基于油中溶解气体分析的变压器神经网络诊断系统研究

摘要

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网络设计中，主要介绍了学习样本的收集及预处理，对输入输出模式特别是输入层数、输出层数进行了讨论，并对两种诊断方法进行了仿真。
　　 通过对两种诊断方法的仿真结果比较可知，由于RBF网络本身的特性，使得在变压器故障诊断中采用RBF神经网络的诊断效果明显比BP神经网络的诊断效果要好。

目录

文摘

英文文摘

声明

第一章绪论

1.1变压器故障诊断的意义

1.2专家系统的结构和特点

1.3人工神经网络的发展与特点

1.4本文所做的工作

第二章变压器油中气体分析及故障诊断方法

2.1变压器常见的故障类型

2.2变压器油中气体产生机理

2.2.1变压器油的性质

2.2.2变压器油中气体产生的机理

2.3变压器故障和油中特征气体的关系

2.4油变压器的常规故障诊断方法

2.4.1色谱分析法

2.4.2状态量监测法

2.4.3三比值判断法

2.4.4灰色关联分析法

2.5小结

第三章神经网络系统

3.1人工神经网络模型及学习规则

3.1.1人工神经元模型

3.1.2神经网络的分类

3.1.3神经网络的学习规则

3.2 BP神经网络

3.2.1 BP神经网络模型

3.2.2 BP神经网络学习算法

3.3 RBF神经网络

3.3.1 RBF神经网络模型

3.3.2 RBF神经网络学习算法

3.4小结

第四章变压器故障诊断的设计

4.1 BP网络设计

4.1.1学习样本的收集和预处理

4.1.2确定输入／输出模式

4.1.3 BP网络结构及参数的确定

4.1.4.BP网络仿真结果

4.2 RBF网络设计

4.2.1 RBF网络模型

4.2.2 RBF网络参数选取

4.2.3网络训练方法的确定

4.2.4 RBF网络仿真结果

4.3.两种诊断方法的比较

4.3.1网络训练的过程比较

4.3.2网络训练的结果比较

4.4小结

第五章总结与展望

参考文献

致谢