正态云模型在电力变压器状态评估中的应用

传统的模糊综合评判模型只考虑了指标的模糊性而忽略了随机性,而云模型理论既考虑了事物的模糊性同时也兼顾了随机性。采用评判对象的分指标评判结果推算目的指标评判结果,将该方法应用到变压器状态评估中,利用层次分析法获得各指标的权重信息,并利用正态云模型的普适性,提出了新的基于云模型的变压器状态评估方法,通过实验验证了该方法的可行性。     

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。     

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。     

人工神经网络在电力变压器故障诊断中的应用及仿真

研究了径向基函数 ( RBF)神经网络的模型结构及其在电力变压器故障诊断中的实现方法。通过仿真实验 ,将 RBF神经网络与 BP神经网络的性能进行比较。结果表明 ,RBF神经网络训练速度快 ,逼近误差小 ,能够更有效地解决电力变压器故障诊断问题     

基于云模型的电力变压器状态综合评判

针对现有电力变压器模糊综合评判中只考虑指标模糊性而忽视随机性的问题,提出了新的基于云模型的电力变压器状态综合评判方法。采用层次分析法获取指标的权重信息,利用变权模式对定量指标权重进行修正,采用云模型对定量数据进行表述,同时考虑到了不确定性中的模糊性和随机性。实验环节证明该方法使评判结果更加接近实际,为变压器状态综合评判提供了一种有效可行的方法。     

神经网络在电力变压器故障诊断中的应用

基于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,根据特征气体法和改良ＩＥＣ三比值法,建立了模糊神经网络诊断模型,此模型有效地处理了故障诊断中的不确定因素,并具有较强的知识获取能力,表明了这种方法的有效性和应用前景。     

电力变压器故障诊断中模糊决策方法应用的初探

电力变压器故障诊断受众多因素的影响，其中存在大量不确定性因素。     

电力变压器故障诊断专家系统研制及其应用技术开发

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。本文介绍了变压器故障诊断的基本原理和常用方法,描述了所开发的TFDES结构、推理机制、特点、实现方法及各模块的功能,并结合具体实例测试表明:TFDES结构合理,推理正确,能有效地诊断运行中变压器的内部潜伏性故障。     

神经网络在电力变压器故障诊断中的应用

基于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 ,根据特征气体法和改良IEC三比值法 ,建立了模糊神经网络诊断模型。此模型有效地处理了故障诊断中的不确定因素 ,并具有较强的知识获取能力 ,表明了这种方法的有效性和应用前景     

电力变压器故障诊断管理系统的研制

电力变压器故障诊断管理系统(TFDES)的研制对变压器、电力系统的安全运行意义重大．介绍了变压器故障诊断的常用方法，描述了所开发的TFDES结构、推理机制、实现方法，以及诊断管理的主要功能．现场测试表明：TFDES结构合理，推理正确，能有效诊断运行中变压器内部故障．     

专家系统在变压器故障诊断中的应用

为了实现变压器故障诊断的自动化,提高判断的准确性,把人工智能专家系统引入到故障诊断中.该系统采用基于置信度的模糊推理方法,由观测到的信息,利用知识库来推断结论.试验证明此方法降低了判断的随机性,提高了诊断水平.     

基于人工免疫方法的变压器故障诊断

将人工免疫方法引人变压器油中溶解气体分析,利用增加抗原、记忆抗体类别信息等方法对变压器故障样本进行学习,获取更多表征故障样本特征的记忆抗体集并进行分类．通过对变压器故障数据的仿真研究表明：与IEC三比值法相比,该算法具有较高的诊断准确率．     

基于人工免疫方法的变压器故障诊断

将人工免疫方法引入变压器油中溶解气体分析,利用增加抗原、记忆抗体类别信息等方法对变压器故障样本进行学习,获取更多表征故障样本特征的记忆抗体集并进行分类.通过对变压器故障数据的仿真研究表明:与IEC三比值法相比,该算法具有较高的诊断准确率.     

贝叶斯网络的电网故障诊断应用

根据电网的线路模型,建立贝叶斯网络对元件故障进行诊断.该方法能对不确定的知识和规则进行推理,根据实际的电网故障样本数据进行训练,不断更新条件概率表的参数,以提高电网故障诊断的准确率.     

基于综合关联度分析的电力变压器故障诊断

在电力变压器故障诊断中,针对油中溶解气体分析,传统的三比值法难以包括和反映电力变压器内部故障的所有形态,在实际工作中存在许多变压器故障因查不到故障编码而无法判断的问题。结合油中溶解气体分析技术和灰色关联的相关理论,提出了一种面积关联度和斜率关联度相结合的综合关联度分析方法,给出了变压器故障诊断的算法步骤,并对权重系数的选取进行了探讨。该方法既能表征序列曲线的离散程度,又能反映序列曲线的变化走向相似度,能全面描述序列间联系的紧密程度。实验表明,将该方法用于变压器故障诊断,不仅克服了三比值法存在的问题,而且故障诊断准确率也高于面积关联分析方法和斜率关联分析方法。在收集到的数据中随机选取350组进行计算,诊断准确率达到93．7％。     

电力变压器工作状态在线监测与故障诊断系统

目的　研究并建立电力变压器中油内气体的在线监测与故障诊断系统.方法　根据变压器故障诊断问题的特点,采用4种气体传感器构成的检测系统,建立了与之相应的四参数故障诊断方法.结果　初步测试结果表明,数据稳定,系统功能较齐全.结论　该系统能有效地诊断运行中变压器的内部潜伏性故障.     

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％。