基于改進(jìn)模糊Petri網(wǎng)的電力變壓器故障診斷.pdf

1、隨著經(jīng)濟(jì)的快速發(fā)展，我國電力系統(tǒng)的規(guī)模日趨龐大。電力變壓器是維系電力系統(tǒng)正常運(yùn)行的關(guān)鍵設(shè)備。電力變壓器的正常運(yùn)行是保證電力系統(tǒng)安全可靠供電的基礎(chǔ)。研究變壓器故障診斷技術(shù)，及早發(fā)現(xiàn)變壓器故障，是保證變壓器正常運(yùn)行的關(guān)鍵。
　　將現(xiàn)代人工智能算法應(yīng)用于電力變壓器故障診斷是技術(shù)發(fā)展的必然趨勢。如將遺傳算法、BP神經(jīng)網(wǎng)絡(luò)算法、專家系統(tǒng)等與變壓器故障診斷相結(jié)合的診斷模型層出不窮，較傳統(tǒng)診斷方法也取得了不錯(cuò)的診斷效果。但是這些診斷方法都存在對

2、于復(fù)雜故障診斷準(zhǔn)確率不高的問題，本文嘗試采用改進(jìn)模糊Petri網(wǎng)建立故障診斷模型來彌補(bǔ)這一缺陷。
　　本文采用具有良好學(xué)習(xí)能力和自適應(yīng)能力的BP神經(jīng)網(wǎng)絡(luò)通過不斷反向傳播調(diào)整確定模糊Petri網(wǎng)弧權(quán)值、觸發(fā)閾值和推理可信度網(wǎng)絡(luò)參數(shù)，彌補(bǔ)模糊Petri網(wǎng)不具備學(xué)習(xí)能力的缺陷;再結(jié)合不依賴初始數(shù)據(jù)的蟻群算法改善BP神經(jīng)網(wǎng)絡(luò)對初始值過于敏感的缺點(diǎn)，加速模型收斂速度，最終建立BP神經(jīng)網(wǎng)絡(luò)結(jié)合蟻群算法模糊Petri網(wǎng)電力變壓器故障診斷模型。將

3、上述算法經(jīng)MATLAB編程實(shí)現(xiàn)，運(yùn)行程序?qū)λ憷M(jìn)行測試，結(jié)果表明該算法效果良好，具有較高診斷精度。
　　為避免某些特殊情況下單獨(dú)使用基于油中溶解氣體濃度比值故障診斷方法造成的變壓器故障誤判、漏判情況發(fā)生，本文提出一種基于油中故障特征氣體產(chǎn)氣速率的BPFPN(Back Propagation evolving Fuzzy Petri Nets，BPFPN)電力變壓器故障診斷模型。將故障特征產(chǎn)出速率與模糊Petri網(wǎng)相結(jié)合，經(jīng)實(shí)例驗(yàn)證