基于人工神經(jīng)網(wǎng)絡的電力變壓器故障診斷

摘要

變壓器結(jié)構(gòu)復雜，常見的故障包括繞組故障、鐵性故障、放電故障、又和油紙絕緣故障、變壓器組件故障以及油流故障等，目前常見的監(jiān)測手段很難做到監(jiān)測所有類型的故障。主要原因是各種故障的特征量不是絕對可靠，而且各種故障之間也存在一定的聯(lián)系，這就進一步增加了變壓器故障識別的難度。但是，由于變壓器在電力系統(tǒng)中的作用不容忽視，因此需要全力研究一種能全面智能監(jiān)測變壓器故障的設備。

關(guān)鍵詞：人工神經(jīng)網(wǎng)絡；電力變壓器；故障

目錄

摘要1

第1章 基于神經(jīng)網(wǎng)絡的變壓器故障診斷1

1.1神經(jīng)元模型1

1.2BP 神經(jīng)網(wǎng)絡2

1.2.1BP 神經(jīng)網(wǎng)絡模型2

1.2.2改進 BP 神經(jīng)網(wǎng)絡4

1.3基于神經(jīng)網(wǎng)絡的變壓器的故障診斷7

1.3.1網(wǎng)絡拓撲結(jié)構(gòu)7

1.3.2網(wǎng)絡訓練7

1.3.3診斷算例分析8

第2章 基于 BP 神經(jīng)網(wǎng)絡的變壓器關(guān)鍵參數(shù)聯(lián)合診斷模型研究10

2.1BP 神經(jīng)網(wǎng)絡的基本原理10

2.1.1BP 神經(jīng)網(wǎng)絡的拓撲結(jié)構(gòu)10

2.1.2BP 算法的實現(xiàn)11

2.2以局部放電和 DGA 為特征量的 BP 神經(jīng)網(wǎng)絡聯(lián)合診斷模型構(gòu)造13

2.2.1輸入特征向量13

2.2.2輸出特征向量13

2.2.3隱藏層節(jié)點數(shù)13

2.2.4學習樣本的選取14

參考文獻17