基于油中溶解气体分析的变压器故障诊断方法研究

摘要

在介绍变压器典型故障的基础上，分析了变压器油中溶解气体形成机理以及国内外各种基于变压器油中溶解气体分析的传统方法及人工智能方法。介绍了3种神经网络及其算法，在MATLAB中实现了各种算法并进行了训练和诊断。考虑到各种神经网络的诊断结果存在一定程度上的互补性，在此基础上提出了一种利用D-S证据理论融合3种神经网络诊断结果的变压器故障诊断方法。实例的诊断表明所提出方法确实能有效提高基于色谱的变压器故障诊断的准确性和可靠性。

目录

文摘

英文文摘

声明

第一章 绪论

1.1选题的背景及意义

1.2国内外的研究现状

1.2.1传统方法

1.2.2基于人工智能的方法

1.3本文的主要工作

第二章 变压器油中溶解气体分析的原理及方法

2.1变压器运行中常见故障及分类

2.2变压器油中气体产生和消失

2.2.1变压器油的成份及气体产生机理

2.2.2变压器固体绝缘的成份及气体产生机理

2.3变压器典型的内部故障与油中气体组分的关系

2.4经典的故障诊断方法

2.4.1变压器是否故障的判断方法

2.4.2特征气体法

2.4.3比值法

2.5其它的各种辅助判断方法

2.6本章小结

第三章 神经网络在变压器油中溶解气体分析故障诊断中的应用

3.1神经网络的背景知识

3.1.1神经网络的定义

3.1.2神经网络的特点

3.1.3人工神经元模型

3.1.4神经网络的拓扑结构及工作方式

3.1.5神经网络的学习

3.2 L-M神经网络

3.3 RPROP神经网络

3.4 RBF神经网络

3.4.1基本原理

3.4.2 SASCC算法

3.5多种神经网络的训练和诊断

3.5.1神经网络模型

3.5.2神经网络的训练和诊断效果

3.6本章小结

第四章 神经网络诊断结果的信息融合

4.1信息融合的原理和方法

4.1.1信息融合的基本原理

4.1.2信息融合的级别

4.1.3信息融合的方法

4.2 D-S证据理论及其在变压器诊断中的应用

4.2.1基本原理

4.2.2实例应用

4.3本章小结

第五章结论

参考文献

致 谢

在学期间发表的学术论文和参加科研情况