智能故障診斷方法研究及應用.pdf

1、該論文主要研究了神經網絡、灰關聯度理論、遺傳算法以及模糊優(yōu)選理論在變壓器故障診斷中的應用.文中所采用的智能算法都明顯提高了變壓器的故障識別率.神經網絡在故障診斷中的應用通常是采用標準BP網絡.為了提高BP網絡的學習效率,該文將Levenberg-Marquart(L-M)算法引入到BP網絡中進行網絡權值的學習.其收斂速度和穩(wěn)定性都優(yōu)于標準BP算法.該文將該算法用于變壓器的在線實時故障診斷中,取得了較滿意的效果.利用灰色關聯度可以對系統動

2、態(tài)發(fā)展過程量化分析以考察系統諸因素之間的相關程度,其基因思想是根據曲線間相似程度來判斷因素間的關聯程度.在變壓器的故障診斷中普遍采用油中溶解氣體分析(DGA)導則推薦的三比值法.但因其比值范圍不全,常導致在實際診斷過程中出現不能判斷的情況.該文提出的方法可在一定程度上彌補這一缺點.遺傳算法是一種模仿生物進化過程的全局優(yōu)化算法.它提供了一種求解復雜系統優(yōu)化問題的通用框架,對問題的種類有很強的魯棒性.該文在概率因果推理模型的基礎上,引入模糊

3、理論,重新建立了模糊概率因果變壓器故障診斷模型,并從非線性組合優(yōu)化的角度提出了該模型的遺傳算法求解策略.仿真結果表明,該文提出的新方法同時提高了并發(fā)性故障和單故障的識別率.該文提出的模糊優(yōu)選法進行變壓器故障診斷,是根據標準故障模式對待檢模式相似的相對隸屬度的大小來判斷故障,比模糊平均加權模型對故障的判別更為清晰.仿真結果亦表明該方法不僅能診斷出使用三比值方法中所無法判斷的故障,而且對故障的判別更為清晰.所建模型還能部分地對故障進行定位分