改进小波网络在油浸式变压器故障诊断中的应用

被引:16
作者
方健 [1 ,2 ]
彭辉 [1 ]
李自品 [1 ]
舒乃秋 [1 ]
机构
[1] 武汉大学电气工程学院
[2] 广州供电局试验研究所
关键词
前馈小波神经网络; 电力变压器; 故障诊断; 油中溶解气体分析; 在线监测;
D O I
10.13296/j.1001-1609.hva.2011.11.016
中图分类号
TM411 [油浸式电力变压器];
学科分类号
080801 ;
摘要
小波网络是近年来神经网络研究中的一个新分支,是结合小波变换理论与神经网络的思想构造的一种新的神经网络模型。笔者构造的前馈小波神经网络是将小波分析与BP神经网络融合,以Gauss小波及其伸缩平移系作为隐含层小波基函数并且对小波神经网络做了一些改进。选择了300组油中溶解气体含量作为前馈小波神经网络训练及故障识别的样本,并对仿真结果进行分析。实验结果显示:文中构造的小波神经网络适合变压器故障诊断,其性能优于改良IEC法,传统BP神经网络法和基于主成分分析法的BP神经网络。该方法已经运用在实际的变压器故障诊断项目中。
引用
收藏
页码:115 / 120
页数:6
相关论文
共 12 条
[1]  
电力变压器绝缘故障诊断技术及热状态参量预测模型研究.[D].潘翀.重庆大学.2009, 12
[2]   基于小波分析的变压器励磁涌流和内部故障电流识别 [J].
严屹宏 ;
陈剑云 .
高压电器, 2010, 46 (12) :74-77
[3]   基于改进Fisher Ratio的RBF网络在油浸变压器故障诊断中的应用 [J].
孙晓云 ;
刘东辉 ;
梁永春 ;
李爱华 .
高压电器, 2009, 45 (02) :73-76
[4]   神经网络在变压器故障诊断中典型算法研究 [J].
胡汉梅 ;
鲍亮亮 ;
赵海军 .
高压电器, 2008, (03) :217-220
[5]   组合神经网络在变压器故障诊断中的应用 [J].
张伟政 ;
汪晓明 ;
吴晓辉 ;
李彦明 .
高压电器, 2007, (05) :364-367
[6]   基于核Fisher判别分析技术的电力变压器DGA故障诊断模型研究 [J].
吴晓辉 ;
王颂 ;
方晓明 ;
李延沐 ;
李彦明 .
高压电器, 2007, (03) :214-217
[7]   神经网络在电力变压器运行状态检测中的应用 [J].
周志华 ;
尹旭日 ;
陈兆乾 ;
陈世福 .
自动化学报, 2002, (02) :301-305
[8]   时间序列小波神经网络在故障测距中的应用 [J].
张兆宁 ;
毛鹏 ;
郁惟鏞 ;
孙雅明 .
中国电机工程学报, 2001, (06) :67-72
[9]   用可靠性数据分析及BP网络诊断变压器故障 [J].
钱政 ;
高文胜 ;
尚勇 ;
严璋 .
高电压技术, 1999, (01) :13-15
[10]   基于 BP 网络的故障诊断方法的改进 [J].
丁晓群 ;
孙军 ;
袁宇波 ;
周玲 ;
胡浩 ;
王志贤 ;
安宗贵 .
电网技术, 1998, (11) :3-5