基于智能信息融合的油浸式電力變壓器故障診斷.pdf

1、電力關系到國民經濟的持續(xù)發(fā)展，而電力變壓器是電力系統中最重要的電氣設備之一，其運行狀態(tài)直接影響電力系統的安全水平。變壓器油中溶解氣體分析（Dissolved Gas-in-oil Analysis，DGA）是變壓器內部故障診斷的重要手段，它為間接了解變壓器內部的一般隱患提供了重要依據。國際電工電氣委員會據此推薦了基于油中溶解氣體分析的三比值方法，但該方法中存在一些缺陷。如何進一步發(fā)揮油中溶解氣體分析診斷方法的優(yōu)勢，及時、準確地分析變壓器

2、內部的早期故障，已成為高壓電氣設備故障診斷研究的一個重要方向。國內外學者從專家系統、模糊數學、人工神經網絡（Artificial Neural Network， ANN）、信息融合等角度，對其進行了研究，取得了一定的效果。對此，本文基于油中溶解氣體分析數據，采用不同的方法對其與故障之間的關系進行了研究。 由于故障征兆和故障類型之間存在著復雜的非線性關系，使得診斷系統的數學模型很難獲取。而人工神經網絡以其分布式并行處理、自適應、自

3、學習、聯想記憶以及非線性映射等優(yōu)點，為解決這一問題開辟了新途徑。因此，本文采用BP神經網絡來研究變壓器故障診斷系統。但是如何使BP網絡被足夠泛化，即不收斂于局部極小點，是一個關鍵問題，此外，采取傳統的單一人工智能診斷方法，存在一些固有的缺陷。 針對BPNN的不足，本文將模糊數學與神經網絡相結合構造了新型的模糊神經網絡（Fuzzy Neural Network，FNN），此網絡將自適應神經網絡的自學習優(yōu)點與模糊數學的模糊推理方法進

4、行了有效的結合，解決了變壓器絕緣故障診斷中模糊規(guī)則難以確定的問題。結果證明，該模型有效地改善了神經網絡收斂速度慢，易陷入局部最小的缺點，分類效果較好，從而有效地克服了以往采用單一方法進行診斷時所固有的的診斷出錯或診斷結果不全面等缺點。 本文從信息融合的角度出發(fā)，提出了一種基于TNFIN和D-S證據理論的模塊化綜合故障診斷模型。該模型以油中溶解氣體分析作為診斷內部潛伏性故障的主線，結合各種相應的試驗項目進行綜合診斷，確定了故障的大