分享到:

基于RBF神经网络的变压器保护

1引言变压器作为发电厂和变电站的主要设备,它的安全运行与否直接关系到电力系统的安全运行,所以变压器的保护就显得非常重要。随着国民经济的迅速发展,电力系统的建设在不断的扩大,电力变压器的数量也在不断的增加。传统的只靠运行人员的丰富经验来判断电力变压器故障的方法,已经不能满足电力运行的需要。为使电力生产顺利进行,很有必要借助智能系统来进行变压器的故障诊断,从而提高电力系统安全运行的能力。近年来,随着人工智能的不断发展,以模糊技术、人工神经网络和遗传算法为代表的智能理论方法在电力系统领域得到了十分广泛的应用。人工神经网络是人工智能较为突出的一种,它是对人脑神经网络的模拟,用一个节点模拟单个神经元,并相互连接形成网状,其所有信息都体现在网络的结构和神经元连接的权值上。本文就RBF神经网络在电力变压器故障诊断中的应用作以下介绍。2RBF神经网络的结构及训练算法2·1结构RBF神经网络是单隐层的前向网络,它由三层构成:第一层是输入层,第二层...  (本文共4页) 阅读全文>>

西南交通大学
西南交通大学

基于人工神经网络的变压器微机保护研究

随着国民经济的不断发展,对电力的需求日益增加,同时要求电力系统的容量不断增加。大容量的电力变压器被广泛采用,对电力变压器保护的快速性和可靠性提出了新的要求。差动保护一直以来是变压器的主保护。如何提高大型变压器差动保护的快速性、灵敏性和可靠性,是倍受关注的研究领域。迄今,变压器差动保护的核心问题仍然是如何准确识别励磁涌流。目前应用于实际的励磁涌流识别方法均不能很好地满足现代大型电力变压器保护的要求。为能适应大型变压器保护的要求,有必要探索更加快速、可靠的励磁涌流识别新方法。径向基函数神经网络是一种新颖有效的前馈式神经网络,它具有其他前向网络所不具有的最佳逼近的性能和分类能力,并且结构简单,训练速度快。因此,径向基函数神经网络运用于分类时有其独特的优势。在径向基函数神经网络中,隐层中心的数量和位置的选择是整个网络性能优劣的关键,直接影响网络的分类能力。本文在研究RBF网络传统学习算法的基础上,提出了基于粒子群的径向基函数神经网络优化...  (本文共74页) 本文目录 | 阅读全文>>

河北工业大学
河北工业大学

油浸式电力变压器的故障诊断方法研究

油浸式电力变压器(简称变压器)在现运行变压器中占很大一部分,并且在电力传输和分配中发挥着关键作用,是电力系统安全、稳定运行的重要保证。因此,加强对变压器故障诊断方法的研究,对保障人民正常生活和国民经济健康运行具有重要的现实意义。当前变压器的故障诊断方法中,存在结构复杂、计算量大等问题。鉴于此,论文总结并分析了变压器故障类别及其原因,通过一定的历史数据研究某一具体变压器特征气体在故障类型中的变化规律,在此基础上进一步探究了气体多比值判据在变压器故障诊断中的应用,同时对变压器常用的电气试验方法和故障诊断中利用的辅助手段进行了总结。基于此,论文就三种变压器故障诊断方法进行了研究。第一,在油溶解气体分析技术的基础上,结合特征气体多比值故障判据,提出了基于变精度粗糙集(VPRS)理论的变压器故障诊断方法,将变压器故障信息与故障类别进行规则匹配,进而对其故障类型作出判断。为此,首先建立变压器故障诊断决策表;然后利用基于信息量与重要度加权的算...  (本文共89页) 本文目录 | 阅读全文>>

西华大学
西华大学

基于神经网络的变压器故障诊断技术的研究

电力变压器是电力系统中最为关键的设备之一,是对电力系统安全,可靠、优质、经济运行的重要保证,必须最大限度的防止和减少变压器事故的发生。电力变压器故障诊断对电力系统的安全经济运行有着十分重要的意义。油中溶解气体分析法是早期发现和预防变压器故障的最有效方法之一。由于神经网络对外界的输入样本具有很强的识别分类能力和联想记忆等信息处理特点,使得人工神经网络应用于变压器故障诊断得以实现。因此,研究以变压器油中溶解气体为特征量的神经网络故障诊断方法,为变压器故障诊断提供了新的途径。本文首先对变压器故障诊断的方法进行了系统的研究,分析比较了几种传统的变压器故障诊断方法的优缺点,如:IEC三比值法、罗杰斯法、电协研法等。然后运用人工智能的手段,对变压器状态检测所获得的数据进行分析和处理,从而掌握被监测对象的运行状态或故障原因。在广泛查阅相关文献的基础上,系统阐述了电力变压器故障类型和特征气体以及不同种类故障与不同种类特征气体含量之间的相应关系,...  (本文共83页) 本文目录 | 阅读全文>>

天津大学
天津大学

基于油中溶解气体分析的变压器神经网络诊断系统研究

目前,电力系统的检修体制正由定期检修向状态检修转变,而状态检修是以了解电气设备的运行状态为基础的。油中溶解气体分析法是早期发现和预防变压器故障的最有效方法之一。本文首先介绍了变压器的常见故障及油中气体的产生机理,研究变压器故障类型与油中特征气体的关系,并简要介绍、分析了几种传统的故障诊断方法。由于传统的诊断方法无法进行实时监测且诊断正确率不高,因此有必要开发可实时进行监测、诊断正确率高的诊断方法。人工神经网络是目前应用最广泛的技术,且具有十分良好的发展前景。由于神经网络对外界的输入样本具有很强的识别分类能力和联想记忆等信息处理特点,使得利用人工神经网络对变压器进行实时故障诊断分析成为切实可行的办法。本文在简要介绍人工神经网络的模型和学习规则之后,分别针对BP神经网络和RBF神经网络的拓扑结构、特点和常用算法进行了阐述,并利用这两种神经网络系统开发了针对油中溶解气体分析的变压器故障诊断系统。在变压器故障诊断的BP网络设计和RBF网...  (本文共53页) 本文目录 | 阅读全文>>

上海电力学院
上海电力学院

电力变压器故障诊断系统的研究

变压器是电力系统中最重要的设备之一,它的运行状态直接关系到整个电网的安全与稳定,所以对其进行故障的监测与诊断是非常有必要的。基于油中溶解气体分析的比值法是当前应用最为广泛的诊断方法,它具有简单易用的特点,然而比值法也存在着较多的缺陷,例如编码不全,故障划分区间过于绝对等等。因此本文提出了利用基于粒子群优化(PSO)算法的径向基函数(RBF)神经网络(PSO-RBFNN)进行变压器故障诊断系统的设计,以解决传统诊断方法的不足之处。RBF神经网络是属于一种有监督的网络,其最终的诊断性能,很大程度上依赖于两个方面,一是训练样本的选择;二是网络参数的确定。针对RBF神经网络训练样本的选择问题,通常采用随机挑选的方法,即从总样本中随机挑选出训练样本,这种方法虽然简单,但是在总样本数较少的情况下,得出的训练样本较为片面,分布不均匀,从而严重影响RBF神经网络的知识获取,以及最终的网络性能。所以本文提出了基于聚类法的划分方法,首先利用聚类法分...  (本文共70页) 本文目录 | 阅读全文>>