基于组合神经网络模型的电力变压器故障诊断方法

对故障空间的划分以及组合神经网络的构造方式 ,是利用组合神经网络进行变压器故障识别的关键。在讨论变压器故障空间划分方法及其存在问题的基础上 ,针对已积累的故障变压器的大量溶解气体数据 ,考察了各类故障的气体特征及聚类分析结果 ,并在此基础上构造了组合神经网络分层结构模型 ,实现了对变压器故障由粗到细的逐级划分 ,以提高诊断的准确性 ,为制定维修策略提供了依据。最后 ,结果显示了该模型的有效性     

基于IAFS算法融合小波神经网络的变压器故障诊断研究

鉴于小波神经网络训练模型在电力变压器故障诊断中存在易陷入局部最优与对初始值高难度、高要求性问题,通过将人工鱼群算法和小波神经网络技术有机地融入到变压器故障诊断中,开发出一种全新、高效的方法。采用人工鱼群算法改善小波神经网络训练模型的权重和阈值,以达到最佳的模型性能,提升模型的准确性和可靠性。在整个学习过程中,小波神经网络训练模型的复杂度和泛化能力都得到了较大的提升,同时加快了收敛速度,从全局搜索逐步转向精细搜索,避免算法出现局部最优的情况。最后,通过仿真实验结果证明所提方法可有效地提升变压器故障诊断的准确度,提高了变压器故障诊断效率。     

风电场风速预测模型研究

介绍了两种风电场风速预测模型,分别是BP神经网络模型和小波-BP神经网络组合模型。BP神经网络模型是风速预测中常用的模型之一,小波技术和BP神经网络结合,即为组合模型。小波技术将风速时间序列按时间和频率两个方向展开,体现了各成分对预测值贡献率的不同。将BP神经网络模型和小波-BP神经网络组合模型分别应用到我国朱日和风电场的逐时风速预测中,从预测结果对比得出组合模型更适合该风电场的逐时风速预测。     

基于差分进化算法与BP神经网络的变压器故障诊断

针对BP神经网络在识别变压器故障时容易陷入局部最优、诊断精度低、收敛速度慢等缺点,提出一种自适应差分进化算法与BP神经网络相结合的变压器故障诊断方法。该方法采用差分进化算法优化BP神经网络初始权值和阈值,将优化结果赋值BP神经网络进行网络训练,最终得到用于变压器故障诊断的最佳网络模型。实验结果表明,该组合算法比传统BP神经网络具有更高的诊断精度和更快的收敛速度,是一种更适合变压器故障诊断的高效方法。     

人工智能技术在变压器故障诊断中的应用研究

针对输变电状态检修管理系统在变压器油中气体分析的准确度问题,利用人工智能技术,提出基于模糊TOPSIS的量子神经网络(QNN)故障诊断模型,将改良三比值与基于模糊TOPSIS的量子神经网络方法相结合,从而实现具有较高诊断准确率的变压器故障诊断方法,并取得了良好的应用效果。     

基于人工神经网络方法的微机变压器保护

在变压器保护中关于励磁涌流状态的识别一直是困扰继电保护研究人员的棘手问题。本文基于人工神经网络,综合考虑顺励磁涌流状态和故障状态的特征,提出并建立了一个三层前向神经网络模型,用来实现变压器的微机保护。利用ＥＭＴＰ进行了大量的仿真计算,计算结果作为训练样本,对所建立的神经网络模型进行训练。对该模型进行故障状态检验的结果表明,所建立的神经网络能够对变压器所发生的故障状态作出正确响应,响应时间小于１０ｍ     

基于CNN-GRU组合神经网络的变压器短期故障预测方法

为挖掘变压器运行状态参量间的关联关系,量化外部环境对变压器运行状态的影响,提出了一种基于卷积神经网络和门控循环单元组合神经网络的变压器短期故障预测方法。首先,通过关联规则挖掘变压器状态参量间的相关性,结合变权思想进行综合状态评估,引入指数函数建立表征变压器运行状态的故障率模型,并将其作为预测状态参量。其次,考虑外部环境对变压器运行状态的影响,分别从日期因素、气象因素和生产工艺因素构建变压器故障预测特征集。然后,利用卷积神经网络在高维空间提取特征集与故障率间的特征向量,将结果输入门控循环单元进行优化训练,从而预测变压器故障率的发展趋势。最后,通过某海上平台变压器的故障预测趋势分析,验证了所提方法的可行性与有效性。该方法与长短期记忆模型、GRU模型、CNN-LSTM模型和支持向量机模型相比,具有更高的预测精度与更高的预测效率。     

基于粒子群优化-支持向量回归的变压器绕组温度软测量模型

针对变压器绕组热点温度测量问题,建立一种基于粒子群优化-支持向量回归算法的变压器绕组热点温度软测量模型,并验证此模型的预测效果。利用基于被动聚集的改进粒子群优化(PSO)算法,优化支持向量机的支持向量回归(SVR)模型的参数组合,并且找到其最优解。充分考虑变压器运行的相关因素,对绕组热点温度软测量模型进行训练与学习,实现对难以直接测得的绕组热点温度的预测。通过对某市110kV变压器运行数据的训练和预测结果,并将其与BP神经网络和SVR方法的结果对比,证明所建模型具有较好的预测能力。     

变压器调压区均压环的设计与优化

为改善变压器调压区电场环境,提出在变压器调压区安装均压环以改善其电场分布。利用有限元法计算了均压环各结构参数时的调压区电场。提出了在均压环参数设计的2种不同的优化方式(常规的分步优化方式和神经网络最优化方式),并加以比较后得出其对最终优化结果的不同影响。在神经网络最优化方式中,通过神经网络构建均压环参数—调压区电场的输入—输出模型,利用最优化方法构建优化算法,并利用程序语言实现完成了变压器调压区均压环结构参数的神经网络最优化设计,真正实现了均压环参数的全局优化设计。     

结合多元统计分析的神经网络在变压器故障诊断中的应用

在决策树基础上,建立地变压器故障诊断的组合神经网络模型,提出了一种基于多元统计分析的训练样本及输入矢量选择方法,并给出了网络验证与仿真结果。