论文部分内容阅读
电力变压器作为电力系统中关键的电气设备,它的安全运行关系到整个电网的运行。每年由于电力变压器的故障而导致的经济损失巨大,因此只有及时发现变压器潜伏性故障,进行维护,才能确保变压器的安全运行,提高供电系统的可靠性。所以,研究电力变压器的故障诊断,具有重要的意义。 神经网络具有分布式存储并行处理、联想记忆、自组织自学习等特性,为故障诊断提供了新的解决方法。本文在研究电力变压器的故障诊断时,利用油中溶解气体分析,采用神经网络方法并结合小波分析理论和遗传算法。 本文首先对电力变压器的故障类型及故障诊断技术进行了概括,总结了电力变压器发生故障的原因及故障隐患时表现出的各种异常征兆,介绍了变压器油中溶解气体分析(DGA)技术,特别是以特征气体法和三比值法诊断变压器内部故障的原理及方法。然后根据人工神经网络的特点,设计了一种基于BP网络的变压器故障诊断模型,但BP网络收敛速度慢,稳定性不好。把小波理论引入神经网络,形成小波神经网络,设计了基于小波神经网络的诊断模型。根据小波神经网络参数的特点设计遗传算法,使遗传算法更好地与小波神经网络相结合,设计了一种基于遗传算法的小波神经网络的变压器故障诊断方法,有效地解决了小波神经网络如果初值设置不当,可能使网络进入局部极小值的缺点,并且大大提高了故障诊断的精确度。