再论人工神经网络应用于电力变压器故障诊断

结合供电管理部门提出的“利用人工神经网络进行大型电力变压器故障诊断的研究”科研课题中遇到的实际问题。计算结果证明了这种办法的有效性和实用性。     

神经网络应用于电力变压器故障诊断

将电力变压器油气分析法作为检测数据来源，利用神经网络这一强有力的故障诊断工具，有效地诊断电力变压内部故障。仿真结果表明，用神经网络诊断变压器故障具有更加优秀的性能。文中，作者采用的ＢＰ网络模型及算法，并对网络训练过程中一些技巧问题进行了讨论。     

电力变压器故障诊断专家系统TFDES

电力变压器故障诊断对电力系统的安全运行有着十分重要的意义。本文介绍电 力变压器故障诊断专家系统TFDES的原理与结构。以气相色谱法为主，T FDES综合运用各种故障检测的知识判断故障性质；运用模糊逻辑较好地处 理了故障诊断中的模糊性问题。初步测试表明，TFDES结构合理，推理正确 ，能有效地诊断运行中的变压器的内部潜伏性故障。     

基于人工神经网络的变压器故障诊断

介绍了电力变压器故障诊断的人工神经网络法 (ANN) ,提出了人工神经网络的模块化结构 ,并用具体实例说明了ANN对变压器内部潜伏性故障作出早期诊断的可行性和有效性。     

基于改进GA-BP混合算法的电力变压器故障诊断

将改进遗传算法(GA)和误差反向传播(BP)算法相结合构成的混合算法用于训练人工神经网络.该混合算法有效地解决了常规BP算法学习网络权值收敛速度慢、易陷入局部极小和GA算法独立训练神经网络速度缓慢等缺点,并对其应用于电力变压器故障诊断进行了仿真,仿真结果表明了该算法具有较快的收敛速度和较高的计算精度,故障诊断结果证实了该算法应用于电力变压器故障诊断的有效性.     

基于概率神经网络的电力变压器故障诊断

提出了一种基于概率神经网络的变压器故障诊断方法,并用遗传算法优化概率神经网络的平滑因子,从而提高概率神经网络诊断的正确率.结果表明,实际的油色谱数据验证了此变压器故障诊断方法的可行性和正确性.     

基于概率神经网络的电力变压器故障诊断

提出了一种基于概率神经网络的变压器故障诊断方法,并用遗传算法优化概率神经网络的平滑因子,从而提高概率神经网络诊断的正确率。结果表明,实际的油色谱数据验证了此变压器故障诊断方法的可行性和正确性。     

遗传神经算法在电力变压器故障诊断中的应用

利用遗传算法的全局搜索性能和BP算法较强的局部搜索能力,提出一种收敛速度快的改进遗传神经混合算法,并应用于油中溶解气体分析的电力变压器故障诊断中,实际结果表明,该算法能对电力变压器各种故障进行有效分类,并具有较快的收敛速度和较高的诊断精度。     

结合遗传算法的人工神经网络在电力变压器故障诊断中的应用

人工神经网络在电力变压器故障诊断中有广泛的应用。常用的反向传播界法存在着容易陷入局部极小点、对初值要求高的缺声、，给故障诊断带来不便。本文提出采用遗传算法优化人工神经网络结构的初仅，将遗传算法与人工神经网络结合起来.迅速得到最佳人工种经网络权值矩阵与阈值向量，实现故障诊断。     

电力变压器故障诊断专家系统TFDES

电力变压器故障诊断对电力系统的安全运行有着十分重要的意义.本文介绍了我们开发的电力变压器故障诊断专家系统TFDES的原理与结构.以气相色谱法为主TFDES综合运用各种故障检测的知识判断故障性质.运用模糊逻辑较好地处理了故障诊断中的模糊性问题.初步测试发明,TFDES结构合理,推理正确,能有效地诊断运行中的变压器的内部潜伏性故障.     

基于局部特征量的神经网络方法在变压器故障诊断中的应用

本基于局部特征量的神经网络方法对变压器的故障诊断进行了新的探索，建立了相应的故障诊断的神经网络压缩模型，实例诊断结果证明了这种方法的有效性。本方法能够诊断传统的三比值法无法诊断的故障，对于其它的故障诊断也有一定的参考意义。     

利用ART1网络进行故障诊断的方法研究

此文系统地阐述了自适应共振理论及ARTl神经网络模型的基本概念、特点、结构和算法。在对故障诊断进行理论分析的基础上，结合ARTl神经网络对输入的要求，提出了一种阈值法结合ARTl神经网络进行故障诊断的方法，并对此方法进行了理论分析和仿真实验。仿真实验表明此方法能够进行正确的故障检测和故障分类。     

基于最小二乘加权融合集成神经网络的电力变压器故障识别

提出了一种基于最小二乘加权融合集成神经网络的变压器故障识别新方法.首先对色谱分析法检测到的特征气体含量进行数值预处理,提取出故障识别所需的6个特征量,再应用5个不同结构的BP子网络分别进行识别,接着运用最小二乘加权融合算法对各个子网络的识别结果进行信息融合,最后根据融合结果来识别故障.与单个神经网络识别方法相比,该最小二乘加权融合集成神经网络可在故障特征比较类似的情况下,正确识别故障类型,且该方法的识别结果具有更大的安全间隔空间、可靠性更高.测试结果也表明了这些特征.     

基于人工神经网络的电网频率测量方法

基于多层感知器可以任意精度逼近任何线性或非线性 基本原理,提出了一种采用多层前馈神经网络的频率测量方法,并给出相应反向传播学习算法（ＢＰ）神经网络的构造过程和训练方法。仿真结果表明,基于人工神经网络的频率测量方法具有实时性、高精度和鲁棒性,有实用价值。     

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     

电力变压器励磁涌流判别的自适应小波神经网络方法

励磁涌流识别一直是电力变压器差动保护中比较关注的问题。文中提出了一种基于自适应小波神经网络实现变压器励磁涌流判别的新方法。结合励磁涌流和内部故障电流的特点，构建了一个四层的自适应小波神经网络模型，并对其具体的实现方法进行了详细的分析；利用ATP—EMTP程序进行仿真计算生成训练样本和测试样本，对所构建的网络进行了训练和测试，结果表明自适应小波神经网络能准确、可靠地识别出变压器的励磁涌流状态。     

神经网络技术应用于变压器差动保护

利用神经网络技术 ,实现电网的继电保护目前已达到了实用阶段 ,工业规模的应用已付诸实施。以往我们采用传统的数学技术方案 ,实现电力变压器差动保护 ,而现在用神经网络技术开发了新一代的保护装置。该文主要说明基于神经网络技术在变压器保护领域取得的成果和达到的性能指标 ,解释了带偏置的神经网络技术装置调试简单 ,保护功能可靠的原因。     

结合进化算法的人工神经网络在变压器故障诊断中的应用

人工神经网络在变压器故障诊断中有广泛的应用。常用的BP算法具有易陷入局部极小、收敛速度慢等缺点 ,给故障诊断带来不便。为此提出利用进化算法优化人工神经网络结构的初值 ,利用可靠性分析技术对输入数据进行处理 ,从而有助于较快获得最佳的权值矩阵 ,实现变压器故障诊断。