基于自适应概率神经网络的变压器健康状态评估北大核心CSCD

传统变压器状态评估方法,多关注设备当前状态分析,缺少全方位预测其潜在健康状态方法,也无法确定变压器将来的故障发生概率。本文提出了一种基于自适应概率神经网络的变压器健康状态评估方法。该方法,首先从变压器内部本体特征和外部实时监测环境两方面,确定变压器健康状态指标因子,并进行数据预处理得到不相关的指标因子;然后,根据指标因子和样本标签,引入自适应参数训练,训练出用于预测的概率神经网络模型;最后,利用模型参数,通过将指标分为静态基础指标和动态可变指标,前者直接输入到网络中,后者利用AMIRA模型进行预测之后输入到网络中,得到变压器健康状态评估值。实验结果表明,该模型可获得更加准确的状态评估值,支撑变压器状态监测和预警工作。