| 【中文题名】 | 基于BP神经网络的电力变压器故障诊断的研究 |
| 【英文题名】 | Study on Fault Diagnosis for Power Transformer Based on BP Neural Network |
| 【学科专业】 | 通信与信息系统 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-8-6 |
| 【中关键词】 | 电力变压器,神经网络,BP算法,收敛速度,故障诊断, |
| 【英关键词】 | Power Transformer,Artificial Neural Network,BP Algorithm,Network Convergence Speed,Fault Diagnosis, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>人工神经网络与计算> |
| 【论文摘要】 |
电力变压器是电力系统中最重要的设备,也是导致电力系统事故最多的设备之一。随着国内用电需求急剧增大和东北电网将作为竞价上网的试点地区的发展趋势分析,电力系统亟待解决提高供电可靠性、合理延长设备使用寿命等问题,迫切需要能够准确、及时判断出变压器潜伏性故障的诊断方法。
变压器油中溶解气体分析法是诊断变压器内部故障的有效手段。由于神经网络具有并行分布处理、自适应、联想、记忆及聚类和容错性等诸多优点,适于变压器内部故障发生及发展多过程、多故障的多模式系统诊断。因此,研究以变压器油中溶解气体为特征量的神经网络故障诊断方法,为变压器故障诊断提供了新的途径。
本文针对变压器故障气体及故障类型的特点,建立了结构为5-12-5型的变压器故障诊断BP神经网络模型。提出了基于误差自动调节修正因子的自适应学习速率法、基于误差自动调节修正因子的自适应学习速率动量BP法和双因素自动调节修正因子的弹性BP法三种BP算法的改进方法。应用这三种方法和其它传统方法对网络模型进行训练和比较。并将获得的BP网络模型应用于变压器故障诊断。训练和诊断结果表明:针对于该电力变压器故障诊断系统,本文提出的三种算法相比于原算法,网络模... |
| 【论文题纲】 |
|
提要 |
4-7 |
|
第1章 绪论 |
7-16 |
|
1.1 引言 |
7-8 |
|
1.2 国内外研究现状及发展趋势 |
8-12 |
|
1.3 基于神经网络的变压器故障诊断研究的意义 |
12-14 |
|
1.4 本文的主要研究内容 |
14-16 |
|
第2章 变压器油中气体分析及传统故障诊断方法 |
16-30 |
|
2.1 变压器油和绝缘材料性能及气体产生机理 |
16-21 |
|
2.2 变压器内部故障与油中特征气体的关系 |
21-22 |
|
2.3 充油变压器的故障诊断方法 |
22-29 |
|
2.4 本章小结 |
29-30 |
|
第3章 BP 网络模型及学习算法研究 |
30-47 |
|
3.1 人工神经网络理论 |
30-34 |
|
3.2 BP 网络模型及其学习算法 |
34-39 |
|
3.3 BP 算法传统的改进方法 |
39-42 |
|
3.4 基于误差自动调节修正因子的自适应学习速率法 |
42-44 |
|
3.5 基于误差自动调节修正因子的自适应学习速率动量BP 法 |
44 |
|
3.6 双因素自动调节修正因子的弹性BP 算法 |
44-45 |
|
3.7 本章小结 |
45-47 |
|
第4章 基于BP 网络的变压器故障诊断 |
47-74 |
|
4.1 引言 |
47-48 |
|
4.2 开发工具的选择 |
48 |
|
4.3 建模的步骤 |
48-49 |
|
4.4 变压器故障诊断模型的确立 |
49-57 |
|
4.5 网络模型的训练和变压器故障诊断 |
57-72 |
|
4.6 本章小结 |
72-74 |
|
第5章 全文总结 |
74-77 |
|
5.1 论文的主要结论 |
74-76 |
|
5.2 今后待研究的问题 |
76-77 |
|
参考文献 |
77-83 |
|
摘要 |
83-87 |
|
ABSTRACT |
87-93 |
|
致谢 |
93-94 |
|
导师及作者简介 |
94-95 |
|
研究生期间研究成果 |
95 |
|
| 【DOI】 | LunWen.ID:2.2008.388743 |
