基于数据不确定性的变压器故障诊断研究

针对采集的变压器油中溶解气体数据的波动性和不确定性,通过引入蒙特卡洛算法进行数据处理.根据油中溶解气体试验,将处理后的变压器油中溶解气体数据进行两两比值.分别根据变压器运行规程、DGA知识以及模糊c均值聚类法对气体含量和比值进行离散化处理,再进行属性约简,并将约简结果作为神经网络的前置输入,对神经网络训练及故障进行诊断.实验结果表明,该方法可以对变压器故障进行准确判定,具有更好的工程实用性.     

一种基于模糊神经网络的变压器故障检测

阐述了基于模糊神经网络变压器故障检测的方法及数学模型．从传统的ＢＡＭ 网络入手,结合模糊理论,根据变压器油的气相色谱分析,运用基于模糊Ｈｅｂｂｉａｎ 学习律的模糊联想记忆（ＦＡＭ）,进行变压器故障类型和严重程度检测的方法步骤．模型算法分为两个步骤：激励阶段和冲突解决阶段．试验表明,该方法精度较高,应用方便．     

变压器油中溶解气体含量检测故障诊断仪的设计

研究了应用变压器油中溶解气体含量检测来诊断变压器故障的方法,针对气体传感器之间存在的"交叉敏感"设计了基于人工神经网络的气体检测系统.神经网络采用使用最为广泛的BP网络.从而能构成对气体的较准确的分析测试.单片机选择Intel 16位的80C196KB,简化了接口电路的设计.设计中采用了油中气体分析法来确定变压器的故障并通过数码管显示出故障类型并由单片机来实现.     

基于Dempster-Shafer证据理论和人工智能的变压器故障诊断研究

传统的溶解气体分析方法和基于溶解气体分析数据的人工智能技术在变压器早期故障诊断中的应用由来已久。Dempster-Shafer证据理论已被应用于存在不确定性和冲突的各种面向人工智能的应用中。为了克服故障类型之间的冲突及提升变压器故障诊断正确率,该文提出了基于Dempster-Shafer证据理论和人工智能的变压器故障诊断方法。利用反向传播(Back propagation, BP)神经网络基于5种关键气体的浓度百分比检测变压器故障,并将其作为第一证据。利用模糊逻辑基于3种气体比率检测变压器故障,并将其作为第二证据。利用证据理论对BP神经网络和模糊逻辑检测结果进行集成分析,得到最终的诊断结果。研究结果表明证据理论和人工智能在变压器故障诊断中具有良好的应用前景。     

基于油中溶解气体分析的变压器绝缘故障模糊诊断及应用

变压器绝缘故障诊断问题是电力系统维护中的关键问题,常用的故障诊断方法一般是基于油中溶解气体分析法的。重点介绍了基于油中溶解气体分析的一种新方法,即变压器绝缘故障模糊诊断法,在分析一般故障诊断方法优缺点的基础上,根据实例验证了将模糊诊断法应用于电力变压器绝缘故障诊断的可行性。     

多重遗传神经网络在微量特征气体临界值识别中的应用

将气敏元件阵列技术和遗传神经网络相结合，检测了电力变压器油中的4种微量故障特征气体(1×10     

模糊神经网络在变压器故障诊断中的应用

提出并研究了模糊神经网络在变压器故障诊断中的应用问题。以油色谱分析数据作为输入，故障类型作为输出，建立了邦联诊断的模糊网络模型。故障实例的测试结果表明了这咎方法的有效性。     

用于变压器故障特征气体分析的气敏阵列传感系统

提出将气敏元件阵列技术和径向基函数神经网络（Ｒａｄｉａｌ Ｂａｓｉｓ ＦｕｎｃｔｉｏｎＮｅｕｒａｌＮｅｔｗｏｒｋ，ＲＢＦ－ＮＮ）相结合，以检测电力变压器油中的４种微量故障特征气体（１＊１０＾－６－１０＊１０＾－６级Ｈ２、Ｃ２Ｈ４、Ｃ２Ｈ２和５０＊１０＾－６级ＣＯ）。实验结果表明，与目前基于误差反向传播算法（ＥｒｒｏｒＢａｃｋ－ＰｒｏｐａｇａｔｉｏｎＡｌｇｏｒｔｈｍ，ＢＰ）神经网络的气体分析结果相比     

电力变压器故障预测的人工神经网络方法研究

准确预测电力变压器故障不仅能够避免电网故障,而且能避免维修不足或过度维修的状况,具有重要的实际意义和经济价值。利用油中溶解气体法和人工神经网络法预测电力变压器故障是目前使用最为广泛的方法之一。本文针对电力变压器的故障预测问题研究采用三层改进BP神经网络为主要模型结构,利用MATLAB中的神经网络工具箱,建立起三层改进BP神经网络变压器故障预测诊断模型。实验表明本文提出的方法准确、可靠。     

基于BP神经网络的变压器故障诊断

针对变压器故障类型的特征,结合油中气体分析法及三比值法,应用BP神经网络对变压器进行故障诊断。根据BP神经网络的概念、结构和算法原理,探讨了不同隐含层的神经元个数对神经网络训练性能的影响。通过对仿真结果的分析与测试,结果表明BP神经网络对变压器故障诊断具有较好的应用效果。     

基于组合模型的电力变压器故障诊断

为了综合全面地诊断电力变压器故障,克服单项诊断方法考虑问题角度单一,不能重复利用已知信息,诊断准确度和稳定性不高的缺点,并结合电力变压器油中溶解气体的数据,提出了利用组合模型诊断变压器故障.该方法将灰关联熵、小波神经网络、模糊粗糙集、支持向量机和IEC三比值作为独立诊断模块,利用熵值法优化得到各个模块的最佳权重,最终得到发生故障最大概率所属类型.通过实例验证,组合诊断法优于单项诊断方法,提高了故障诊断精度,减少了误判率,诊断的稳定性得到提升.     

加权模糊聚类及其在电力变压器故障诊断中的应用

理论分析和实践表明,电力变压器绝缘故障与油中特征气体组分含量及特征气体组分比值密切相关.融合上述两类信息,对充油电力变压器DGA数据进行分析,提出针对特征气体组分含量和组分比值的规格化及提升与压缩数据处理方法,使用权值表示各类数据对于故障划分的相对重要程度,完成故障聚类,并设计出一种加权模糊聚类算法,该算法可实现故障聚类,计算故障聚类原型,完成权值的计算和优化.     

基于油中溶解气体分析的电力变压器故障诊断方法

电力变压器故障是直接影响电力系统正常运转的关键因素,对其故障的诊断具有重要意义。文章阐述了基于油中溶解气体分析的电力变压器故障诊断方法,包括:三比值法以及基于有溶解分析法的模糊理论、专家系统、灰色系统理论等。为更好的诊断电力变压器故障提供新的思路。     

思维进化算法优化模糊神经网络的变压器故障诊断

提出一种基于思维进化算法的模糊神经网络变压器故障诊断方法。该方法利用思维进化算法中的趋同和异化操作,对模糊神经网络中输入变量的隶属度函数位置参数和宽度参数以及神经网络的连接权值进行全局优化,可有效地克服常规模糊神经网络BP算法收敛速度慢、精度不高和遗传算法训练模糊神经网络速度缓慢、易陷入局部极小等缺点,有利于更快地收敛于全局最优解。并将其应用到基于溶解气体分析的变压器故障诊断中,实例表明,采用该方法具有较快的收敛速度和较高的诊断准确度,说明了该方法的正确性和有效性。     

变压器在线监测技术的应用

作为一项成熟的检测技术变压器油中溶解气体气相色谱分析（DGA）在有效检测变压器各类故障方面发挥了毋容置疑的作用。与此同时变压器在线溶解气体检测技术的应用已成为确保变压器安全运行、状态检修工作有效开展的一个重要前提,对此本文简要介绍了某厂目前变压器在线溶解气体监测技术的应用状况及成功监测到#1主变故障分析。     

基于油中溶解气体谱图的变压器故障识别方法

根据油中溶解气体含量对电力变压器进行故障诊断,一个关键环节是如何从故障气体数据中提取有效反映故障特性的特征量。论文提出了基于特征气体谱图形状参数识别变压器故障的方法,以5种油中溶解气体:乙炔、氢气、乙烷、甲烷和乙烯的相对含量构建了故障的特征气体谱图,并将图形偏斜性、突出性等形状参数作为特征量应用于变压器的故障诊断。应用的结果表明,这种方法有效区分变压器的放电性故障、过热性故障以及"氢主导型"故障,且识别效果达到90%以上,明显优于实践中常用的三比值方法。     

基于油中溶解气体在线监测的变压器故障动态预警方法分析

目前,我国110kV及以上等级的大型电力变压器主要采用油纸绝缘结构,变压器油同时承担着绝缘介质和冷却媒质的作用,是油浸式变压器的重要组成部分.变压器油中包含70％的变压器故障信息,对油中溶解气体进行色谱分析是常用有效的一种变压器故障诊断方法.通过总结利用变压器油中溶解气体进行故障诊断的两大类经典方法,在此基础上分析并提...     

谈谈安全管理中变压器早期故障在线监测

通过对变压器内部故障发展过程的分析，提出油中氢气水分在线监测早期检出局部放电性故障的必要性和可靠性，并论述了油中气体在线监测装置应具备的基本功能。     

基于油中溶解气体的变压器内部故障分析

变压器油中溶解气体分析技术,是用气相色谱分析变压器油样中溶解气体的成分和含量,判定变压器有无内部故障,诊断故障类型,并推定故障点的温度、故障能量等。介绍了变压器故障时产气特征,分析了基于三比值法的变压器故障类型判断方法,并结合三个实际案例分析了此方法的故障诊断效果。     

样本规范化在故障诊断神经网络方法中的应用

在神经网络模型中,训练样本的不同特征变量(输入变量)反映响应变量(输出变量)的灵敏程度有一定的差别,若将各特征变量直接作为神经网络的输入,则会湮没一些弱小量可能含有的有效信息.采用油中溶解气体分析法建立以变压器油中溶解气体含量为输入,变压器故障类型为输出的BP神经网络变压器故障诊断模型,分别运用最大值最小值规范化、一般浓度规范化、特征浓度规范化三种方法对训练样本进行规范化.研究结果表明,不同样本规范化方法对故障诊断效果的影响显著,运用特征浓度规范化进行规范化处理要优于其他方法.