基于模糊罗杰斯四比值法的变压器故障诊断

变压器故障诊断研究需要较高精度的神经网络算法,在故障诊断时需要通过训练信息来获得最优决策.由于变压器所处环境以及监测特殊问题,往往得不到完整数据,这也使得神经网络算法不能实现其自动获取的功能.针对变压器故障诊断的智能算法以及传统三比值法的缺点,以DGA数据为基础,建立了基于模糊罗杰斯(Roger's)四比值法的变压器故障诊断模型.结果证明,该模型在克服了以往故障诊断缺点的同时提高了故障诊断的精准度.     

基于改进模糊神经网络的变电站电压无功优化控制

变电站电压无功控制具有非线性调制和耦合度强的特征,很难创建精准的数学模型,传统的电压无功控制方法没有考虑到调整分接头对电压无功带来的影响,从而造成了设备多次动作等问题。提出了一种基于改进粒子群的模糊神经网络算法,建立了一种多任务优化的变电站无功控制模型。最后对优化后的电压无功控制模型进行了系统仿真。在缺乏精确的系统数学模型的情况下,可以实现相对精确的控制,且设计简单、鲁棒性好。