共查询到18条相似文献,搜索用时 109 毫秒
1.
对变压器绝缘油采取色谱分析并进行故障诊断是目前变压器故障诊断的重要环节。针对传统故障诊断技术中降低状态检测与诊断系统的复杂度和增加系统采集的特征信息量的问题,首次提出将模糊TOPSIS 法用于状态检测信息处理。首先将TOPSIS 法在Vague集下进行扩展,把样本数据的多属性群问题转化为模糊多属性决策问题。然后计算Hausdorff矢量距离,得到可能解与理想解的相对贴近度,进行样本的优劣排序和聚类。在此基础上建立了简单的BP神经网络,实现了不同类型的模式识别。该方法可以快速、准确地判断变压器的运行状态,进而提高了变压器的安全、稳定及经济运行水平。 相似文献
2.
针对传统故障诊断技术中存在诊断模型结构复杂以及收集故障样本数据非常繁琐的问题,将TOPSIS方法在Vague集下进行扩展。介绍了Vague集的基本概念及其相似度量方法,以及使用Vague集表达的语义变量集,并据此对原始样本集进行优劣排序和聚类,从而缩减了样本集的容量,使得故障特征信息量和映射空间复杂度的问题在一定程度上得以平衡。在此基础上构建了适应于变压器故障诊断的BP网络诊断模型,实现对不同类型故障的诊断。算例分析表明,此方法与传统的变压器故障诊断的方法相比较具有明显的优越性。 相似文献
3.
4.
基于粗糙集与模糊神经网络的变压器故障诊断方法 总被引:7,自引:4,他引:7
将基于粗糙集理论的模糊神经网络,应用于变压器故障诊断中,充分利用粗糙集理论对知识的约简能力模糊神经网络优良的分类能力,首先利用粗糙集方法对原始数据进行约简,形成精简的规则集,以此基础构建的模糊神经网络结构完全是由粗糙集最终约简规则决定的,具有良好的拓扑结构,网络规模大大减少,学习速度大为提高,而且保持了网络较好的分类能力。 相似文献
5.
以模糊数学理论为基础,在对改良特征气体诊断法进行模糊化处理后,提出以模糊关系矩阵确定特征气体浓度与故障状态的相关性,研究并建立了模糊综合评判模型.依此模型可进行变压器故障诊断. 相似文献
6.
7.
变压器故障诊断方法有很多种,如谱分析方法、参数模型方法、模式识别方法及震动与声学分析方法等,这些方法各有特点且各有其适用场合,但总的来说这些方法较为复杂,需要较多的信息和较为复杂的数学处理才能得到故障诊断结果。 一般来说,变压器出现故障时多件有变压器设备表面温度的变化,例如在变压器内部绝缘材料老化、电接触点接触不良、循环冷却系统故障等情况下,运行中的变压器由于其内部耗能量的加大就会散发出更多的热量,从而使其表面温度较变压器正常运行时的表面温度有所升高,基于这种实际情况,本文提出一种基于温度信息的变压器故障模糊诊断方法。 相似文献
8.
将模糊技术与神经网络引入到变压器故障诊断中,提出了运用基于特征气体法的神经网络模块和基于改良三比值法的模糊神经网络模块对变压器油中溶解气体进行综合分析,判断油中溶解气体的特征,以此来诊断变压器可能发生的故障。 相似文献
9.
10.
11.
王志勇 《电力系统保护与控制》2006,34(9):37-40
引入了一种基于粗糙集约简并结合模糊规则的方法进行变压器故障诊断。该方法从变压器故障判别表出发,首先使用粗糙集理论进行决策表约简,在保持故障判别表分类能力不变的条件下,去除了变压器故障诊断知识中大量的冗余特征,然后结合模糊集合理论和模糊推理,计算出各个约简后的决策规则的模糊隶属度,最终得到故障类型的判断。实例表明,本方法可以有效地进行模糊推理并得到正确的诊断结果。 相似文献
12.
王志勇 《电力系统保护与控制》2006,34(9)
引入了一种基于粗糙集约简并结合模糊规则的方法进行变压器故障诊断.该方法从变压器故障判别表出发,首先使用粗糙集理论进行决策表约简,在保持故障判别表分类能力不变的条件下,去除了变压器故障诊断知识中大量的冗余特征,然后结合模糊集合理论和模糊推理,计算出各个约简后的决策规则的模糊隶属度,最终得到故障类型的判断.实例表明,本方法可以有效地进行模糊推理并得到正确的诊断结果. 相似文献
13.
根据模糊理论和神经网络理论,提出了变压器故障诊断的新方法。根据DGA(dissolvedgasanalysis)法、电气试验法及外部故障特征法,建立了基于模糊输入的BP ART2混和神经网络对电力变压器故障进行综合诊断。仿真结果表明本方法能有效提高变压器故障诊断正确率。 相似文献
14.
根据模糊理论和神经网络理论,提出了变压器故障诊断的新方法.根据DGA(dissolved gas analysis) 法、电气试验法及外部故障特征法,建立了基于模糊输入的BP-ART2混和神经网络对电力变压器故障进行综合诊断.仿真结果表明本方法能有效提高变压器故障诊断正确率. 相似文献
15.
16.
基于L-M算法的BP网络在变压器故障诊断中的应用 总被引:4,自引:0,他引:4
针对传统 BP 神经网络算法在变压器故障诊断中存在的收敛速度慢、容易陷入局部极小值的问题,通过对基于Levenberg-Marquardt 算法的 BP 神经网络进行深入研究,并最终应用于变压器故障诊断.该算法通过优化 BP 神经网络的搜索方向,加快了网络训练速度,提高了网络训练的精度.通过对实例数据仿真,证明了本方法能够有效地诊断出变压器的故障,为变压器故障诊断提供了一条新途径. 相似文献
17.
18.
基于传统BP神经网络的变压器故障诊断方法,当网络模型达到一定的深度时,模型的诊断性能会趋向于饱和,无法进一步提升网络模型的诊断性能,此时加深网络模型的深度反而会导致模型的诊断性能有所下降。此外,在小样本数据下,传统BP神经网络仍无法取得较好的诊断准确率。因此,为了提高变压器故障诊断准确率以及在小样本数据下的诊断性能,提出了基于残差BP神经网络的变压器故障诊断方法。所提方法采用堆叠多个残差网络模块的方式加深BP神经网络的深度,将传统BP神经网络的恒等映射学习转化为残差BP神经网络中的残差学习。同时,在每个残差网络模块中,模块的输入信息可以在模块内跨层传输,使得每个模块的输入信息可以更好地向深层网络传递,从而在小样本数据下仍可以训练得到较好的诊断模型。实验结果表明,相较于传统深层BP神经网络和传统浅层BP神经网络,所提方法具有更高的诊断准确率,同时在小样本数据下也体现出较好的诊断性能。 相似文献