基于模糊神经网络的电力变压器故障诊断研究

将模糊控制和神经网络理论相结合,通过遗传算法对其参数进行优化,有效地解决了常规模糊理论不能自学习和神经网络算法易陷入局部极小、收敛速度慢等缺点,并对其应用于电力变压器故障诊断进行了仿真,实例仿真结果表明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。     

基于粗糙集理论的电力变压器故障诊断研究

粗糙集理论是一种较新的数据处理工具，可以有效地分析和处理不完备信息。运用粗糙集理论研究了因各种复杂因素造成的不完备信号模式下电力变压器故障诊断的方法。该方法利用油色谱分析得到的各种气体浓度百分比作为故障分类的条件属性集，考虑各种故障情况，建立决策表。利用决策表的约简方法进行化简，区分关键信号与冗余信号，导出故障诊断规则，从而达到不完备信号模式下快速准确地故障诊断的目的。通过实际应用表明，该方法简单、有效、具有良好的容错性能。     

基于动态聚类的电力变压器故障诊断

本文提出了一种新电力变压器故障诊断的动态聚类方法，以人工免疫网络对故障样本进行免疫学习和记忆，提取表征故障样本的有用特征作为核可能性聚类算法的初始聚类中心，再用遗传算法动态选取聚类个数和中心实现故障样本的分类。该诊断方法经大量实例分析，并将其结果与BP神经网络等方法的结果相比，表明该算法具有较高的诊断精度。     

基于置信规则库的电力变压器故障诊断模型

分析电力变压器不完备故障信息,利用置信规则库(Belief Rule Base,BRB)专家系统对电力变压器进行故障诊断.根据故障的决策属性,以最佳决策属性作为置信规则库专家系统的前提属性,建立故障诊断的置信框架.实验结果表明,基于置信规则库的电力变压器故障诊断模型,可以有效的区分电力变压器的多种故障,提高了故障诊断的...     

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,集中存在大量的不确定因素。综合各方面因素,判断出变压器运行或检修状况的优劣变化,是变压器故障综合诊断所要求达到的目的之一。本文将模糊决策方法应用于变压器故障诊断中,为解决这一问题提供了一种新的尝试。     

基于优化遗传算法的变压器故障诊断方法研究

提出的变压器故障诊断方法以多个主要影响因子为网络的输入信息,建立变压器故障诊断的遗传神经网络模型,利用GA较强的全局寻优能力和BP梯度法较强的局部搜索能力,较快同时又较好地综合诊断出网络输出信息的变压器故障类型。为了验证所提出识别方法的有效性,对变压器故障实测数据进行了学习和综合诊断对比,测试结果表明,基于优化遗传算法的故障诊断方法计算速度快、精度高、鲁棒性强,可以有效直观地对变压器故障类型进行综合诊断,具有一定实际应用价值。     

基于BP网络的变压器故障诊断研究

电力变压器是电力系统中最重要的设备,为了确保电力系统的安全性和可靠性,需要对变压器进行故障诊断,以使变压器能够正常运行。结合BP神经网络建立了变压器故障诊断模型,通过一系列仿真确定了5-12-5的网络模型;训练了该网络模型,将训练后的模型用于变压器的故障诊断。由诊断结果看出,该模型具有较高的收敛度和故障诊断准确度。     

基于SSA-PNN的电力变压器故障诊断

为了提高变压器故障诊断的准确率,在改良三比值法的基础上,采用麻雀搜索算法优化概率神经网络构建一种新型变压器故障诊断网络模型,并设计相应的故障诊断方法。分析表明,与基于概率神经网络的变压器故障诊断方法相比,基于该网络模型的诊断方法提高了变压器故障识别与故障分类的准确率,在电力变压器的故障诊断中具有一定的实际工程意义。     

粗糙集理论在电力变压器故障诊断中的应用

由于电力变压器具有较强的不确定性的特点,本文将粗糙集理论的基本思想引入到变压器的故障诊断中,提出了一种新型的基于粗糙集的电力变压器故障诊断方法.通过试验表明,该方法正确率高,有推广价值.     

变压器故障诊断中的主成分分析研究

电力变压器的正常运行是对电力系统安全,可靠、优质、经济运行的重要保证,用主成分分析思想及方法,对油中溶解气体数据进行分析、降维,用最少的数据代表原变量的最大信息,以利于快速准确地诊断出变压器的故障原因,进而提高变压器的安全、经济运行水平。     

基于HS-ELM的油浸式变压器故障诊断

针对ELM模型的预测精度受初始的输入权重W_i和隐含层偏置矩阵b_i的选择影响,运用和声搜索算法(HS)优化选择初始的输入权重W_i和隐含层偏置矩阵b_i,提出一种基于HS-ELM的油浸式变压器故障诊断方法。将5种气体体积分数数据(H_2,C_2H_2,CH_4,C_2H_6和C_2H_4)当作HS-ELM变压器故障诊断模型的输入特征参数数据,不同故障类别标签作为HS-ELM的输出,建立HS-ELM油浸式变压器故障诊断模型。研究结果表明,在各个故障类别的诊断正确率和总体正确率上,HS-ELM均要高于GA-ELM,ELM和IEC三比值法,有效提高了变压器故障诊断的正确率。     

电力变压器绕组变形检测技术研究

目前常用于电力变压器内部绕组变形检测方法是将内部绕组的频率响应曲线与参考响应特征曲线进行对比。本文针对参考特征曲线的缺失将影响频率响应技术的可行性的问题,提出一种对相同绕组不同连接方式的频率响应曲线差异进行分析实现对电力变压器内部绕组变形检测的技术。通过模拟实验和仿真验证表明,通过不同连接方式的绕组频率响应曲线之间的差异能够有效显示检测高压绕组和低压绕组之间轴向位移和低压绕组径向变形。     

变压器故障诊断的专家系统研究

针对变压器的故障特点,提出了采用基于规则的产生方法进行知识表示,以模拟方式构造知识库,并选用正反向混合推理方式,创建变压器的故障诊断专家系统。     

电力变压器铁芯多点接地故障诊断

简要介绍了变压器多点接地故障的特征和诊断方法,主要介绍如何用电气法诊断电力变压器多点接地故障,为电力工作人员提供参考。     

基于数据挖掘的变压器故障诊断和预测研究

作为电力系统日常工作的重要保障基础变压器在整个系统当中发挥着十分重要的作用。一旦变压器出现故障不仅仅会影响电力系统的正常化运行,同时也将带来了严重的经济损失,这将会直接导致负面社会效益的出现。为了防止上述情况出现就需要对变压器故障诊断工作进行落实,针对故障点构建出预见性防护方案。本文对基于数据挖掘的变压器故障诊断进行了分析,提出了一系列观点,供以参考。     

基于溶解气体的电力变压器内部故障诊断方法

介绍了运用气相色谱技术检测变压器油中的溶解气体,以及用其来诊断电力变压器内部故障的几种方法,并总结了在实际应用中的注意事项。     

基于粗糙集理论的变压器故障诊断专家系统研究

在传统的变压器故障诊断专家系统的基础上 ,引入粗糙集理论以解决专家系统较难获取完备知识的瓶颈问题。该系统从历史故障数据所形成的决策表出发 ,运用粗糙集理论进行约简 ,构建专家系统知识库模型。通过计算规则隶属粗糙度 ,来表示诊断规则的置信程度。利用推理机和故障事例库 ,实现对知识库的动态维护。     

基于夹角余弦的油浸式变压器故障诊断研究

基于聚类分析理论,将变量间相似性度量——夹角余弦引入到变压器的故障诊断中。通过分析故障征兆集与标准故障模式集间的夹角余弦来进行故障诊断。文末应用该方法对一油浸式变压器进行故障诊断,实例结果表明所提出的方法是有效的。     

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,其中存在大量的不确定因素.综合各方面因素,判断出变压器运行或检修状况的优劣变化,是变压器故障综合诊断所要求达到的目的之一.本文将模糊决策方法应用于变压器故障诊断中,为解决这一问题提供了一种新的尝试.