学位论文 > 优秀研究生学位论文题录展示

人工神经网络在变压器油中溶解气体分析中的应用研究

作　者: 乔俊玲
导　师: 杨江天
学　校: 北京交通大学
专　业: 机械电子工程
关键词: 电力变压器 溶解气体分析 BP神经网络 径向基函数网络 故障诊断 多变量预测 组合预测
分类号: TM411
类　型: 硕士论文
年　份: 2008年
下　载: 188次
引　用: 1次
阅　读: 论文下载
 

内容摘要


电力变压器是电力系统中核心设备,其正常运行直接关系到整个电力系统的稳定性和安全性。油中溶解气体分析(DGA-Dissolved Gas Analysis)是检测变压器早期故障的有效方法。本文将人工神经网络引入油中溶解气体分析,主要工作与结论是:分析了变压器油中溶解气体的发展变化规律,研究了变压器油中溶解气体和故障类型之间的关系。对常用的神经网络模型进行深入研究,总结了各种模型的特点和适用范围。论述了用神经网络进行变压器油中溶解气体分析,诊断和预测变压器故障的有效性和可行性。理论分析和大量实例表明,BP神经网络有很强的非线性映射能力,适合用于模式分类。本文提出了一种将故障类型逐步细化的组合BP网络模型,用于变压器故障诊断。实例分析表明该模型诊断准确率超过85%。变压器油中溶解气体各组分之间是相互关联的。为了准确地预测变压器故障需要同时考虑多种气体成份的发展变化。本文建立了基于径向基函数网络的多变量预测模型,用于变压器溶解气体分析,获得了令人满意的预测精度。变压器油中溶解气体发展变化存在多种趋势,用单一模型难以准确描述。本文用GM(1,1)模型,RBF神经网络和BP神经网络构建组合模型预测气体浓度变化。试验表明,组合预测模型能发挥各种模型的优势,提高预测精度。综合上述研究成果,开发了一套变压器故障诊断和预测系统,并用110kV电力变压器实测数据有效验证。

全文目录


致谢  5-6
中文摘要  6-7
ABSTRACT  7-10
1 绪论  10-16
  1.1 课题研究的背景与意义  10-11
  1.2 变压器DGA技术研究现状  11-14
    1.2.1 变压器DGA技术  11-12
    1.2.2 基于DGA的变压器故障诊断研究现状  12-13
    1.2.3 基于DGA的变压器故障预测研究现状  13-14
  1.3 本文研究工作  14-16
2 变压器故障诊断与预测技术  16-22
  2.1 变压器故障诊断综述  16-18
    2.1.1 变压器的绝缘结构  16
    2.1.2 变压器运行中常见的故障  16-17
    2.1.3 变压器内部故障类型与油中溶解气体的关系  17-18
  2.2 基于DGA的变压器故障诊断  18-20
    2.2.1 变压器故障诊断的定义和意义  18
    2.2.2 常用的三比值法  18-20
    2.2.3 人工神经网络在变压器故障诊断中的应用  20
  2.3 基于DGA的变压器故障预测  20-21
    2.3.1 变压器故障预测定义与意义  20-21
    2.3.2 人工神经网络在变压器故障预测中的应用  21
  2.4 小结  21-22
3 人工神经网络  22-30
  3.1 人工神经网络概述  22
  3.2 BP网络  22-25
    3.2.1 BP网络的拓扑结构  22-23
    3.2.2 BP网络的训练过程概述  23-24
    3.2.3 BP网络算法的改进研究  24-25
  3.3 RBF网络  25-29
    3.3.1 RBF网络模型  25-27
    3.3.2 RBF网络的学习算法  27-29
  3.4 小结  29-30
4 变压器故障诊断  30-46
  4.1 用于变压器故障诊断的BP网络设计  30-37
    4.1.1 输入输出数据的确定  30-32
    4.1.2 用于故障诊断的BP网络设计  32-34
    4.1.3 改进的组合BP网络设计  34-37
  4.2 实例分析  37-45
    4.2.1 BP网络训练及结果分析  37-40
    4.2.2 组合BP网络训练及结果分析  40-45
  4.3 小结  45-46
5 变压器故障预测  46-64
  5.1 多变量预测  46-52
    5.1.1 多变量预测概述  46
    5.1.2 BP网络在多变量预测中的应用  46-48
    5.1.3 RBF网络在多变量预测中的应用  48-49
    5.1.4 实例分析  49-52
  5.2 组合预测  52-63
    5.2.1 组合预测概述  52-53
    5.2.2 灰色神经网络模型  53-55
    5.2.3 最优组合预测模型  55-56
    5.2.4 基于BP网络的变权组合模型  56-57
    5.2.5 实例分析  57-63
  5.3 小结  63-64
6 系统软件开发  64-69
  6.1 系统的主要功能  64-65
  6.2 系统的软件介绍  65-66
  6.3 系统的使用  66-69
7 结论与展望  69-71
参考文献  71-74
附录 A  74-76
作者简历  76-78
学位论文数据集  78

相似论文

  1. 基于WinCE平台的故障分析仪应用程序设计与开发,TP311.52
  2. 八作动器隔振平台的六自由度容错控制研究,TB535.1
  3. 基于PCA-SVM的液体火箭发动机试验台故障诊断算法研究,V433.9
  4. 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
  5. 机械臂视觉伺服系统的研究,TP242.6
  6. 基于支持向量机的故障诊断方法研究,TP18
  7. 三容水箱系统故障诊断算法研究,TP277
  8. 市级旅游用地规划环境影响评价研究,X820.3
  9. 珠三角地区高性能混凝土配合比智能化系统,TU528
  10. 大学生综合素质测评研究,G645.5
  11. 基于并行算法的模糊综合评价模型的设计与应用,TP18
  12. 基于神经网络的牡蛎呈味肽制备及呈味特性研究,TS254.4
  13. 水上交通安全保障系统的关键技术研究,U698
  14. 高速公路拆迁民众生存系统评价研究,D523
  15. 煤矿风险信息集成与智能预警研究,X936
  16. 基于模拟的注塑模浇注系统及成型工艺参数优化研究,TQ320.662
  17. 基于神经网络的自适应噪声主动控制研究,TP183
  18. 注塑成型过程监测与故障诊断平台的设计与实现,TQ320.5
  19. 面向肺部CAD的特征提取、选择及分类方法研究,TP391.41
  20. HART现场故障诊断仪的研究与实现,TP277
  21. 多向变异遗传算法及其优化神经网络的研究,TP18

中图分类: > 工业技术 > 电工技术 > 变压器、变流器及电抗器 > 电力变压器 > 油浸式电力变压器
© 2012 www.xueweilunwen.com