電力變壓器的智能故障診斷系統(tǒng)研究.pdf

1、電力變壓器作為電網中的核心設備之一，它的正常工作是電力系統(tǒng)安全、可靠、優(yōu)質、經濟運行的重要保證。但是目前隨著變壓器額定電壓的提高、單臺容量的增大以及運行年限的增長，變壓器停電進行預防性試驗的代價越來越高，因此，以在線檢修為主要方式的電力變壓器故障狀態(tài)檢測技術便應運而生。它是以變壓器當前的實際工作狀況為依據，識別故障早期的征兆，并對故障部位、故障嚴重程度及發(fā)展趨勢做出判斷。 本文在建立變壓器故障運行狀態(tài)評估的層次指標體系和對定量、

2、定性指標量化的基礎上，對變壓器狀態(tài)評估中的幾個關鍵問題進行了深入的研究。 由于電力變壓器故障的模糊性和多樣性，目前利用IEC三比值法在變壓器故障診斷中存在準確率不高之難題。本文針對電力變壓器的特點，綜合考慮各因素的影響，將模糊邏輯和pi-sigma神經網絡融合在一起，構建了基于混合pi-sigma神經網絡及其算法的變壓器故障診斷模型，其中在學習速率的選擇、隸屬度函數參數的更新等多處進行了改進，進一步減小了預測誤差。用訓練過的混合

3、pi-sigma神經網絡模型對變壓器故障進行驗證和診斷的仿真結果表明，該算法具有較快的收斂速度和較高的計算精度。證實了該算法應用于電力變壓器故障診斷的有效性。 從海量數據中學習分類知識，尤其是當獲得大量的帶有類別標注的樣本代價較高時，增量學習是解決該問題的有效途徑。本文探討了一種基于增量式貝葉斯分類器的以溶解氣體分析為主結合其它電氣試驗結果的變壓器綜合故障診斷方法，該模型可以通過不斷積累完善訓練樣本，自動修正網絡結構參數和概率分