融合多参量的电力设备故障诊断技术研究与应用

为全面综合诊断电力设备故障，参考已有电力设备综合诊断方法，结合变压器油中溶解气体数据和电力试验数据，利用自适应遗传算法优化小波神经网络和证据理论融合技术，提出了一种基于多参量的电力设备故障综合诊断模型。通过故障特征参数的划分分别构建神经网络从不同侧面反映变压器的故障，同时结合证据的重要性、神经网络的输出改进证据体的基本概率分配赋值，充分体现证据体对单个故障模式识别的可信度。诊断结果表明，融合多参量的电力设备故障综合诊断比基于单参量故障诊断的诊断性能较好。