一种改进的物元模型在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,将物元理论与云模型相结合,建立了新的故障诊断模型,能合理地解决边界不确定问题。同时,使用油中溶解气体的浓度、产气率、气体间比值等数据,对所提模型进行了测试,得出基于物元理论和云模型的变压器故障诊断方法具有更高的正确率。     

基于仿真的变压器模糊故障诊断

在仿真系统中,变压器多种故障征兆与多种故障原因之间存在不确定性和复杂性。文章在总结领域专家经验基础上,采用模糊诊断方法,根据变压器的征兆集和故障集的相互关系够建模糊诊断矩阵;通过模糊关系矩阵运算,提出最大隶属度原则判断变压器故障原因。测试和评价结果表明模糊诊断在仿真系统中的有效性和可行性。     

基于专家知识库的电力变压器故障诊断系统

针对电力变压器故障情况复杂,诊断不确定性大等特点,设计了一种基于专家系统的电力变压器故障诊断系统.该系统可以根据变压器的运行参数,利用推理方式并结合专家系统的知识判断变压器的运行状态,给出可能的故障类型,实现故障的自动诊断.该系统提高了电力变压器运行的科学性和使用效率.     

粗糙集理论在变压器故障诊断中的应用

为了对变压器故障诊断过程中大量的冗余特征进行压缩或约简,提高诊断的效率,将粗糙集理论引入到变压器故障诊断中,提出了基于粗糙集理论的故障特征约简算法:即由故障样本构成信息表,组合表中不同的属性集,求取与全体属性集具有相同分类质量的最小属性集。对具体典型诊断实例进行了分析,结果表明:在保证故障分类结果不变的情况下,该算法能够剔除具有冗余信息的特征,找出对故障分类起主要作用的特征,从而达到了特征约简的目的,不仅大大减少了诊断信息提取的工作量,也为后续的智能诊断提供很大的便利。     

基于改进灰色聚类分析的电力变压器故障诊断

提出了基于高斯白化权函数的灰色聚类算法和高斯白化权函数参数σ的选择方法,通过对34组故障变压器DGA数据的学习,初步确定了σ参数值。实验分析证明,本文提出的故障诊断方法与实际检测结果一致,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。     

故障电力变压器油中气体的B型灰色关联度诊断法

在分析灰色关联度应用于故障诊断的基础上，提出了电力变压器故障的灰色关联度诊断法，从变压器的油中气体中提取特征参数，讨论了特征参数的无量纲化处理方法。通过仿真实验表明该方法具有良好的诊断果果。     

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。     

油色谱在线监测仪在变压器故障诊断中的应用

文章介绍采用油色谱在线监测仪对变压器故障进行分析,找出故障原因并进行处理.     

基于改进PSO-BP混合算法的电力变压器故障诊断

采用粒子群算法和反向传播神经网络建立一种新型变压器故障诊断网络模型,设计故障诊断方法.仿真分析结果表明：基于该网络模型的诊断方法与传统的三比值法相比较,具有较好的故障识别与分类能力,显著提高了诊断准确率,将在电力设备故障诊断中有良好应用前景.     

小波神经网络在变压器故障诊断中的应用

为提高神经网络系统故障诊断的效率和准确率,考虑到小波变换的良好的时－频特性,本文结合小波变换和神经网络并应用于电力变压器的故障诊断中,取得了较好的效果。     

结合N-W方法的L-M算法在变压器故障诊断中的应用

在分析Levenberg-Marquardt(L-M)算法和Nguyen-Widrow(N-W)方法原理的基础上,提出了一种多层前馈神经网络训练算法,该算法在使用N—W方法初始化神经网络可变参数的基础上使用L-M算法训练多层前馈神经网络。构造了适合于变压器油中溶解气体分析故障诊断的神经网络,使用了标准BP算法、加动量项BP算法和结合N-W方法的L-M算法训练该网络,结果表明算法收敛速度快、不容易陷入局部极小点。将训练所得网络用于变压器油中溶解气体分析故障诊断,诊断结果验证了该方法的有效性。     

基于EMD-SVM镜像延拓的转子故障诊断研究

利用EMD算法把机械中转子的振动信号进行分解,通过镜像延拓法对EMD算法产生的端部效应进行抑制,得到若干个能够反映转子故障信号内在变化特征及变化规律的固有模态函数分量;对每一个固有模态函数分量建立AR模型,将模型的自回归参数和残差的方差作为故障特征向量,以此建立SVM分类器并进行故障类型识别。结果表明,基于EMD-SVM镜像延拓的方法能够准确快速地得到转子故障的特征和状态,增加了转子故障诊断系统的可靠性和实用性。     

特性试验在变压器故障诊断中的应用

介绍根据空载试验及负载试验结果分析判断变压器故障的方法,并给出若干实例.     

基于免疫抗体生成算法的电力变压器故障诊断

提出了一种基于人工免疫的抗体生成算法,并将其应用于电力变压器的故障诊断。抗体生成算法仿生生物免疫系统中抗体对抗原的识别与记忆的机理,先对训练样本进行免疫学习和记忆,提取表征样本的有效特征,形成表征样本特征的记忆抗体集,再用最邻近分类法对测试样本进行分类识别。UCI的Iris数据集和电力变压器故障数据的仿真分析结果表明,抗体生成算法能够进行有效的分类,并具有很高的准确率。     

基于决策树支持向量机模型的变压器故障诊断法

根据对变压器常见故障原因和危害程度的分析,构造了电力变压器故障诊断决策树。其判定级别为自上而下,而决策树的每一叶都对应着一种具体的故障模式,并选用不同的支持向量机单元模块作为决策树不同分支中的基本分类器,建立组合支持向量机模型,实现了对故障的多分辨识别,该方法提高了故障分析及预测的准确度。应用结果表明该系统模型是富有成效的。     

智能故障诊断技术在核动力装置中的应用研究

核动力装置对系统的安全性能要求较高．为了让操作员在发生故障时,避免产生错误的判断及操作,一种较好的方法是将智能故障诊断技术应用到核动力装置故障诊断系统中．利用粗糙集的数据约简技术提取精简的规则,基于这些规则建立的模糊神经网络具有更好的拓扑结构,学习速度大大提高,容错能力强;RBF神经网络有着良好的局部性能,诊断单个故障的能力要优于模糊神经网络,且网络不用训练,诊断实时性好．将粗糙集理论所构建的模糊神经网络与RBF神经网络相结合,能充分发挥各自的优点．为了验证该方法的有效性,以核动力装置蒸汽发生器U形管破裂等故障为例,进行了仿真实验研究．研究结果表明该邦联网络具有良好的诊断准确性、实时性和可扩充性,得到了预期的效果．     

基于模糊理论与支持向量机的变压器故障诊断方法

摘 要:针对变压器结构的复杂性和故障机理的多样性,提出一种基于模糊理论和支持向量机的变压器故障诊断方法.该方法首先采用模糊理论对故障样本数据进行预处理,提取故障特征,再用支持向量机方法进行故障分类,通过采用一对多(1-α-r)的方法实现多目标分类,得出诊断结果.针对支持向量机参数不易确定的问题,采用多层动态自适应算法...     

电力变压器状态检修探讨

文章简要分析了预防性检修制度的不足,指出了状态监测与故障诊断是状态检修的基础,提出了电力变压器实现状态检修的方法.     

可拓模式识别方法研究综述

介绍了基于可拓理论中物元模型的可拓模式识别方法的基本模型,分析了可拓模式识别方法的特点,总结了该方法在实际应用中模型改进、距及关联函数拓展以及特征权重计算方法优化等方面的研究进展,指出了有待进一步研究的问题.     

基于可拓学的大坝安全综合评价方法

以大坝安全监测资料为基础,以大坝安全状态为系统物元,利用物元理论、可拓集合理论及其关联函数,确定了大坝安全状态的经典域和节域,建立了大坝安全可拓学综合评价模型,并以综合评价体系中的"变形"为例,给出了一个可拓学综合评价算例.算例表明:采用可拓学理论来对大坝安全进行综合评价是合理、可行的,为大坝安全综合评价从定性评价到定量评价、从单指标评价向多指标评价提供了一条全新的、更为科学合理的思路和方法.