一种基于RBF神经网络的变压器故障诊断的智能方法技术

技术编号:8934577 阅读:194 留言:0更新日期:2013-07-18 03:11
本发明专利技术公开了一种基于RBF神经网络的变压器故障诊断的智能方法,包括以下步骤:(1)利用IEC三比值法得出五种气体的三比值:C2H2/C2H4、CH4/H2、C2H4/C2H6作为训练样本数据;(2)利用隶属函数将三比值进行模糊化处理;(3)对故障类型进行编码;(4)根据训练样本数据训练RBF神经网络,直到RBF网络满足精度要求,(5)输入模糊化处理后的待诊断样本;(6)输出诊断结果。本方法不仅有较高的推理能力和诊断精度,同时也克服了IEC三比值法的缺陷,能准确的反映出变压器故障的所有形态。

【技术实现步骤摘要】

本专利技术涉及变压器的故障诊断领域,尤其涉及一种基于RBF神经网络的变压器故障诊断的智能方法
技术介绍
目前,变压器是电力系统中的重要枢纽设备之一,它承担着变换电压,分配与传输电能的重任,对电能的经济传输、灵活分配和安全使用具有重要的意义,其运行状态直接影响整个电力系统的安全运行与稳定。变压器故障诊断的方法很多,其中绝大部分方法都是利用不同类型的变压器故障对应不同的变压器油中溶解气体浓度这一性质,同时对多种故障特征气体的浓度进行分析来发现变压器的潜在故障以及故障的类型,该手段不受外界电磁场的影响,可以定期对运行状态下的变压器内部进行故障诊断。主要的方法有:IEC三比值法、电协研法、特征气体诊断法。IEC三比值法是现阶段对变压器故障进行诊断的一种常见的方法。三比值法的基本原理是:根据变压器绝缘材料在故障下裂解产生气体组分含量的相对浓度与温度的相互依赖关系,从变压器油中提取5种特征气体(H2、CH4、C2H6、C2H4和C2H2,根据各种气体的成分含量计算出相应的三对比值C2H2/C2H4、CH4/H2、C2H4/C2H6,然后对每对比值赋予相应的编码,根据编码得到一个编码表,根据编码表中提供的诊断标准判断出变压器是否发生故障以及故障的类型(见表2-1、表2-2)。表2-1三比值法的编码规则权利要求1.一种基于RBF神经网络的变压器故障诊断的智能方法,其特征在于:包括以下步骤:(I)、利用IEC三比值法得出五种气体的三比值:C2H2/C2H4、CH4/ H2X2H4/ C2H6作为训练样本数据;(2)、利用隶属函数将三比值进行模糊化处理;(3)、对故障类型进行编码;(4)、根据训练样本数据训练RBF神经网络,直到RBF网络满足精度要求,(5)、输入模糊化处理后的待诊断样本;(6)、输出诊断结果。2.根据权利要求1所述的基于RBF神经网络的变压器故障诊断的智能方法,其特征在于:所述的步骤(2)中所采用的隶属函数是正态分布函数,设3.根据权利要求1所述的基于RBF神经网络的变压器故障诊断的智能方法,其特征在于:所述的步骤(3)中的故障类型编码包括:若编码为100000,则故障类型对应为低能放电;若编码为010000,则故障类型对应为中温过热;若编码为001000,则故障类型对应为高能放电;若编码为000100,则故障类型对应为高温过热;若编码为000010,则故障类型对应为地温过热;若编码为000001,则故障类型对应为局部放电。4.根据权利要求1所述的基于RBF神经网络的变压器故障诊断的智能方法,其特征在于:所述的步骤(4)中根据样本数据训练RBF神经网络是用MATLAB软件进行训练,三个输入节点是模糊化后的三比值,六个输出节点是六种故障类型编码:设置训练精度为0.05,散布常数为5。5.根据权利要求4所述的基于RBF神经网络的变压器故障诊断的智能方法,其特征在于:还包括有将RBF神经网络输出数据模糊化的步骤,把大于0.5的数据规定为1,其它的为O。全文摘要本专利技术公开了一种基于RBF神经网络的变压器故障诊断的智能方法,包括以下步骤(1)利用IEC三比值法得出五种气体的三比值C2H2/C2H4、CH4/H2、C2H4/C2H6作为训练样本数据;(2)利用隶属函数将三比值进行模糊化处理;(3)对故障类型进行编码;(4)根据训练样本数据训练RBF神经网络,直到RBF网络满足精度要求,(5)输入模糊化处理后的待诊断样本;(6)输出诊断结果。本方法不仅有较高的推理能力和诊断精度,同时也克服了IEC三比值法的缺陷,能准确的反映出变压器故障的所有形态。文档编号G06N3/08GK103207950SQ20131013278公开日2013年7月17日 申请日期2013年4月16日 优先权日2013年4月16日专利技术者禹建丽 申请人:郑州航空工业管理学院本文档来自技高网...

【技术保护点】
一种基于RBF神经网络的变压器故障诊断的智能方法,其特征在于:包括以下步骤:(1)、利用IEC三比值法得出五种气体的三比值:C2H2/C2H4、CH4/?H2、C2H4/?C2H6作为训练样本数据;(2)、利用隶属函数将三比值进行模糊化处理;(3)、对故障类型进行编码;(4)、根据训练样本数据训练RBF神经网络,直到RBF网络满足精度要求,(5)、输入模糊化处理后的待诊断样本;(6)、输出诊断结果。

【技术特征摘要】

【专利技术属性】
技术研发人员:禹建丽
申请(专利权)人:郑州航空工业管理学院
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1