基于径向基函数网络的大型电力变压器故障诊断

研究了径向基函数（RBF）神经网络的模型结构及其在电力变压器故障诊断中的实现方法,介绍了变压器故障诊断的RBF模型.通过故障诊断及仿真实例分析,将RBF网络与BP网络的性能进行比较,得出RBF神经网络训练速度快、逼近误差小、能够更有效地解决电力变压器故障诊断问题的结论.     

Petri网络在变压器故障诊断中的应用

Petri网络理论以网络理论，代数理论等为数学基础，以图形化的方法直观地描述了离散事件系统的各种关系和行为，适用于描述异步并发现象的计算机系统模型和对并行及并发系统进行行为分析，在人工智能领域中正得到越来越广泛的应用。作者提出一种基于Petri网络的变压器故障诊断模型，论述了利用Petri网络进行知识表示及推理的矩阵运算算法。描述了故障征兆与故障的关系。使用了比传统系统更深的知识、简单，明确。与传统的专家系统相比，利用此理论及方法仅仅使用简单的矩阵计算，可以减少诊断时间，提高准确度。通过实例对此模型进行的测试表明该模型方法是快速、准确的。     

用超高频局部放电测量法实现电力变压器局部放电的在线监测

高频局部放电测量法(UHF法)与传统的脉冲电流法完全不同，它采集的被测信号为局部放电过程所产生的超高频电磁波：利用UHF法可有效解决电力变压器局部放电在线监测中的抗干扰问题。文中结合变压器结构设计的放油阀式和人孔／手孔盖式超高频信号传感器安装在220kV和110kV电压等级变压器上，成功地捕捉到变压器内部局部放电产生的超高频信号。对变压器局部放电故障诊断的判据等问题进行讨论，为变压器超高频局部放电在线监测方法的应用积累了经验。     

电力变压器局部放电在线监测研究的现状和趋势（二）

论述了国内外变压器局部放电在线监测的工程研究领域的发展现状，对涉及局部放电的检测，放电量的标定、干扰的分析和抑制、放电信号的重构以及故障诊断等工程技术性问题进行了讨论。在此基础上，提出监测系统的设计应趋向于硬件电路和软件数据管理上的通用化，而抗干扰技术应软化，从而提高监测系统的通用性和可靠性     

500kV变压器局部放电性故障诊断与分析

采用色谱试验、电气法局部放电、特高频在线局部放电、超声波局部放电与定位几种方法对500kV变压器出现少量乙炔后进行试验,判断变压器的故障形式与位置,及时停电进行处理。并比较了各种方法的优越性和局限性,通过实际测试波形,给从事高压试验工作的人员提供第一手资料,有利于对设备放电性故障的诊断。     

电力变压器局部放电实例分析

对大型电力变压器局部放电的产生、测量以及局部放电产生的原因进行了分析论述。     

电力变压器现场局部放电试验及分析

本文简述了电力变压器局部放电的产生及其对绝缘的危害和开展电力变压器现场局部放电试验的意义，探讨了应用中频电源进行现场部放电试验的方法，抗干扰措施，对固原变２主主、三营变１主变的试验结果进行深入细致的分析，提出了进行电力变压器安装检测和现场局部放电试验应注意事项。     

电力变压器局部放电的定位方法

阐述了变压器局部放电的机理和国内外对变压器局部放电定位方法研究的演变过程及现状。在比较分析各种局部放电定位方法后，指出目前接近实用化的精确定位方法是超声波定位法和采用电容传输分量与数字滤波技术的电测定位法     

超高压电力变压器局部放电量的控制

超高压电力变压器局部放电量的控制梁明生（济南志友股份有限公司）一、概述随着我国高电压、大容量电力变压器生产能力、测试技术、制造质量的不断发展和提高，有关厂家投入了大量的人力、物力、财力对产品的可靠性进行研究，其中控制局部放电就是一项重要的研究课题。根...     

径向基函数神经网络在电力变压器故障诊断中的应用

基于油中溶解气体分析法,采用径向基函数（radicalbasisfunction,RBF）神经网络模型对电力变压器进行故障诊断。为了提高诊断模型的辨识精度,分两步对RBF神经网络的模型参数进行辨识：首先采用减聚类算法确定RBF神经网络隐含层基函数的中心点,然后采用量子粒子群优化（quantum-behavedparticleswarmopti-mization,QPs0）算法求解基函数的宽度以及隐含层与输出层的连接权重。仿真实验结果表明,该方法的故障诊断正确率较高,达90．67％。     

基于径向基网络实现变压器故障诊断

研究采用径向基神经网络进行变压器故障诊断,以提高变压器故障诊断率。分析了径向基函数神经网络的结构和工作原理,确立了适合变压器故障诊断的网络学习算法,并设计了一个诊断变压器故障的三层径向基网络。通过采用MATLAB进行仿真实验。结果表明径向基神经网络是一很强的分类器,能够有效的对变压器故障进行诊断。     

采用自组织RBF网络算法的变压器故障诊断

针对以往神经网络常采用试凑法设计网络节点的缺陷,提出了一种自组织径向基函数(RBF)神经网络算法。该算法首先通过模糊C-均值(FCM)算法得到初始的RBF神经网络节点数和中心向量,再利用经Gaussian随机分布改进的粒子群优化(PSO)算法对初始RBF神经网络节点数、中心向量、节点连接权值进行优化。利用鸢尾属数据集及葡萄酒数据集对提出的自组织RBF神经网络算法进行了仿真测试,证明该算法对于提高分类精度和优化RBF神经网络结构有一定的作用。最后,将该算法应用到电力机车牵引变压器综合测试及故障诊断系统中,结果证明所提的自组织RBF神经网络诊断算法可有效监测出原系统试验时误报和漏报的故障。     

基于遗传算法进化小波神经网络的电力变压器故障诊断

在电力变压器故障诊断方法中,小波神经网络常用的反向传播算法存在着易陷入局部极小点和对初值要求较高的缺点,往往给故障诊断带来困难.文中提出了一种基于遗传算法进化小波神经网络的变压器故障诊断方法,用实数编码的遗传算法来代替人解决小波神经网络结构的选择和参数的设定.在整个学习过程中,网络的复杂度、收敛性和泛化能力得到了较好的综合.大量实例表明,该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,提高了诊断准确率.     

利用小波神经网络的电力变压器故障诊断方法

为提高变压器传统油中溶解气体分析(DGA)的故障诊断能力,提出了一种利用小波神经网络(WNN)的变压器故障诊断方法。WNN隐含层采用离散仿射小波函数,仿照前馈BP神经网络算法构造WNN,引入学习率和动量系数来训练网络。实验结果表明:相同条件下,较之传统比值法与BP神经网络,WNN的故障模式识别准确率更高,对照BP神经网络,所提出的WNN变压器故障诊断方法在稳定性和收敛时间方面表现更优。     

基于模糊积分融合技术的变压器故障识别

提出了一种基于模糊积分融合技术的变压器故障诊断新方法。首先建立三比值的隶属函数并对三比值数据进行模糊预处理,再用4个不同的径向基函数神经网络进行故障识别,最后利用模糊积分融合方法将4组诊断结果进行融合处理,得出诊断结果。仿真实例表明这种方法比单个人工神经网络具有更高的故障诊断性能。     

基于径向基函数神经网络的电网模糊元胞故障诊断

提出了基于径向基函数神经网络的电网模糊元胞故障诊断方法,旨在有效解决神经网络应用于电网故障诊断所面临的适应网络拓扑结构变化的可移植性问题。该方法以单个线路、母线和变压器为元胞对象,以保护各元胞的所有关联保护和对应的断路器为输入,建立了元胞通用神经网络诊断模型,并给出了故障诊断时模型的自动生成方法。此外,考虑到电网故障信息存在不完备性和不确定性,本文采用模糊矢状图来描述电网元件、保护和断路器之间的逻辑推理关系,并提取出蕴含不确定性的模糊推理规则,用于训练元胞通用神经网络。算例仿真结果表明,该方法简单、有效,能处理各种复杂故障情况,且能有效适应网络拓扑结构的变化,具有良好的容错性和可移植性。     

基于LabView的局部放电故障类型诊断系统的设计

设计了局部放电故障类型的诊断系统,实现局部放电脉冲的在线测量和引发放电的缺陷类型的识别。详细论述了局部放电故障诊断系统的软、硬件体系设计方案。放电脉冲波形测量、谱图统计分析和基于BP神经网络的智能识别验证结果表明,局部放电故障诊断系统实现了放电信号的在线测量、分析和诊断,系统的软、硬件方案也切实可行。