基于油中溶解氣體分析的變壓器內(nèi)部故障診斷方法研究.pdf

1、本文從介紹變壓器的典型故障入手,尤其針對變壓器的內(nèi)部故障,分析了變壓器油中溶解氣體的與變壓器內(nèi)部故障類型之間的對應(yīng)關(guān)系,在大量收集故障特征氣體樣本的基礎(chǔ)上,建立了故障樣本集,為神經(jīng)網(wǎng)絡(luò)提供數(shù)據(jù)支持。
　　由于變壓器故障類型與故障表征之間往往關(guān)系復(fù)雜且存在不確定性和非線性,使得故障診斷的數(shù)學(xué)模型難以獲得。而人工神經(jīng)網(wǎng)絡(luò)由于自身的明顯優(yōu)勢,比如自適應(yīng)、自學(xué)習(xí)、分布式并行處理、聯(lián)想記憶以及非線性映射等優(yōu)點,為解決這一難題開辟了一條新的途

2、徑。
　　針對目前變壓器故障診斷系統(tǒng)大多數(shù)都是采用BP神經(jīng)網(wǎng)絡(luò)模型,本文利用收集建立的故障氣體樣本數(shù)據(jù)在MATLAB中實現(xiàn)了各種算法診斷的訓(xùn)練仿真,根據(jù)仿真結(jié)果發(fā)現(xiàn)BP神經(jīng)網(wǎng)絡(luò)由于其自身的結(jié)構(gòu)特點和網(wǎng)絡(luò)的不足,在訓(xùn)練樣本規(guī)模擴大和診斷精度要求提高的情況下,網(wǎng)絡(luò)往往會出現(xiàn)不收斂和極易陷入局部最優(yōu)值的情形,這給故障診斷帶來了不小的挑戰(zhàn)。
　　為了克服上述BP網(wǎng)絡(luò)的不足,本文提出使用一種基于概率神經(jīng)網(wǎng)絡(luò)的變壓器故障診斷模型應(yīng)用于變

3、壓器的故障診斷中。在實際應(yīng)用中,尤其是在解決模式識別、分類問題的應(yīng)用中概率神經(jīng)網(wǎng)絡(luò)有較好的效果,它的優(yōu)勢在于用線性學(xué)習(xí)算法來完成非線性學(xué)習(xí)算法所做的工作,同時保持非線性算法的高精度等特征;這種網(wǎng)絡(luò)對應(yīng)的權(quán)值就是模式樣本的分布,網(wǎng)絡(luò)不需要反復(fù)訓(xùn)練,所以完全可以滿足實時處理的要求。通過大量的仿真結(jié)果表明,概率神經(jīng)網(wǎng)絡(luò)應(yīng)用于變壓器故障診斷大大提高了診斷速度和精度,與BP網(wǎng)絡(luò)相比概率神經(jīng)網(wǎng)絡(luò)在故障診斷的速度、樣本追加、精確度和容錯上都明顯占優(yōu)。