共查询到20条相似文献,搜索用时 15 毫秒
1.
分析变压器油中溶解气体含量进行变压器故障诊断的关键是找到油中溶解气体含量和故障之间的非线性关系.针对已有检测方法诊断准确性不高的问题,提出不基于Fourier变换,而是利用细分的方法构造一类新的具有加权性质的小波函数.将小波函数作为前馈神经网络的隐含层函数并优化网络的学习率,构造出加权小波神经网络处理变压器油中溶解气体含量数据.通过实际故障数据验证,此方法较已有的诊断方法准确性更高,在同等计算精度下速度更快,进而提高了变压器故障诊断的效率. 相似文献
2.
3.
利用DGA-NN诊断油浸式电力变压器故障 总被引:1,自引:1,他引:1
人工神经网络以其良好的非线性映射能力广泛应用于电力变压器故障诊断。为研究反向传播神经网络(BPNN)和概率神经网络(PNN)的学习过程、网络参数选择等问题,利用Matlab的神经网络工具箱结合油中溶解气体建立了BPNN和PNN的故障诊断模型,并对其性能做了分析和对比。结果表明,两种网络均能较好地实现变压器故障的实时诊断。因初始化权值的随机性,BPNN的输出结果具有差异性,收敛速度较慢,而PNN网络结构自适应确定,可以随时添加训练样本,且训练速度较快,适合于实现变压器故障的实时诊断。相同条件下,PNN的收敛速度约为BPNN的5倍。 相似文献
4.
5.
6.
7.
基于突变理论的油浸式变压器过热性故障预测方法 总被引:1,自引:0,他引:1
变压器过热性故障在变压器故障中出现的几率最高,对其预测方法的研究具有重要的工程实际意义.选取选变压器的温度为状态变量,C2H4/C2H6和CH4/H2为控制变量,建立一个变压器过热故障的尖点突变模型,通过大量的变压器过热故障案例数据对该模型能否区分不同状态的过热故障进行验证.在此基础上,提出一个基于突变理论的油浸式变压器剩余寿命预测方法,该方法能对发生潜伏性过热故障变压器的损坏时间进行预测.最后,采用两个实际案例的数据进行验证,结果证明了所提方法的实用性和有效性. 相似文献
8.
基于组合决策树的油浸式电力变压器故障诊断 总被引:10,自引:5,他引:10
提出了一种利用属于模式识别范畴的决策树C4.5法进行变压器故障诊断的方法。由于C4.5方法可方便地处理连续特征模式且有从样本学习判定规则的功能,因此应用中显示了该方法对于变压器故障诊断的适用性。在讨论变压器故障空间的基础上,针对已积累的故障变压器的大量油中溶解气体等数据,考察了各类故障的特征偏置,并在此基础上构造出组合决策树诊断模型,实现了变压器故障由粗到细的逐级划分,有利于提高诊断的准确性。实例表明该模型的有效性。 相似文献
9.
变压器是电力系统中的重要设备,其安全与稳定直接影响着国民经济的健康发展。油中溶解气体分析(Dissolved Gas Analysis,DGA)是分析变压器故障类别的重要手段。卷积神经网络是深度学习的一种模型,广泛应用于图像识别、语音处理等领域,具有非常好的分类能力。文章选取了变压器的五种油中溶解气体含量作为模型输入量,在借鉴传统浅层BP神经网络油中气体分析方法的基础上,针对BP神经网络表达能力不足以及容易过拟合的缺点,将卷积神经网络应用于变压器故障诊断,并与BP神经网络的分类效果进行了对比,通过算例研究证明了卷积神经网络的效果更优。文章也对卷积神经网络的卷积核个数、卷积核大小以及采样宽度对分类效果的影响进行了探讨。 相似文献
10.
基于小波网络及油中溶解气体分析的电力变压器故障诊断方法 总被引:3,自引:0,他引:3
小波网络是近年来发展起来的一种高效非线性信号处理新模型。该文将适于电力变压器故障诊断的小波网络分为第一、第二类小波网络,提出了基于自适应算法小波网络的变压器故障诊断方法,该方法继承了人工神经网络的学习能力和小波变换的局部化特征,具有良好的收敛性和鲁棒性。选择经模糊预处理的250组油中溶解气体作为采用不同小波基的2类小波网络训练与识别样本,对训练过程和仿真结果进行对比分析。大量诊断实例表明,文中提出的2类小波网络均适于变压器故障诊断,其性能优于单独使用传统BP神经网络的方法。 相似文献
11.
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 总被引:2,自引:0,他引:2
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. 相似文献
12.
13.
变压器作为变电站的主要电气设备,其智能化程度直接决定了智能变电站的发展程度,是电力系统中关系国民生产生活的重要环节。采集变压器油中溶解气体的含量及类型,通过建立卷积神经网络模型确定变压器的故障类型。在卷积神经网络算法原理的基础上,利用Java编程构建模型,将一维卷积神经网络应用到变压器故障诊断中,以变压器油中溶解的5种气体含量值作为输入向量,变压器的6种状态对应的编码值作为输出向量,并对网络中的池化层进行改进。在模型建立过程中讨论了卷积核的大小、数量、样本长度对模型精度的影响,并通过优选函数的方法确定激活函数。实验表明,将该方法生成的网络应用于变压器故障诊断,可为合理诊断变压器故障提供有价值的参考。 相似文献
14.
15.
16.
17.
由于变压器长期运行,故障和事故总不可能完全避免,且引发故障和事故又出于众多方面的原因。本文分析了油浸式电力变压器的常见故障、影响故障的主要因素,提出预防和技术改进措施。 相似文献
18.
由于变压器长期运行,故障和事故总不可能完全避免,且引发故障和事故又出于众多方面的原因.本文分析了油浸式电力变压器的常见故障、影响故障的主要因素,提出预防和技术改进措施. 相似文献
19.
在电力网络中变压器是非常重要的电气设备,对电力网络的正常运行具有非常重要的作用,利用变压器油中溶解气体组成的分析,对电力变压器运行中的故障进行诊断具有重要意义。采用支持向量机(SVM)算法分析变压器油中溶解气体组成并进行故障诊断,选取了SVM核函数及最优参数并构造了OVR-SVM多类分类器。最后,基于DGA数据的实验结果显示,这种故障诊断方法具有很好的效果。 相似文献
20.
利用油中溶解气体在线监测、气相色谱法对变压器早期内部故障进行分析诊断,结合直流电阻测试判断出导电回路故障,及时对变压器进行了检修,避免了事故的发生. 相似文献