基于人工神经网络的变压器状态评估论文.doc

基于人工神经网络的变压器状态评估 摘要 2 Abstract 3 前言 4 第一章 课题背景 5 第二章 变压器状态评估 6 2.1 变压器声音出现异常的情况 6 2.2 分解开关出现故障的情况 6 第三章 变压器内部故障的检测与判别 8 3.1过热故障的检测与判别 8 3.2放电故障的检测与判别 8 第四章 人工神经网络算法 10 4.1人工神经网络的概念 10 4.2 人工神经网络的发展和现状 10 4.3 BP网络模型及其学习算法 11 第五章 状态评估方案设计 14 5.1多层前馈网络 14 5.2 特征气体的模糊化处理 15 5.3 利用罗杰斯比值法判断故障性质 15 5.3实例诊断 16 参考文献 18 结论 19 致谢 20 摘要 本文介绍变压器的几种常见的故障类型及其产生的原因,并利用人工神经网络和模糊理论来对其的故障进行诊断,有效地判断电力变压器的内部故障,保证了变压器的安全运行。 关键词:变压器 故障诊断 人工神经网络。 Abstract The paper introduce a few faults in transformers and the causes of the transformer faults,then adopt artificial neural network and fuzzy theory to accomplish the transformer fault diagnosis,internal faults of transformers can be diagnosed effectively according to test data collectedfrom gas-in-oil analysis,ensure the transformer running safely. Key words: Transformer Fault diagnosis Neural networks 前言 在电力系统中，变压器作为电力系统的主要设备之一，它承担着电压变换,电能分配与传输的重任,其运行状态直接关系到整个电力系统的安全与稳定。其运行的可靠性，直接关系到电网系统的安全运行，为了保证电力变压器的正常稳定的运行,必须最大限度的防止和减少变压器故障,它一旦发生事故，所需的修复时间较长，造成的影响比较严重，因此，迅速准确地检测变压器早期潜伏故障以及故障类型是非常有意义的。 课题背景 人工神经网络特有的非线性适应性信息处理能力，克服了传统人工智能方法对于直觉，如模式、语音识别、非结构化信息处理方面的缺陷，使之在神经专家系统、模式识别、智能控制、组合优化、预测等领域得到成功应用。人工神经网络与其它传统方法相结合，将推动人工智能和信息处理技术不断发展。近年来，人工神经网络正向模拟人类认知的道路上更加深入发展，与模糊系统、遗传算法、进化机制等结合，形成计算智能，成为人工智能的一个重要方向，将在实际应用中得到发展。将信息几何应用于人工神经网络的研究，为人工神经网络的理论研究开辟了新的途径。神经计算机的研究发展很快，已有产品进入市场。光电结合的神经计算机为人工神经网络的发展提供了良好条件。 神经网络的硬件芯片现在仍很昂贵，但技术成熟时，应利用硬件实现现在的软件功能。另外，神经网络的并行处理和信息分布存储机制还不十分清楚，如何选择的网络结构还没有充分的理论依据。所有这些都有待于对神经网络基本理论进行深入的研究，以形成完善的理论体系，创造出更适合于实际应用的新型网络及学习算法。 在研究人工智能检测变压器的过程中发现基于现代控制技术提出了人工神经网络理论的保护构想。神经网络软件的反应速度比纯数字计算软件快几十倍以上，这样，在相同的动作时间下，可以大大提高保护运算次数，以实现在时间上即次数上提高冗余度。因而选择了人工神经网络作为研究方向。为了保证电力变压器安全运行，需要及时取得反映其运行状态变化的信息。以判断是否存在故障隐患．目前，由于对设备故障的物理过程缺乏清楚的认识，检测部门往往是在故障与其表现出来的特征之间建立起映射关系。然后用模式识别的方法进行诊断．作为一种具有较优越的非线性处理能力的模式识别方法。神经网络在该领域的应用在国内外得到了越来越多的重视。 第二章 变压器状态评估 由于变压器种类繁多，如逐个分析则篇幅太大，故本文针对对油浸式变压器进行状态评估。 油浸式变压器的故障常被分为内部故障和外部故障两种形式。由于其外部故障相对于内部故障来说便于发现和查找,故本文重点分析其内部故障。内部故障从性质上讲分为过热故障和放电故障两大类。 下面介绍一些直观的可以发现变压器产生故障的现象及其分