混合型智能故障诊断方法在变压器运行中应用.pdfVIP

第47 卷 第6 期 Vol.47 No.6 2010 年6 月 TRANSFORMER June 2010 混合型智能故障诊断方法在变压器运行中应用 黄丹宇 （沈阳职业技术学院，辽宁沈阳 110045） 摘要：介绍了一种可应用于变压器的混合型智能故障诊断方法。 关键词：变压器；故障；诊断 中图分类号： 文献标识码： 文章编号： （ ） TM406 B 1001－8425 2010 06－0073－03 Application of Combined Intelligent Fault Diagnosis Method to Transformer Operation HUANG Dan-yu （Shenyang Polytechnic College, Shenyang 110045, China） ： Abstract A combined intelligent fault diagnosis method for transformer is presented. ： ； ； Key words Transformer Fault Diagnosis 敛到局部最小的优点。然而，变压器中提取出的数据 1 引言 往往受到噪声的污染和干扰， 这将影响概率神经网 变压器故障诊断是保证变压器生产安全、 提高 络的诊断精度。 产品质量和经济效益的关键技术。 结合小波去噪及PNN 分类能力，本文中笔者提 由于神经网络具有较好的容错性、反应快、分布 出了一种 方法 该方法利用小波对原始数据 WPNN , 式信息存储和自适应学习等优点， 目前广泛应用于 进行多尺度分解、降噪，同时，利用PNN 较好的分类 变压器等工业故障诊断中。 目前使用的方法大多采 特性完成故障监控。 用基于误差反向传播（BP ）学习算法的多层感知器 2 小波与PNN 模型结构 （BPNN ）。 与传统的数理统计方法相比， BPNN 具有不需要原始数据的高斯正态分布、 可融 2.1 小波去噪 合多种类型数据及并行计算等优点， 因此在分类效 小波分析是当前数学中一个迅速发展的新领 果上优于常规的概率统计方法。 但基于梯度下降规 域。小波变换是一个时间和频率的局部变换，能有效 则的 学习算法存在收敛速度缓慢、 容易陷入局 地从信号中提取信息， 通过伸缩和平移等运算对函 BP 部极小以及网络结构难以确定等缺陷， 而这些大大 数或信号进行多尺度细化分析， 解决了傅立叶变换 影响网络的学习效率和分类精度。 尽管许多文献提 不能解决的许多问题，所以小波分析被誉为“数学显 出了一些改进的学习算法， 但网络收敛缓慢和易陷 微镜”。 小波变换可以分为连续小波变换、二带小波 于局部最小等问题仍没有根本解决。 变换、小