電力變壓器的智能故障診斷研究.pdf

1、電力變壓器是電力系統(tǒng)中最重要的電氣設(shè)備之一，也是導(dǎo)致電力系統(tǒng)事故最多的電氣設(shè)備之一，其運行狀態(tài)直接影響系統(tǒng)的安全性水平。及時發(fā)現(xiàn)變壓器的潛伏性故障，保證變壓器的安全運行，從而提高供電的可靠性，是電力部門關(guān)注的一個重要問題。因此，研究變壓器故障診斷技術(shù)，提高變壓器的運行維護(hù)水平，具有重要的現(xiàn)實意義。
　　 由于故障征兆和故障類型之間常常存在復(fù)雜的非線性關(guān)系，使得診斷系統(tǒng)的數(shù)學(xué)模型很難獲取。而人工神經(jīng)網(wǎng)絡(luò)以其分布式并行處理、自適應(yīng)、

2、自學(xué)習(xí)、聯(lián)想記憶以及非線性映射等優(yōu)點，為解決這一問題開辟了新途徑。因此，本文采用神經(jīng)網(wǎng)絡(luò)方法為核心并結(jié)合油中溶解氣體分析來研究變壓器故障診斷系統(tǒng)。
　　 本文首先對電力變壓器的故障及其診斷技術(shù)進(jìn)行了簡要的概述，接著綜合分析了遺傳算法、人工神經(jīng)網(wǎng)絡(luò)及小波變換的基本理論、運行機(jī)理及各自的優(yōu)、缺點。并針對具體問題研究、改進(jìn)了一種基于遺傳小波神經(jīng)網(wǎng)絡(luò)的故障診斷模型。該模型首先采用改進(jìn)的遺傳算法對小波神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和參數(shù)進(jìn)行優(yōu)化學(xué)習(xí)，接著

3、采用BP算法對網(wǎng)絡(luò)進(jìn)行訓(xùn)練。用訓(xùn)練過的遺傳小波神經(jīng)網(wǎng)絡(luò)對變壓器進(jìn)行故障診斷，仿真結(jié)果表明該算法能夠有效地解決小波神經(jīng)網(wǎng)絡(luò)極易陷入局部極小和遺傳算法獨立訓(xùn)練神經(jīng)網(wǎng)絡(luò)速度緩慢等缺點，診斷的精確度也有所提高。
　　 本文還改進(jìn)了基于量子神經(jīng)網(wǎng)絡(luò)的電力變壓器故障診斷方法，該方法是將量子理論中的量子態(tài)疊加思想應(yīng)用于神經(jīng)網(wǎng)絡(luò)形成多層激活函數(shù)的量子神經(jīng)網(wǎng)絡(luò)，使量子神經(jīng)網(wǎng)絡(luò)有了一種固有的模糊性，很好地解決了變壓器故障診斷時故障模式間存在交叉數(shù)據(jù)

4、的模式識別問題，用訓(xùn)練過的量子神經(jīng)網(wǎng)絡(luò)對電力變壓器進(jìn)行故障診斷，仿真實驗結(jié)果表明這種方法具有很高的故障診斷率和很低的誤診斷率。
　　 本文最后改進(jìn)了基于量子遺傳算法的變壓器故障診斷方法，量子遺傳算法是一種基于量子計算概念、理論的進(jìn)化算法，它采用量子編碼表征染色體，能夠表示出解的線性疊加態(tài)，獲得更好的種群多樣性、更快的收斂速度和全局尋優(yōu)的能力。用訓(xùn)練過的量子遺傳算法對電力變壓器進(jìn)行故障診斷，仿真實驗結(jié)果表明量子遺傳算法比傳統(tǒng)的量子