基于模糊输入的BP-ART2混合神经网络在电力变压器故障综合诊断中的应用

根据模糊理论和神经网络理论,提出了变压器故障诊断的新方法.根据DGA(dissolved gas analysis) 法、电气试验法及外部故障特征法,建立了基于模糊输入的BP-ART2混和神经网络对电力变压器故障进行综合诊断.仿真结果表明本方法能有效提高变压器故障诊断正确率.     

模糊神经网络在变压器油中溶解气体故障诊断中的应用

基于模糊隶属度和BP神经元网络,提出了将模糊神经网络应用于变压器油中溶解气体故障诊断的方法。该方法采用了由输入层、输出层、隐含层和模糊化层组成的一种四层前向模糊神经网络,并利用模糊理论预处理数据,建立了基于模糊神经网络的变压器故障诊断模型。结果表明,该方法对变压器进行故障检剥诊断是有效的。     

模糊神经网络在变压器故障诊断中的应用研究

基于模糊逻辑理论和人工神经元网络，提出了将模糊神经网络应用于变压器故障诊断的方法，该方法实现了变压器故障的智能诊断。     

基于模糊神经网络的变压器故障诊断技术与方法的研究

将模糊技术与神经网络引入到变压器故障诊断中,提出了运用基于特征气体法的神经网络模块和基于改良三比值法的模糊神经网络模块对变压器油中溶解气体进行综合分析,判断油中溶解气体的特征,以此来诊断变压器可能发生的故障。     

粗糙模糊神经网络在变压器诊断中的应用

针对变压器故障的复杂性、模糊性以及模糊集理论、神经网络和粗糙集理论的优缺点,利用粗糙集理论的属性约简和规则生成能力和模糊神经网络在模式识别方面具有容错和分类优势。采用粗集理论对采集到的变压器油中溶解气体数据形成的规则进行约简处理,建立精简的规则集,根据规则集建变压器故障诊断的神经网络模型,采用自适应遗传算法优化神经网络连接的权值,通过仿真验证了该网络较好的诊断性能。     

基于神经网络的变压器故障诊断

为了保障变压器在电力系统中能够安全有效的运行,提出了一种将RBF神经网络与模糊控制算法相结合对变压器进行故障诊断的方法。设计了具有6层神经网络的学习体系,并且将模糊隶属度函数引入到第2层中,加快了神经网络的学习速度。基于变压器故障的数据统计,通过对其内部的气体含量进行分析对故障类型进行分类。通过样本数据对所设计的模糊RBF神经网络进行故障诊断训练。实验结果表明,通过训练后的该模型对变压器的故障诊断具有更好的效果。     

基于神经网络的变压器模糊诊断研究

提出了将神经网络用于变压器模糊故障诊断的方法。计算结果和诊断实例表明，采用神经网络能够更为准确有效地诊断变压器故障。     

三种变压器故障诊断方法比较研究

变压器常规诊断的油中溶解气体的三比值法(IEC),在目前变压器故障诊断中有着广泛的应用,许多人工智能技术在电力变压器故障诊断中的应用都是基于IEC法进行研究的,并在此基础上提出了基于神经网络和模糊神经网络的变压器故障诊断专家系统。该文将传统IEC三比值法、神经网络法和基于IEC三比值法的模糊神经网络法进行了比较。本文结合实例对这三种诊断方法进行了分析与探讨,指出了传统的IEC三比值法的不足,神经网络法和基于IEC三比值法的模糊神经网络法的优点等。     

基于模糊综合评判的变压器故障模糊诊断法

针对电力变压器故障诊断常用的罗杰斯比值法中存在着临界比值判据缺损的问题，提出了利用模糊集理论进行电力变压器故障诊断的方法。将气体比值看作故障类别的模糊现象子集，依据罗杰斯比法中给出的不同气体成份相互间的比值与变压器故障类别之间的定量关系，建立模糊现象子集相对于不同故障类别的隶属函数，从而进行故障类别的模糊综合评判。算例表明了这种方法的优越性和应用价值。     

基于广义神经网络与模糊聚类的变压器故障诊断

鉴于IEC三比值法在变压器故障诊断中,存在编码缺失和编码边界过于绝对等缺陷,提出了基于广义回归神经网络(GRNN)和模糊C-均值聚类算法(FCM)的变压器故障诊断方法,建立了GRNN-FCM联合变压器故障诊断模型。选取变压器油中5种特征气体体积分数及其三比值编码作为输入特征向量,利用GRNN模型对样本故障进行初步判断(正常、过热、放电、放电兼过热),再采用模糊C-均值聚类算法对样本故障作进一步判断,最终得到具体的故障类型。将该模型与其他几种故障诊断方法进行对比分析,仿真实验结果表明,GRNN-FCM联合变压器故障诊断模型输出值与实际值具有较好一致性且准确度更高,验证了该模型的可行性及实用性。     

模糊输入的概率神经网络在变压器故障诊断中的应用

将概率神经网络引入到电力变压器的故障诊断中,并提出了利用模糊数学的知识对神经网络输入进行预处理的方法.采用改良的三比值方法来实现故障诊断,建立了基于模糊输入的神经网络故障诊断模型.通过对神经网络模型的实例训练及仿真,证明了此方法有较好的收敛性,提高了故障诊断的有效性和准确性.     

基于模糊数学和概率论的变压器故障诊断

为克服现有专家系统人工神经网络和模糊数学等诸多不足,基于前人对变压器故障诊断理论的研究,综合考虑变压器电气试验、油中溶解气体检测分析及观测信息,并引入模糊数学、概率推理和节约覆盖集理论,建立了一个新的变压器故障综合诊断模型。模糊隶属函数利用各专家的语义强度和经验,建立变压器故障性质与故障征兆之间的因果强度关系,再将概率统计和模糊数学相结合,利用节约覆盖集的理论重新筛选故障征兆集,重构相对似然函数。形成的模型能最大限度融入专家的知识,充分考虑了变压器的历史检修记录,使诊断结论更准确、可信。案例分析表明,该模型即使在只有部分征兆的情况下亦能准确诊断,对综合诊断变压器故障性质具有明显的优越性。     

基于模糊推理与覆盖集理论的电力变压器故障诊断方法

介绍了一种在覆盖集理论框架上集成模糊推理的诊断方法,在此基础上建立了应用于电力变压器故障诊断的实用模型。由于该模型实现了模糊推理与符号推导的结合,能够较好地解决故障诊断过程中遇到的模糊性问题,并有助于实现对故障的综合诊断,所以具有较高的诊断准确性和实用性。     

基于云物元分析原理的电力变压器故障诊断方法研究

变压器油中溶解气体分析(DGA)是电力变压器故障诊断的重要方法。针对物元理论变压器故障诊断方法中,在建立故障模式物元模型时没有考虑边界值的不确定性的不足,首次在变压器故障诊断研究方面引入云模型,结合云模型的不确定推理特性以及物元理论能同时进行定性定量分析问题的优点,提出了一种基于云物元分析原理和DGA相结合的电力变压器故障诊断新方法。通过建立变压器故障诊断的云物元模型和计算特征云物元与标准云物元之间的关联函数,实现对变压器故障模式的有效识别。实例分析验证了方法的正确性和有效性。     

模糊贝叶斯网的变压器故障诊断

目前油中溶解气体的三比值法是变压器故障诊断的有效方法之一。变压器故障诊断中的信息具有随机性和不确定性的特点,文中提出一种基于模糊贝叶斯网络的变压器故障诊断方法。该方法利用贝叶斯表达知识灵活,处理不确定性与关联性问题能力强,模糊集能有效表达模糊事件和信息的特点,利用隶属函数模糊化三比值的分割空间,模糊贝叶斯网络推理获得故障类型。实例证明,该方法在信息不完备条件下诊断准确率高,为变压器故障诊断提供了一条新的理论依据。     

集成模糊数学与范例推理的变压器故障诊断方法

提出一种在范例推理框架上集成模糊数学的故障诊断方法,并进一步建立起可应用于电力变压器故障诊断的实用模型。由于较好地将模糊数学理论融入到了范例推理过程中,该模型可期望具有较高的诊断准确率和实用价值。     

基于DGA的变压器故障诊断智能方法分析

针对传统变压器故障诊断方法的不足,介绍了多种智能诊断方法在基于油中溶解气体分析（dissolved gas-in-oil analysis, DGA）的变压器故障诊断中的应用,包括人工神经网络、模糊理论、专家系统、灰关联分析及其他智能方法。通过对这些智能诊断方法的分析,得出其优缺点及需要改进的方案,为研究人员选择最优油浸式电力变压器故障诊断方法提供参考。最后对基于DGA的变压器故障智能诊断方法进行了展望,并分析了未来的发展方向。     

基于模糊理论的电气设备绝缘监视和故障诊断系统的研究

文章介绍了应用模糊理论开发的电气设备绝缘监视和故障诊断系统,叙述了系统的结构、功能和特点。该系统已在福州电业局投入运行 。     

基于欧式距离法的变压器故障BBA模型建立与分析

针对变压器故障诊断中油溶气体技术的改良三比值法存在故障区域边界值判断模糊的问题,在分析改良三比值法的基础上,以欧式距离来表征隶属每种故障概率大小的形式,建立了不同故障下的基本信任分配函数(BBA)诊断模型进行变压器故障诊断,并采用D-S合成规则对不同故障的BBA进行融合,实现了对多BBA模型函数重新构造以及归一表述的功能。利用该模型对长春某500 k VA变电站的变压器故障进行实例计算,并通过改良三比值法和模糊算法进行对比分析。结果表明:该诊断模型能准确、有效地对变压器的多种常见故障进行诊断;用计算隶属故障概率的形式弥补了改良三比值法边界值计算模糊的缺陷,使故障的判别更加趋于真实准确,为电力变压器故障诊断提供了一种有效的方法。