基于rs优化的电力变压器故障诊断方法

《基于rs优化的电力变压器故障诊断方法》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、基于RS优化的电力变压器故障诊断方法　　摘要：针对现有的故障诊断技术应用在电力变压器故障诊断中存在的冗余信息过多，诊断结果不准确等问题将粗糙集理论与概率神经网络相结合，先利用粗糙集理论对故障系统前期数据进行最大限度的约简，再经概率神经网络进行故障模式分类，可简化故障诊断网络规模，且相比于单一的概率神经网络的诊断方法，能够更精确地诊断出变压器故障类型，其研究成果在油浸式电力变压器故障诊断方面具有广阔的应用前景关键词：电力变压器；故障诊断；粗糙集；概率神经网络中图分类号：TN710?34；TP183文献标识码：A文章编号：

2、1004?373X（2015）24?0152?04PowertransformerfaultdiagnosisbasedonRSoptimizationSONGYuqin，ZHUZijuan，JIYinfei（CollegeofElectronicsandInformationEngineering，Xi’anPolytechnicUniversity，Xi’an710048，China）Abstract：Inviewoftoomuchredundantinformation，inaccuratediagnosisre

3、sultandothershortcomingsexistinginpowertransformerfaultdiagnosiswithavailablefaultdiagnosistechnology，theroughsettheoryiscombinedwithprobabilityneuralnetwork，inwhichtheroughsettheoryisusedtomakethemaximumreductionofearlydataofthefaultsystem，andthenfaultpatterncl

4、assificationisdonebymeansoftheprobabilityneuralnetwork，whichcansimplifydiagnosisnetworkscaleanddeterminethefaulttypeofpowertransformermoreaccuratelythanthediagnosismethodofonlyprobabilisticneuralnetworkcando.Theresearchachievementhasabroadapplicationprospectinth

5、easpectofoil?immersedpowertransformerfaultdiagnosis.Keywords：powertransformer；faultdiagnosis；roughset；probabilisticneuralnetwork电力变压器是电力系统中最重要、最昂贵的设备之一，它承担着电压变换，电能分配与传输的重任，是电力系统的枢纽设备，其运行状态直接关系到整个电力系统的安全与稳定[1]尽管已有大量的现代诊断技术应用于电力变压器故障诊断中，但进一步的理论研究和应用结果表明，这些诊断方法仍存在许

6、多不足之处：文献[2]提出基于Petri网的变压器故障诊断方法，利用Petri网进行知识的表示和推理，其只涉及矩阵计算，适用范围较小，且故障特征与故障类别之间的对应关系不完善；文献[3]提出的一种基于粗糙集理论的变压器故障诊断方法，能够较好处理不完备信息条件下的诊断，但故障类别划分结果较为模糊，尤其不能区分对多重故障的诊断；文献[4]采用了信息融合技术来解决变压器故障诊断问题，模糊均值算法受样本的分布和初始参数影响较大；文献[5]基于证据理论的故障诊断方法，当故障样本量发生变化时，难以获得准确的故障诊断结果因此，在全面

7、了解电力变压器故障情况和故障诊断相关技术的基础上，结合已有的神经网络在电力变压器智能故障诊断方面的研究成果[6?7]，本文提出基于粗糙集优化的电力变压器综合故障诊断方法，提高了油浸式电力变压器故障诊断的准确性。既有很强的学术理论价值，又有很强的工程实用价值1电力变压器故障诊断模型基于粗糙集（RS）优化的概率神经网络（PNN）故障诊断方法是依据粗糙集理论本身具有严谨的内在逻辑关系，无需对预处理信息进行经验或知识积累，是处理模糊性和不精确性问题的较为理想的数学工具。因而利用粗糙集理论对电力变压器故障系统大量数据进行前期处理

8、，能够在保留关键信息的前提下对故障数据进行最大限度的约简，既去除了大量冗余信息，缩减了故障信息的规模，又保证了变压器故障诊断数据的客观性和精确性。再将粗糙集约简后的变压器故障数据用于概率神经网络故障诊断系统的训练，缩短了神经网络的训练时间，提高了变压器故障诊断系统的快速性，且神经网络一旦训练好就无需因故障数据的变化而重新训练故障诊