息,并解决参数间 相关性问题,提高网络泛化能力。 为了避免 BP 神经网络容易陷入局部最优和收敛速度慢,利用 ACO 优化网络权值和与阈值, 加快算法速率,提高预测精度。 通过变压器温度实测数据验证,预测结果中的 mae、mse、mape 指标分别为 0. 065 7、0. 006 7、 0. 44%,预测精度和网络性能优于 IEEE、BP、IPCA-BP 模型,从而验证所提模型的有效性和可行性。     

基于DGA的改进BP神经网络的变压器故障诊断方法

介绍了基于DGA的改进BP神经网络电力变压器故障诊断方法,并进行了仿真。     

关于变压器油击穿电压试验的几个问题

对两种国家标准和行业标准推荐的绝缘油击穿电压测定方法进行了比较，对目前这些标准的执行现状进行了分析，并对试验方法提出了一些改进的建议。从绝缘油的击穿机理出发，分析了影响绝缘油击穿电压测定值准确度的主要因素，以及判断击穿电压测定值精密性和准确性的原则。     

基于BP神经网络的变压器故障诊断

基于溶解气体分析(DGA)的变压器故障诊断法能发现用电气试验不易发现的轻度故障,还可以在初期阶段就判别正在缓慢发展的事故,是变压器内部故障早期诊断的最佳方法。     

BP神经网络改进IEC-60599在电力变压器故障诊断中的应用

由于电力变压器是电力系统中重要的故障原因、故障现象和故障机理间存在着随机性和模糊性等不确定因素,故障特征量和故障征兆间没有明确的一一对应关系,这就给故障诊断增加了困难。BP神经网络诊断变压器故障已经越来越受到重视,可常规的BP算法对大样本数据进行训练时,大多存在收敛速度慢、甚至有时不收敛的缺点,因此提出了改进BP算法从而加快了训练速度和增加了诊断的可靠性。对文献[2]中提出的改进的新导则IEC-60599三比值诊断方法在进行中、低温过热故障时进行修正。