專利名稱：一種變壓器的故障診斷方法
技術領域：
本發(fā)明涉及一種變壓器的故障診斷方法，屬于電力電子及電力技術領域。
背景技術：
故障診斷始于機械設備故障論斷，現(xiàn)代設備技術水平和復雜度不斷提高，設備故障對生產的影響也顯著增加，因此要保證設備可靠，有效地運行，充分發(fā)揮其效益，必須發(fā)展故障診斷技術，故障診斷技術借助于現(xiàn)代測試，監(jiān)控和計算機等手段，研究設備在運行中或相對靜止條件下的狀態(tài)信息，分析設備的技術狀態(tài)，診斷其故障的性質和起因，并預測故障和安全隱患，避免不必要的損失，因而具有很高的經濟和社會效益。
運行中的變壓器發(fā)生不同程度的故障時，會產生異?，F(xiàn)象或信息，故障分析就是搜集變壓器的異?，F(xiàn)象或信息，根據(jù)這些現(xiàn)象或信息進行分析，從而判斷故障的類型，嚴重程度和故障部位，因此，變壓器故障診斷的目的首先是準確判斷運行設備當前處于正常狀態(tài)還是異常狀態(tài)，若變壓器處于異常狀態(tài)有故障，則判斷故障的性質，類型和原因。例如是絕緣故障，過熱故障還是機械故障，若是絕緣故障，則是絕緣老化，受潮，還是放電性故障。若是放電性故障又是哪種類型的放電等，變壓器故障診斷還要根據(jù)故障信息或根據(jù)信息處理結果，預測故障的可能發(fā)展即對故障的嚴重程度，發(fā)展趨勢做出診斷，提出控制故障的措施，防止和消除故障，提出設備維修的合理方法和相應的反事故措施，對設備的設計，制造，裝配等提出改I進意見，為設備現(xiàn)代化管理提供科學依據(jù)和建議。
對變壓器油中溶解氣體是變壓器內部故障診斷的重要手段，當前大量應用的是改良三比值法，但利用三比值法作為變壓器故障診斷的判據(jù)存在兩方面的不足，即所謂編碼缺損和臨界值判據(jù)缺損，人工神經網格以其分布式并行處理、自適應、自學習、聯(lián)想記憶以及非線性映射等優(yōu)點，為解 決這一問題開辟了新途經。

發(fā)明內容
本發(fā)明提供了一種基于神經網絡的變壓器故障診斷方法，將變壓器中的參數(shù)作為研究對象，利用人工神經網絡型，進行數(shù)據(jù)采集，故障訓練，分析等，實驗結果表明。該故障診斷算法收斂速度快，穩(wěn)定性高，樣本追加能力強的優(yōu)點。為達到上述目的，本發(fā)明采取的技術方案為:其神經網絡模型如

圖1所示，包括輸入層，模式層，求和層，和輸出層，其理論依據(jù)是貝葉斯最小風險準則，輸入層接收自訓練樣本的值，效特征向量傳遞給網絡，其神經元數(shù)目和樣本矢量維數(shù)相等，每個模式單元輸出為
卿[企，-叫⑴
L 2(.式中，Wi為輸入層到模式層連接的權值，(是平滑因子，本方法可描述為:
假定兩種已知的故障模式為0A，0B，對于要判斷的故障特征樣本 X (Xi，Xg ，Xn)，若 hAlAfA (X) > hBlBfB (X)，則 X e ΘΑ若 hAlAfA (X) < hBlBfB (X)，則 X e θ B其設計流程為:
權利要求
1.一種變壓器故障診斷方法，其特征在于:該方法首先是將將變壓器中的參數(shù)作為研究對象，利用人工神經網絡型，進行數(shù)據(jù)采集、故障訓練、分析實驗結果表明，該故障診斷方法可準確檢測出變壓器中的的故障部分。
2.根據(jù)權利要求1所述的方法，其特征在于，其神經網絡模型如下圖所示，包括輸入層、模式層、求和層和輸出層，其理論依據(jù)是貝葉斯最小風險準則、輸入層接收自訓練樣本的值、效特征向量傳遞給網絡，其神經元數(shù)目和樣本矢量維數(shù)相等。每個模式單元輸出為
3.根據(jù)權利要求1所述的方法，其特征在于，對于要判斷的故障特征樣本
全文摘要
本發(fā)明提供了一種基于神經網絡的變壓器故障診斷方法，將變壓器中的參數(shù)作為研究對象，利用人工神經網絡型，進行數(shù)據(jù)采集，故障訓練，分析等，實驗結果表明。該故障診斷算法收斂速度快，穩(wěn)定性高，樣本追加能力強的優(yōu)點。
文檔編號G06N3/02GK103235206SQ201210460879
公開日2013年8月7日 申請日期2012年11月5日 優(yōu)先權日2012年11月5日
發(fā)明者王少夫 申請人:王少夫