基于油色谱分析的变压器故障智能诊断研究

摘要

变压器是电力系统的重要组成单元，其能否正常运行关系着国民经济的发展。目前，开展变压器的状态评估以及基于状态评估的维修技术已经成为现代电力系统的发展潮流之一。变压器的油纸绝缘系统的风险评估和老化水平评估结果是制定变压器维修策略的重要依据。
　　油中溶解气体分析法(Dissolved Gas Analysis，DGA)是诊断变压器故障的有效方法。本文以提高基于油中气体诊断变压器故障的能力为目标，对DGA方法进行了改进。
　　首先，本文以微观化学的角度，分析了变压器内部发生故障时，油中气体复杂的化学反应机理，建立了气体与故障的一一对应关系;其次，对传统DGA方法的优缺点进行了分析，并引入了BP神经网络，对BP算法进行了改进;再次，以实际问题为依据对BP神经网络进行了设计，确定了输入层、隐含层、输出层的三层模型以及训练样本和函数，并通过测试样本仿真验证了神经网络系统的有效性;最后，为进一步改善BP神经网络的性能，在样本训练时加入了遗传算法，提高了收敛速度和鲁棒性。经过仿真验证，GA-BP神经网络具有更好的诊断效果。同时，结合产气速率法，得到更为完整的诊断结论。

目录

声明

摘要

第1章 绪论

1．1 课题背景和意义

1．2 国内外研究概述

1．2．1 经典传统方法

1．2．2 人工智能方法

1．3 课题研究内容

第2章 变压器油中气体产生机理及对应状态

2．1 变压器油中气体的产生机理

2．1．1 绝缘油分解成因及过程

2．1．2 固体绝缘材料分解的缘由

2．1．3 油中气体其他方式的来源

2．2 变压器故障对应气体成分

2．3 基于油中气体变压器故障的传统判断方法

2．3．1 特征气体法

2．3．2 改良三比值法

2．3．3 产气速率法

2．4 本章小结

第3章 神经网络基本原理与常用模型

3．1 神经网络简介

3．2 人工神经网络的结构组成和类型

3．2．1 神经元

3．2．2 人工神经网络简介

3．3 反向BP算法

3．3．1 反向BP网络的基本结构

3．3．2 BP学习算法

3．3．3 BP神经网络算法的不足及改进

3．4 本章小结

第4章 应用人工神经网络诊断变压器故障

4．1 人工神经网络在故障诊断中的应用

4．2 用于变压器故障诊断的BP神经网络的设计

4．2．1 训练函数和样本选取

4．2．2 BP网络输入与输出参数的确定

4．2．3 输入数据的预处理

4．2．4 网络中间神经元数目

4．3 BP神经网络诊断模型的仿真实例分析

4．4 本章小结

第5章 融合遗传算法的神经网络故障辨识

5．1 遗传算法简介

5．2 遗传算法参数设计

5．3 融合遗传算法的神经网络故障诊断测试

5．4 实例分析

5．5 本章小结

第6章 总结与展望

6．1 全文总结

6．2 工作展望

参考文献

致谢

作者简介