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