范例推理与模糊数学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 ,结合已有的基于神经网络的范例推理诊断方法构造出可应用于电力变压器绝缘故障的综合诊断模型。它综合了多种人工智能技术的优点 ,可期望有较高的诊断准确率和实用价值     

范例推理结合神经网络诊断变压器故障

将范例推理引入到电力变压器的故障诊断 ,对常用的 BP神经网络模型进行修改 ,得出的一种新范例检索算法实现了对电力变压器绝缘故障的诊断。新方法的有效性得到了实例的验证     

基于概率推理和模糊数学的变压器综合故障诊断模型

在作者提出的电力变压器绝缘故障诊断概率模型的基础上,文章又以统计数据为依托来考察故障与征兆之间的相互关系,以及故障发生的可能性的同时,考虑了在征兆提取中的模糊边界问题。与仅用概率推理或模糊数学的方法相比,文中的方法更能真实地反映故障诊断的特性。     

基于范例推理的变压器油中气体分析综合诊断模型

以变压器油中溶解气体的分析结果为基础 ,建立基于范例推理的变压器绝缘故障综合诊断模型。先用三种不同的范例检索算法分别检索出与待诊变压器故障征兆相近的源范例集 ,然后经对检索的源范例进行综合判断获得和待诊变压器故障征兆最相近的最佳源范例 ,并用其信息得到待诊变压器的诊断结论。实例检验结果表明 ,该模型比现有方法有更高的诊断可靠性和实用前景。     

集成证据推理与多神经网络的电力变压器故障综合诊断

电力变压器是电力系统中最为重要的设备之一,及早发现其潜伏性故障对于保障电网的安全稳定运行具有重要意义。文中结合变压器油色谱和电气预防性试验数据,提出一种基于多神经网络与证据推理的变压器故障综合诊断方法。结合神经网络的输出,将证据融合信度分配中的不可知部分分成由权重分配导致的不可知和信息缺乏导致的不可知两部分组成,优化证据推理算法,较客观地减少了诊断的不确定性。最后通过实例仿真表明该方法具有良好的诊断性能。     

一种基于综合推理的变压器故障诊断方法

针对现有变压器油中溶解气体分析方法的不足,提出一种基于综合优化的故障诊断方法。将本体论与案例推理方法相结合,通过定义变压器故障诊断领域知识与案例知识的使用、聚集关系,建立了基于本体论的变压器故障案例库,并进行案例推理。若无匹配源案例,则转入基于判错损失最小的可拓推理机制,通过建立变压器各类故障的物元集模型,在考虑故障先验概率的基础上,引入错判损失最小函数,提高了可拓推理的准确度。通过对收集的200余例变压器故障实际DGA数据计算,并将诊断结果与IEC三比值法、可拓推理方法相比较,验证了所提方法的有效性。     

集成人工智能技术诊断电力变压器故障

提出了一种基于变压器油中溶解气体成分及其含量的变压器故障诊断方法 ,该法综合了进化算化、模糊理论、人工神经网络及范例推理 4种智能技术的优点并克服了其不足。实例分析表明该法诊断准确率较高 ,可用于工程诊断。     

基于多种智能方法的变压器故障综合诊断模型

鉴于粗糙集处理不完备信息的有效性、范例推理查询匹配的直观性以及比值法的简洁性,提出了基于多种智能方法的变压器故障综合诊断方法。综合考虑了油中溶解气体分析与电气试验等多种故障征兆,在分析大量变压器故障案例的基础上,建立了基于粗糙集、范例推理及比值法的综合诊断模型。该模型采用3层结构对变压器故障逐步进行细分,即使在不完备信息时也有助于为现场提供较有效的维修建议。该模型具有计算速度快、正判率高、结果直观等优点。实例也表明了该方法的有效性。     

基于多种人工智能技术集成的电力变压器故障诊断

本文提出的算法综合了进化规划、模糊理论，人工神经网络，范例推理四种人工智能技术的优点，弥补了单种人工智能技术的缺陷，缩小了样本间的数据差异，优化了网络初始权值，大大提高了人工神经网络的收敛性，人工神经网络的拓扑结构及训练样本经过大量的计算进行筛选确定，并通过基于范例推理的专家系统检索出最佳源范例并给出诊断结论。诊断结果表明，本方法能较准确地判别电力变压器故障。     

电力变压器故障诊断与处理

对近两年来东风公司电网１１０ｋＶ电力变压器发生的故障进行了分析与诊断。结合对这些故障处理的体会,提出了相应的建议。     

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。     

模糊诊断电力变压器故障点部位的应用研究

反映电力变压器固体绝缘和裸金属故障部位的特征量,利用模糊数学原理故障点部位综合诊断。分析单个化合物ＣＯ、ＣＯ２、糠醛、Ｃ２Ｈ４含量对电力变压器点单位的影响,探索用各化合物含量对故障部位延兆的隶属度大小,确定其固体绝缘或裸金属故障,实验证明这种方法自满简单,判别正确。     

模糊神经网络在变压器故障诊断中的应用

提出了与神经网络结合的模糊变压器故障诊断新方法 ,克服了一般模糊诊断学习困难的局限 ;通过与模糊判决矩阵的对应关系 ,发现神经网络系统的权值矩阵就是模糊诊断里面的判决矩阵。模糊神经网络、组合神经网络和判决树 3种方法对故障样本的正判率分别为 90 .4 %、75 .4 %、83.3% ,这表明模糊神经网络方法的有效性与可行性 ,它弥补了DGA试验相近故障识别率低的不足 ,克服了组合神经网络无“可塑性”的缺陷 ,避免了判决树对样本选择的强烈依赖 ,使故障诊断准确度大为提高 ;也说明了DGA和其它电气试验相结合综合分析的必要     

模糊Petri网络知识表示方法及其在变压器故障诊断中的应用

Petri网络理论以图形化的方法直观地描述了离散事件系统的各种关系和行为，且以网络理论、代数理论等作为数学基础，适合于描述异步并发现象的计算机系统模型和对并行及并发系统进行行为分析的有效工具，在人工智能领域中正得到越来越广泛的应用。该文从模糊产生式系统出发，提出一种模糊Petri网络知识表示方法及其严密的推理算法，论述了利用模糊Petri网络(FPN)进行知识表示及推理的矩阵运算算法，为模糊知识的表示提供了一种有效的工具，并首次将其应用于电力变压器故障诊断中，“描述了故障征兆与故障的关系，使用了比传统专家系统更深的知识。与传统的专家系统相比，利用此理论及方法仅仅使用简单的矩阵计算，大大减少诊断时间，提高了准确度。最后通过实例对此算法进行了测试，表明该模型方法快速、准确。     

电力变压器故障红外诊断专家系统

介绍了一种实用的电力变压器故障红外诊断专家系统，对红外诊断的基本原理，故障诊断的数学模型模糊知识的表示和推理机制进行了研究，还详细叙述了该专家系统的结构，知识表示与获取及推理机制的设计，实现方法。     

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。     

一种基于粗糙集理论的电力变压器故障综合诊断方法

提出了一种基于粗糙集的理论对变压器故障性质和故障部位的综合诊断方法。它既充分利用了油中溶解气体的分析结果,又考虑了一些比较典型的影响因素,如某些电气试验结果和其它试验结果。由于利用了粗糙集理论的决策表约简技术,去除冗余信息,大大压缩了人工神经元网络(ANN)的训练样本,从而有效地提高了ANN的训练速度和诊断的准确率。     

灰色聚类与模糊聚类集成诊断变压器内部故障的方法研究

根据反映变压器绝缘状态的模糊和灰色特征，采用模糊聚类方法，对若干典型故障样本聚类成C个灰类，得到C个最优聚类中心。依据聚类中心矩阵并借助灰色系统理论，提出了一种确定故障诊断各灰类白化权函数的原则和算法，根据该算法，首先求出各待检模式状态的灰色聚类系数，进而建立了一种灰色聚类与模糊聚类相结合的变压器故障诊断的新模型，进行了大量的该模型应用实例分析，结果表明该文方法的诊断准确度高于现有的常用方法。     

基于物元模型的电力变压器故障的可拓诊断方法

为了提高传统的油中溶解气体分析的诊断能力,提出了一种定性与定量相结合的电力变压器故障的可拓诊断方法。首先基于可拓学中的物元理论,建立了定性地描述电力变压器故障诊断问题的物元模型;其次引入可拓集合中的关联函数,根据故障特征定量地计算故障发生的程度;最后以195台次电力变压器为例验证了该方法的有效性。结果表明该方法能够克服IEC三比值法中无法诊断多重故障和无匹配的故障编码的不足,且具有更高的诊断准确率。