發(fā)布時間：2017-06-05 13:06

  本文關(guān)鍵詞：基于信息融合的大型電力變壓器故障診斷，由筆耕文化傳播整理發(fā)布。

【摘要】：本文對大型電力變壓器常規(guī)試驗手段及獲得狀態(tài)信息的方式進行了簡要分析,并對利用人工智能進行變壓器故障診斷技術(shù)進行了深入分析和綜合,針對遇到的困難和問題,提出了相應的解決方法,主要完成的研究工作如下: 一、引入信息融合概念,根據(jù)油中溶解氣體色譜分析和電氣試驗數(shù)據(jù),結(jié)合狀態(tài)監(jiān)測所獲得的信息,對故障進行分析、判斷,確定故障的性質(zhì)和類型;信息融合技術(shù)應用于變壓器故障診斷,會提高診斷結(jié)果的可靠性和準確性。 二、針對BP網(wǎng)絡不易收斂、易陷入局部極小的缺點,采用改進的進化規(guī)劃算法優(yōu)化BP網(wǎng)絡的連接權(quán)閾值初始值,將進化規(guī)劃和神經(jīng)網(wǎng)絡結(jié)合起來,迅速得到最優(yōu)BP網(wǎng)絡權(quán)值矩陣及閾值向量,較好地實現(xiàn)了故障診斷,并對該算法采用C語言編寫了程序,實例結(jié)果表明,診斷的結(jié)果是理想的。 三、人工智能技術(shù)之間的融合可以補單一技術(shù)存在的缺陷,從而更好地發(fā)揮每一種智能技術(shù)的優(yōu)勢,本文基于進化規(guī)劃和神經(jīng)網(wǎng)絡智能技術(shù)建立了變壓器絕緣故障診斷模型,對多源數(shù)據(jù)進行綜合處理,通過多源互補信息減少故障診斷系統(tǒng)的不正確性,提高了對變壓器絕緣故障診斷的正判率。
【關(guān)鍵詞】：電力變壓器 信息融合 故障診斷 人工智能
【學位授予單位】：山東大學
【學位級別】：碩士
【學位授予年份】：2005
【分類號】：TM407
【目錄】：

• 摘要5-6
• ABSTRACT6-7
• 1 緒論7-18
• 1．1 引言7-8
• 1．2 電力變壓器試驗方法分析8-10
• 1．3 獲得電力變壓器狀態(tài)信息常用方法分析10-11
• 1．4 人工智能技術(shù)在變壓器故障診斷中的應用11-16
• 1．4．1 專家系統(tǒng)(ES)11-13
• 1．4．2 人工神經(jīng)網(wǎng)絡(ANN)13-14
• 1．4．3 模糊理論(FZ)14-15
• 1．4．4 遺傳算法(GA)15-16
• 1．4．5 幾種智能方法的綜合16
• 1．5 本文的主要工作16-18
• 2 基本原理18-39
• 2．1 基于變壓器油氣相色譜分析的故障判斷原理18-21
• 2．2 模糊數(shù)學21-27
• 2．2．1 模糊聚類分析21-24
• 2．2．2 模糊模式識別24-25
• 2．2．3 綜合評判25-27
• 2．3 BP神經(jīng)網(wǎng)絡27-31
• 2．4 遺傳算法31-37
• 2．5 信息融合技術(shù)37-39
• 3 基于信息融合技術(shù)的變壓器故障診斷模型39-45
• 3．1 基于 BP網(wǎng)絡的故障特征融合39-42
• 3．2 故障診斷與信息融合的關(guān)系42-44
• 3．3 基于信息融合技術(shù)的變壓器故障診斷系統(tǒng)結(jié)構(gòu)44-45
• 4 算例結(jié)果及分析45-51
• 4．1 原始訓練樣本集的建立45-47
• 4．2 網(wǎng)絡訓練與測試47-50
• 4．3 數(shù)據(jù)分析50-51
• 5 結(jié)束語51-52
• 參考文獻52-55
• 致謝55-56
• 攻讀學位期間發(fā)表的學術(shù)論文目錄56-57
• 學位論文評閱及答辯情況表57

【引證文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 孫潔;邢九霞;;基于油中溶解氣體分析的變壓器故障診斷[J];河北聯(lián)合大學學報(自然科學版);2012年04期

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 尹金良;基于相關(guān)向量機的油浸式電力變壓器故障診斷方法研究[D];華北電力大學;2013年

中國碩士學位論文全文數(shù)據(jù)庫 前2條

1 陳玉立;信息融合技術(shù)在變壓器故障診斷中的應用[D];西南交通大學;2006年

2 袁蕾;電力變壓器試驗數(shù)據(jù)和征兆現(xiàn)象的故障融合診斷方法[D];重慶大學;2010年

  本文關(guān)鍵詞：基于信息融合的大型電力變壓器故障診斷，，由筆耕文化傳播整理發(fā)布。

本文編號：423782