基于径向基神经网络的变压器故障诊断
障诊断研究提供了一种全新的思路[2]。目前采用比较多的是BP神经网络。BP算法的优点是寻优具有精确性，但同时存在一些缺点，最主要的是易陷入局部极小、收敛速度慢和引起振荡效应等[3-5]。RBF神经网络是一种前向神经网络，已经证明它具有局部逼近的性质，且不存在局部最小问题，可将其应用在故障诊断中，以提高故障诊断的及时性和准确率。本文将RBF神经网络应用于变压器故障诊断中，从油中溶解气体数据出发，针对变压器故障特点，采用径向基函数（Radial Basis Function，简称RBF）神经网络，利用其局部逼近特性，实现变压器内部的故障诊断，提高故障诊断的速度和准确率。1 传统故障诊断方法油中溶解气体分析（Dissolved Gas Analysis，简称DGA）是目前电力系统中对充油电力变压器常规使用的重要监测手段。这一方法就是根据变压器油中溶解的气体类型与内部故障的对应关系，采用油中溶解气体的气相色谱法分析变压器油中溶解气体的组成、各种气体含量和产气速率，判断变压器内部有无异常状
<<上一页 下一页>>
广州市越秀区图书馆版权所有。
联系电话：020-87673002
本站访问人数：