基于人工免疫分类算法的电力变压器故障诊断

基于人工免疫识别原理提出一种电力变压器故障诊断方法。该算法模拟自然免疫中抗原和B细胞相互作用机制,将故障样本(变压器油中溶解气体体积)作为抗原,用加权欧氏距离计算亲和力,兼顾分量单项超标故障信息,通过免疫训练,获取表征故障样本的人工识别球集合,再用最邻近分类法对故障样本分类。实例表明,该算法能有效识别变压器故障,具有较高的检测准确率,在电力变压器故障诊断中有良好的应用前景。     

基于改进神经网络算法的变压器油色谱故障检测方法

针对变压器油色谱故障分析方法预测能力不足,诊断评价准确率低的缺陷,提出一种基于神经网络算法和灰色关联度方法的变压器故障识别组合方法,通过对变压器绝缘油色谱中H2、CH4、C2H6、C2H4、C2H2等特征气体的检测,并将其作为神经网络算法的输入变量,同时采用灰色关联方法对变压器绝缘故障的放电、高温、接地等12类故障进行...     

数据融合新技术在识别变压器油中四种特征气体的研究

通过将气敏元件阵列技术的遗传神经网络相结合,来检测电力变压器油中的4种微量故障特征气体（H2、C2H4、C2H2和CO）。实验结果表明,该技术的泛化能力较哟,但识别精度在某些值处达不到实用的要求。例如,针对变压器油中故障特征气体的临界值在电力变压器早期故障诊断中的重要性,遗传神经网络数据融合技术需对混合气体临界值的识别精度作进一步提高。并在已有的融合技术基础上提出了一种新技术一分步分档识别法,可在大范围内保证识别的准确性,提高数据融合技术的实用性。该方法既可用于正常环境气氛,也可适用于特殊故障气氛环境的气体模式识别。     

基于故障特征气体与C_2H_2/C_2H_4比值分类的反馈型神经网络电力变压器故障诊断

分析了五种特征气体及C2H2/C2H4的比值与变压器故障类型之间的关系,将变压器故障进行分类。依据C2H2/C2H4的比值将故障分为两类,第一类包含低温过热、中温过热、高温过热和局部放电,第二类包含低能放电、高能放电两类,并将C2H2/C2H4的比值过高的诊断为高能放电。再依据氢气对五种特征气体的百分比,从第一类中区分出局部放电。最后用反馈型神经网络中的Elman网络确定具体故障类型。     

应用特征气体图形法诊断变压器故障

依据变压器内部故障导致绝缘油裂解产生特征气体的机理，可以在气相色谱分析工作中，运用特征气体图形方法，以H2、CH4、C2H6、C2H4、C2H2 5种故障气体的含量描给出曲线图形，来解释和诊断实际发生的变压器内部不同类型的故障，为此，结合部分变压器故障事例，用其特征气体曲线图形，说明运用该方法在分析变压器常见的热性和电性故障方面的应用。     

利用特征气体排列图判断变压器潜伏性故障类型

在油浸式电力变压器不同的故障类型中,油中溶解的特征气体的组分是不同的.以往利用油中特征气体相对含量判断变压器故障靠定性的语言描述,在诊断上有模糊性.针对此情况,提出利用油中的5种溶解气体（C2H2,H2,C2H6,CH4,C2H4）的体积相对于气体总体积的比例,构建故障的特征气体排列图,并根据图形的偏移性、突出性等表述形状的参数作为诊断变压器故障的类型的量化判据.最后,用实例验证了此方法的有效性.     

基于线性分类器的充油变压器潜伏性故障诊断方法

油中溶解气体分析(DGA)是判别变压器内部绝缘状况及发现内部潜伏性故障的重要手段。文中介绍了一种基于线性分类器、以DGA数据为特征参数的充油变压器潜伏性故障的识别方法。运用该方法进行了大量的应用实例分析，并将识别结果与BP神经网络法以及IEC三比值法进行了对比。结果表明选用H2、CH4、C2H2、CEH4、C2H6、CO、CO4七种特征气体作为特征参数时，该方法显示出较高的准确度。     

变压器绝缘故障类型的改进型RBF神经网络识别算法

为精确诊断电力变压器内部潜在绝缘故障类型,通过对变压器内部油过热和油纸绝缘中局部放电等8种潜在绝缘故障发生时所产生的气体成分分析,提出了一种以人工免疫网络与粒子群算法改进径向基函数RBF(radial basis function)神经网络的变压器故障诊断算法。重点介绍了基于RBF神经网络的变压器故障诊断模型的构成原理、基于人工免疫网络算法的故障模型隐层中心确定方法以及基于粒子群算法的网络模型权重寻优方法,并进行了仿真实验。实验结果表明:该算法能有效地识别其绝缘故障类型,且识别精度可达90%以上。     

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。     

基于突变理论的油浸式变压器过热性故障预测方法

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.     

基于自组织抗体网络的电力变压器故障诊断

仿生生物免疫系统中抗体对抗原的高效识别和记忆机理,本文提出自组织抗体网络和抗体生成算法用于解决电力变压器故障诊断问题。自组织抗体网络中抗体类型与抗体浓度新定义的设计,优化了网络性能,只需根据样本数据设置初始抗体个数,无需人工设置任何其他参数与阈值。抗体生成算法依据抗体的类型和浓度,针对不同情况采取抗体进化、抗体合并以及抗体新生三种不同的策略,快速提取和记忆抗原特征,有效地提高了算法的效率。UCI(University of California,Irvine)标准数据集和基于油中溶解气体数据的电力变压器故障诊断试验表明,该方法能充分利用先验信息,实施有效的分类,并有很高的准确率。     

模糊理论在变压器保护中的应用

对模糊理论在变压器保护中的应用进行了探讨,研究了利用模糊逻辑与模糊模式识别的理论识别变压器励磁 涌流的方法。仿真结果表明,将模糊理论引入变压器保护领域,能够克服传统保护中的某些不足,改善变压 器保护的性能,使保护的动作速度与选择性得到最好的配合。     

基于多种人工智能技术集成的电力变压器故障诊断

本文提出的算法综合了进化规划、模糊理论，人工神经网络，范例推理四种人工智能技术的优点，弥补了单种人工智能技术的缺陷，缩小了样本间的数据差异，优化了网络初始权值，大大提高了人工神经网络的收敛性，人工神经网络的拓扑结构及训练样本经过大量的计算进行筛选确定，并通过基于范例推理的专家系统检索出最佳源范例并给出诊断结论。诊断结果表明，本方法能较准确地判别电力变压器故障。     

基于人工免疫算法的电力系统最优潮流计算

基于一阶或二阶梯度的优化算法在计算电力系统最优潮流时经常陷入局部最优点，模拟进化算法具有较好的全局搜索能力，但是有时也由于过早成熟的现象而陷入局部最优点，文中提出了一种计算电力系统最优潮流的新算法－人工免疫算法，该算法是根据人或其他高等动物免疫系统的机理而设计的，将目标函数和一部分不等式约束条件作为抗原，将搜索空间的解作为抗体，依据抗原与抗体的结合力以及抗体之间的结合力对解进行评价和选择，通过抗体之间的相互激励作用提高了最优点附近的搜索效率，通过记忆细胞对抗体的抑制作用有效地摆脱局部最优点，应用此算法进行电力系统最优潮流计算，对IEEE30节点系统的计算结果说明了该算法的有效性。     

变压器故障诊断专家系统的改良设计

介绍了变压器局部放电模型、分类以及局部放电信号在线检测技术,针对变压器局部放电的故障诊断,设计了一种基于模糊推理的变压器局部放电专家系统,该系统建立在传统的专家系统和模糊推理器上。通过仿真实验结果表明,改良后的专家系统对四种典型局部放电信号的识别率有较大提高,为进行局部放电的模式识别提供了一种可靠方法。     

一种在线分析变压器故障特征气体的智能传感器

在线监测变压器油中溶解气体可有效地分析变压器绝缘状况,在线监测用气体传感器是实施该技术的关键。针对半导体气体传感器的交叉敏感特性,提出了将气体传感器阵列与人工神经网络技术相结合,利用6个半导体气体传感器组成传感器阵列,采用BP神经网络进行模式识别。大量的试验证明,所提出的智能传感器可有效地提高H2,CO,CH4,C2H4,C2H2,C2H66种气体的分辨率和检测灵敏度。     

基于模糊三比值法的电力变压器绝缘故障诊断研究

针对常用于充油变压器绝缘故障诊断的三比值法的局限性,提出了模糊三比值故障诊断法。仿真分析表明,模糊三比值法判断故障类型的准确率更高。     

基于分层模糊推理的快速综合故障选相新算法

提取了用于故障选相的特征参数,从模糊模式识别的角度,制定了识别故障类型和故障相别的隶属函数及模糊规则,提出了基于分层模糊推理的快速综合故障选相元件新算法。ATP仿真表明,该算法能够正确完成故障选相,不受故障位置、类型、初始角、过渡电阻等因素的影响,无误判和漏判现象,具有很好的可靠性,适用于超高压电网行波保护或暂态量保护。     

遗传算法在变压器故障诊断中的应用

根据变压器油中溶解气体分析的三比值法建立了基于Mamdani模糊推理的变压器故障诊断系统。该故障诊断系统由历史数据库、模糊推理诊断模块和优化模块三部分组成。利用遗传算法和历史试验数据对模糊推理模块的隶属度函数进行优化．克服了传统的三比值法对变压器进行故障诊断时存在的临界值判据缺损问题,并可对故障诊断过程中的编码缺损情况作出解释。实例验证,该诊断系统具有较好的诊断能力,可提高变压器故障诊断的准确性。