基于模糊智能技术的变压器故障诊断系统

将采用模糊智能技术对变压器油中溶解气体分析所得数据作为原始数据，再进行分析推理和故障诊断，可解决传统三比值法准确度低造成的变压器故障误差和漏判问题。     

面向对象的电力变压器故障专家诊断系统

介绍了面向对象的电力变压器故障专家诊断系统的整体设计方案。该系统采用了基于层次分类的面向变压器故障诊断模型,将油中溶解气体分析与常规电气试验的结论结合起来,提出将不同机理与方法的诊断子模块所得结果进行信息融合决策的方法。实践表明这可提高电网运行的可靠性,切实提升用户对电气设备进行状态诊断的自动化水平。     

基于BP网络远程无线电力变压器故障诊断系统

针对电力变压器故障的特点,运用BP神经网络技术对传统的电力变压器故障诊断方法加以完善,以TMS320VC5402 DSP为硬件核心,设计了高速实时电力变压器故障诊断模块,同时利用Zigbee网络实现了电力变压器故障远距离无线诊断.通过电力变压器故障诊断实例,比较了BP神经网络法和传统的改良三比值法在诊断电力变压器故障类型方面的性能.比较实例表明,基于BP网络远程无线电力变压器故障诊断方法能有效地对电力变压器单故障和多故障样本进行分类诊断,提高了诊断准确率,同时还可以进行远距离无线诊断,从而节省了成本.     

基于BP网络远程无线电力变压器故障诊断系统

针对电力变压器故障的特点,运用BP神经网络技术对传统的电力变压器故障诊断方法加以完善,以TMS320VC5402 DSP为硬件核心,设计了高速实时电力变压器故障诊断模块,同时利用Zigbee网络实现了电力变压器故障远距离无线诊断。通过电力变压器故障诊断实例,比较了BP神经网络法和传统的改良三比值法在诊断电力变压器故障类型方面的性能。比较实例表明,基于BP网络远程无线电力变压器故障诊断方法能有效地对电力变压器单故障和多故障样本进行分类诊断,提高了诊断准确率,同时还可以进行远距离无线诊断,从而节省了成本。     

基于遗传算法及模糊神经网络的牵引变压器故障诊断系统

本文针对油浸式牵引变压器的常见故障,提出了一种将遗传算法(GA)和模糊神经网络(FNN)相结合的GA-FNN算法对油浸式牵引变压器进行故障诊断.该算法考虑了故障信号分界过于绝对的特点,运用模糊数学对故障信号进行模糊化预处理.为了克服传统的BP算法存在的收敛速度慢和易陷入局部极小点的缺点,本文引入遗传算法,利用遗传算法良好的全局寻优化能力对FNN网络的初始权值进行优化.仿真结果表明,GA-FNN算法的学习训练次数明显的比传统的FNN算法少,训练时间短,且利用这种新算法对牵引变压器进行故障诊断的正确率可达到99%.     

基于振动信号的电力变压器故障诊断系统的开发

在Windows CE平台上搭建了基于振动信号的电力变压器故障诊断系统.用数据采集卡实时采集变压器的振动信号,并利用快速傅立叶变换、能量谱、希尔伯特-黄变换等对其进行分析,绘制出实时的时域波形图、频谱图、能量谱图、核心频率柱形图以及希尔伯特-黄谱线图,得出变压器的运行状态:正常、故障以及故障类型,并进行故障预警.在动模实验室对变压器进行试验,该监控系统能够实现监控和故障诊断功能.     

基于Web的变压器在线监测诊断系统

提出了一种基于Web的变压器在线监测诊断系统,并分析了系统的工作原理和故障诊断方法。     

变压器故障诊断技术

0 前言 变压器是供配电系统中广泛使用的重要且昂贵的高压电气设备,在运行中变压器一旦发生损坏性故障,则将直接影响电网的供电,除修复费用大外,还会造成更大的直接经济损失,因此选用高质量的变压器,提高运行维护水平,使用有效的故障诊断技术,具有十分重要的实际价值。     

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。     

浅谈专家系统在干式变压器故障诊断系统中的应用

阐述了为实现干式变压器故障诊断的自动化,降低判断的随机性,提高诊断水平,将专家系统引入到故障诊断中,指出该系统由数据库、知识库、推理机和解释器等组成,利用人工智能理论进行诊断。在简述故障诊断专家系统的基本构成和诊断机理的基础上,构造了干式变压器故障诊断专家系统的基本模型,为干式变压器的智能化诊断奠定了一定的基础。     

基于信息融合技术的变压器多层次故障诊断

鉴于电力变压器自身结构复杂,运行环境多变的特性,传统的单一信息来源确定变压器故障类型存在较大的局限性。因此将信息融合技术引入变压器故障诊断中,将变压器故障诊断分为两个融合层次,第一层利用DGA数据确定过热故障和放电故障,第二层利用电气数据确定具体故障位置或原因,两个融合层次所用智能算法均为改进后的BP神经网络算法。最后通过实例分析,证明该方法的有效性。     

基于SOM的变压器故障诊断研究

通过变压器故障诊断能及时发现变压器的故障,以往应用比较广泛的故障分类方法是基于DGA结果的比值法,但其存在比较严重的缺陷。通过采用自组织映射网络对变压器故障进行诊断分类,结果表明自组织映射网络对变压器故障的分类准确且快速,能够降低检测人员的分析难度,提高诊断速度,对于现场变压器故障诊断应用前景广阔。     

基于概率神经网络的变压器故障诊断的研究

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,本文介绍了基于概率故障神经网络(PNN)在变压器故障诊断中的应用。通过运用所设计的网络针对不同类型故障进行定性诊断并比较实验数据的合理性,仿真结果表明,这种方法应用于工程实际问题具有良好的有效性和实用性。     

基于DCAE-KSSELM的变压器故障诊断方法

为了充分利用变压器发生故障时产生的大量无标签样本,提高故障诊断精度,提出基于深度收缩自编码器(DCAE)与核半监督极限学习机(KSSELM)相结合的故障诊断方法。首先使用无标签样本对DCAE网络逐层训练,初始化网络参数,然后用有标签样本数据对网络参数进行微调,最后将有标签样本与无标签样本一起作为深度收缩自编码器与核半监督极限学习机(DCAE-KSSELM)混合网络的输入并完成故障诊断。实验结果表明,所提模型稳定性好,故障诊断精度高,鲁棒性强。     

基于KPCA-WPA-SVM的变压器故障诊断模型

为提高变压器故障诊断的精度,文章提出一种基于核主成分分析(KPCA)和狼群算法(WPA)优化支持向量机(SVM)参数的变压器故障诊断方法.通过KPCA提取样本数据的非线性特征,并获得其主成分,再将其输入至高斯核SVM构成诊断模型,并利用WPA对SVM的惩罚因子以及核参数进行优化.实验结果表明,该方法诊断准确率达到93....     

基于神经网络的变压器故障诊断研究

电力变压器是电网的核心设备之一。变压器故障一直是危及电网安全的主要因素。因此研究有效的故障诊断方法具有十分重大的现实意义。以BP网络为例。介绍了基于油中溶解气体分析的变压器神经网络故障诊断方法。试验结果表明。该方法是有效可行的,具有一定的实际应用价值。     

基于多维度信息融合的实用型变压器故障诊断专家系统

针对由于变压器结构复杂而导致其故障诊断的快速准确判断越来越依赖于大量信息的融合处理的情况,建立了基于多维度信息融合的实用型电力变压器故障诊断专家系统。首先分析多维度信息融合模型结构,给出基于因子分析计算各维度信息融合权重的方法,再构建基于多维度信息融合的专家系统,分析该专家系统的诊断流程,对多维度信息的识别、选择和判断进行了研究,最后结合110 kV变压器案例进行验证。结果表明,该专家系统逻辑简单、诊断精度高、诊断快速,可嵌入智能终端装置,为现场工作人员提供智能专家诊断。     

基于参数辨识的变压器绕组故障诊断方法的研究

变压器外部故障时,变压器内部绕组的匝数及漏磁通所经磁路均未变化,变压器绕组发生故障时,变压器漏电感肯定会发生变化。通过测量变压器的短路电抗并计算分析,可以判断变压器的绕组故障。参数辨识法诊断变压器绕组故障,即是通过测量变压器三相电压和电流量,采用递推最小二乘法,辨识变压器绕组漏抗,从而判断变压器绕组是否故障。     

变压器故障诊断方法探讨

分析了变压器故障类型及原因,并指出基于油中溶解气体的三比值法诊断变压器故障的缺陷。提出了采用专家系统模糊处理技术可解决此问题,并举例证明了该方法的有效性。     

基于模拟退火改进粒子群混合算法的变压器故障诊断

针对传统的变压器故障诊断方法在实际应用中存在的一些不完善性和局限性,笔者将基于模拟退火思想的改进粒子群优化(SAPSO)算法和误差反向传播(BP)算法相结合构成的SAPSO-BP混合算法用于训练神经网络。该混合算法有效克服常规BP和PSO算法独立训练神经网络的缺陷,并应用于变压器溶解气体分析的智能故障诊断。实验诊断结果表明,SAPSO-BP混合算法的收敛速度快于BP及PSO-BP算法,并且具有较高的诊断准确率。