智能故障診斷方法研究及應(yīng)用.pdf

1、該論文主要研究了神經(jīng)網(wǎng)絡(luò)、灰關(guān)聯(lián)度理論、遺傳算法以及模糊優(yōu)選理論在變壓器故障診斷中的應(yīng)用.文中所采用的智能算法都明顯提高了變壓器的故障識(shí)別率.神經(jīng)網(wǎng)絡(luò)在故障診斷中的應(yīng)用通常是采用標(biāo)準(zhǔn)BP網(wǎng)絡(luò).為了提高BP網(wǎng)絡(luò)的學(xué)習(xí)效率,該文將Levenberg-Marquart(L-M)算法引入到BP網(wǎng)絡(luò)中進(jìn)行網(wǎng)絡(luò)權(quán)值的學(xué)習(xí).其收斂速度和穩(wěn)定性都優(yōu)于標(biāo)準(zhǔn)BP算法.該文將該算法用于變壓器的在線實(shí)時(shí)故障診斷中,取得了較滿意的效果.利用灰色關(guān)聯(lián)度可以對(duì)系統(tǒng)動(dòng)

2、態(tài)發(fā)展過程量化分析以考察系統(tǒng)諸因素之間的相關(guān)程度,其基因思想是根據(jù)曲線間相似程度來判斷因素間的關(guān)聯(lián)程度.在變壓器的故障診斷中普遍采用油中溶解氣體分析(DGA)導(dǎo)則推薦的三比值法.但因其比值范圍不全,常導(dǎo)致在實(shí)際診斷過程中出現(xiàn)不能判斷的情況.該文提出的方法可在一定程度上彌補(bǔ)這一缺點(diǎn).遺傳算法是一種模仿生物進(jìn)化過程的全局優(yōu)化算法.它提供了一種求解復(fù)雜系統(tǒng)優(yōu)化問題的通用框架,對(duì)問題的種類有很強(qiáng)的魯棒性.該文在概率因果推理模型的基礎(chǔ)上,引入模糊

3、理論,重新建立了模糊概率因果變壓器故障診斷模型,并從非線性組合優(yōu)化的角度提出了該模型的遺傳算法求解策略.仿真結(jié)果表明,該文提出的新方法同時(shí)提高了并發(fā)性故障和單故障的識(shí)別率.該文提出的模糊優(yōu)選法進(jìn)行變壓器故障診斷,是根據(jù)標(biāo)準(zhǔn)故障模式對(duì)待檢模式相似的相對(duì)隸屬度的大小來判斷故障,比模糊平均加權(quán)模型對(duì)故障的判別更為清晰.仿真結(jié)果亦表明該方法不僅能診斷出使用三比值方法中所無法判斷的故障,而且對(duì)故障的判別更為清晰.所建模型還能部分地對(duì)故障進(jìn)行定位分