基于改进模糊时间序列的变压器油中气体预测方法

对变压器油中溶解气体含量进行预测有助于及早发现变压器内部的潜伏性故障,且对于更好地实现状态检修有着重要的指导意义.针对变压器油中气体组分数据丰富、正常运行状态下各组分含量变化趋势不明显的特点,提出基于模糊时间序列模型的变压器油中气体组分预测方法.考虑到油中气体组分的变化是相互作用和影响的,从论域划分角度对经典模糊时间序列模型进行改进,提出基于空间模糊C均值(fuzzy C-means,FCM)论域划分的多因素模糊时间序列模型.通过实例分析证明该方法能很好地拟合油中气体组分的变化趋势,且与经典模糊时间序列模型及一维FCM划分模糊时间序列模型的对比分析,验证了改进模型在预测效果上的优越性.     

柘林水电厂主变压器油中溶解气体分析与故障探讨

依据近两年（１９９６ 年７ 月～１９９８ 年４ 月） 江西柘林水电厂二号主变绝缘油跟踪检测的结果，采用ＩＥＣ 法及ＴＤ 图法对该变压器油中溶解气体进行分析，探讨了该主变压器的故障性质及所采取的对策     

基于贝叶斯网络和假设检验的变压器故障诊断

电力变压器故障的准确诊断对于电网的可靠运行至关重要.为此,提出一种基于贝叶斯网络和假设检验的溶解气体分析的新型多分类概率诊断模型.该贝叶斯网络模型可嵌入专家知识,从数据中学习数据模式并推断与诊断结果相关的不确定性,并且通过假设检验环节改进数据的选择过程.最后,基于IEC TC10数据集,对比3种传统诊断方法进行诊断实验...     

用油中溶解气体色谱分析法诊断变压器故障

文章通过对变压器油中溶解气体进行色谱分析,对变压器故障进行诊断,并给出实例.     

基于仿真的变压器模糊故障诊断

在仿真系统中,变压器多种故障征兆与多种故障原因之间存在不确定性和复杂性。文章在总结领域专家经验基础上,采用模糊诊断方法,根据变压器的征兆集和故障集的相互关系够建模糊诊断矩阵;通过模糊关系矩阵运算,提出最大隶属度原则判断变压器故障原因。测试和评价结果表明模糊诊断在仿真系统中的有效性和可行性。     

基于改进PSO-FNN神经网络变压器故障检测研究

针对电力变压器故障难以准确诊断的问题,提出了一种基于改进粒子群算法(PSO)的模糊神经网络(FNN)诊断模型。该模型运用模糊神经网络,同时结合变压器故障与变压器油中各气体成分之间的密切关系,确定了神经网络输入变量,同时在标准粒子群算法中引入遗传变异因子对模型进行训练,提高了训练精度。MATAB软件测试结果表明,模型预测精度较高,可进一步研究应用。     

基于决策树支持向量机模型的变压器故障诊断法

根据对变压器常见故障原因和危害程度的分析,构造了电力变压器故障诊断决策树。其判定级别为自上而下,而决策树的每一叶都对应着一种具体的故障模式,并选用不同的支持向量机单元模块作为决策树不同分支中的基本分类器,建立组合支持向量机模型,实现了对故障的多分辨识别,该方法提高了故障分析及预测的准确度。应用结果表明该系统模型是富有成效的。     

非典型变压器故障时溶解气体异常的案例分析

通过分析几起非典型变压器故障的案例,得出了变压器运行时油中溶解气体的某些变化与变压器内部过热和放电故障并不存在必然联系的结论,同时指出了气体发生变化的原因,并提出了处理的方法.     

基于模糊ART神经网络的变压器局部放电模式识别

对变压器主要放电类型的3种局部放电典型电极模型进行试验,通过分析计算提取局部放电信号特征量,建立相应的局部放电信号特征库,以此作为模糊ART网络的输入,对局部放电的类型进行模式识别,并将识别结果与BP网络的识别结果进行对比。实验结果表明,模糊ART网络用于变压器局部放电模式识别是有效的。     

基于模糊理论与支持向量机的变压器故障诊断方法

摘 要:针对变压器结构的复杂性和故障机理的多样性,提出一种基于模糊理论和支持向量机的变压器故障诊断方法.该方法首先采用模糊理论对故障样本数据进行预处理,提取故障特征,再用支持向量机方法进行故障分类,通过采用一对多(1-α-r)的方法实现多目标分类,得出诊断结果.针对支持向量机参数不易确定的问题,采用多层动态自适应算法...     

基于改进关联规则挖掘的变压器油中溶解气体分析模型

关联规则挖掘算法常用于基于油中溶解气体分析的变压器故障诊断中。为进一步提升诊断效果,提出一种基于改进关联规则挖掘模型的变压器故障诊断方法。首先,构建可调整的状态重要度评估标准计算方式,能够适应不同输入特征并将其中的罕见高危数据纳入分析,从而有效应对现实应用过程中可能出现的极端状况;其次,直接基于输入特征量导致的故障风险而非特征量的数据占比或出现频率求解相应故障风险权重,能够更加准确地衡量各特征量所带来的影响;最后应用Relim算法进行关联规则挖掘,从而改善挖掘效率。实例仿真结果表明,所提出方法相较采用固定重要度评估标准计算方式、传统风险权重求解方法以及Apriori关联规则挖掘算法的故障诊断方法,具有更好的诊断准确率、实际可行性以及运算效率。     

基于层次分析的变压器故障诊断决策支持系统

阐述了一套基于层次分析方法的变压器油色谱故障诊断决策支持系统,故障诊断模块使用改良电协研法、灰色关联熵、模糊聚类、人工神经网络等单项分析,弥补了现有诊断方法中的不足.针对每种诊断方法可能出现结论不一致的情况,系统综合分析方法采用层次分析的方法来实现,能对变压器色谱数据进行故障诊断,给出综合分析结论及建议.通过对平顶山电网中的色谱数据进行诊断及其他应用实例,验证了系统的有效性.     

电力变压器故障诊断的人工神经网络方法

电力变压器故障诊断对变压器、电力系统的安全运行有着十分重要的意义．在介绍人工神经网络（ANN）和模糊理论的基本工作原理的基础上,针对变压器故障诊断的特点,运用油中溶解气体分析法（DGA）,采用分块化的反向传播神经网络（BP）,建立了变压器故障诊断的神经网络模型．通过训练和实际测试,表明了这一方法的有效性和可行性．     

电力变压器设备故障概率计算方法研究

变压器故障概率计算复杂、应用性强,是工程实践和研究领域中最为关切的问题之一。分析了变压器故障概率计算方法研究现状,并重点提出了融合故障树分析和设备状态量评价的变压器故障概率综合计算方法。基于故障树分析方法获取变压器故障因素及故障树底事件,与对应状态量建立关联后进行评价,并采用模糊综合评判法求取变压器故障状态量表征权重,最终构建出变压器故障概率综合计算公式模型。以实际计算案例验证了所提方法的应用效果。     

基于多尺度卷积神经网络的变压器故障诊断方法

为了提高变压器故障识别的诊断精度,提出一种基于多尺度卷积神经网络模型的变压器故障诊断方法。首先,在1DCNN结构基础上设计2个多尺度卷积模块,构造变压器故障识别模型的总体结构。其次,针对样本特征较少问题,采用基于比值法的特征扩充方法,将样本特征由5维增强至25维;针对故障样本量少以及故障间样本数分布不平衡问题,采用基于对抗生成网络的样本数增强方法,生成大量模拟样本。最后,利用改造后的数据集对所设计的模型进行训练与测试。结果表明,模型平均准确率为93.24%,与相关主流方法在不同数据集下实验对比,本模型表现效果良好。     

基于模糊神经网络的设备故障诊断分析

建立了一个模糊神经网络,用主成分分析法提取故障发生的特征运行参数,确定所建立的模糊神经网络的输入向量个数,再用动态聚类法对所采集的大样本进行故障分类,确定所建立的模糊神经网络的输出向量个数.根据采集的样本训练出模糊神经网络的连接矩阵,然后对单个的联想记忆网络进行合成,实现故障的诊断.通过具体的实例,给出诊断过程.     

基于模糊聚类法的神经网络变压器故障诊断系统

在变压器故障诊断中,针对样本中可能存在的孤立样本以及样本分布的不均匀性,导致神经网络整体性能下降,训练和测试效率降低的情况,设计了利用模糊聚类法对样本进行预先处理,然后再应用神经网络进行训练和测试的诊断系统.从仿真结果可以看出,该诊断系统较样本未处理而直接应用于神经网络诊断系统的诊断性能有大幅度的提高.     

基于MLFDA的化工过程故障模式分类方法

Fisher判别分析(FDA)是一种有效的化工过程故障模式分类方法,但是其忽视了数据局部结构信息的挖掘。针对该问题,提出一种多块局部Fisher判别分析(MLFDA)方法,以更有效地识别化工过程故障。从变量和样本两个维度来分析数据的局部结构特性。针对变量维度的局部信息挖掘问题,设计了一种基于变量与数据集主元空间的相关度的变量分块方法,将全局过程变量划分为多个局部变量块。进一步考虑到样本维度的局部结构特性,应用基于局部权重因子的局部Fisher判别分析(LFDA)为每个局部变量块构建分类器。提出一种基于分类性能加权的多分类器集成方法,以融合不同分类器的决策结果。在Tennessee Eastman过程上的仿真结果说明,MLFDA方法具有比传统的FDA和LFDA方法更低的故障误分类率。     

基于K-Shape的时间序列模糊分类方法

时间序列分类是数据挖掘中的重要主题,现有的大部分时间序列分类方法较少考虑到序列形状对分类结果的影响。该文提出了一种基于k-shape的时间序列模糊分类方法。该方法通过使用k-shape聚类算法对时间序列训练数据集各类别的成员进行聚类,获得各类别的聚类中心并形成聚类中心群,将每个类别的聚类中心群作为时间序列数据模糊分类的初始聚类中心,根据隶属度最大原则确定测试时间序列数据的类别标签。在30个时间序列公开数据集上的分类实验结果表明,该方法相较于SVM、Bayes、EAIW和TLCS这4种分类算法具有更好的分类性能,对具有扭曲和位移特征的时间序列数据分类有更好的可用性。     

基于模糊故障树的变压器可靠性分析

针对电力变压器故障特点,采用模糊理论与故障树分析相结合的方法对变压器可靠性进行分析．介绍了变压器故障树的建树方法与故障树分析流程,建立变压器故障树,找出故障树顶事件的最小割集;利用模糊理论合理客观地得到变压器的故障概率区间;对底事件模糊概率重要度进行计算,得到顶事件的薄弱环节以及关键事件,为变压器可靠性设计和可靠性增长提供理论依据．