基于改进神经网络的变压器故障诊断方法的研究

基于改进神经网络的变压器故障诊断方法的研究

ID:35015285

大小:1.90 MB

页数:59页

时间:2019-03-16

基于改进神经网络的变压器故障诊断方法的研究_第1页
基于改进神经网络的变压器故障诊断方法的研究_第2页
基于改进神经网络的变压器故障诊断方法的研究_第3页
基于改进神经网络的变压器故障诊断方法的研究_第4页
基于改进神经网络的变压器故障诊断方法的研究_第5页
资源描述:

《基于改进神经网络的变压器故障诊断方法的研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、..?.1I_II'■--:...■■■-.’I?I,华换吏々未當专並硕±学位论支.1■暮于改避神综的络的蜜压萬敌障诊断方法的='研究''-民巧earchofrFaultDianosisBased帅Trans化mreg-.■..'ImprovedNci化alNetworkI二I.I.??I二I^李IL浩?(.■..主.'..弓2m戸末_yt-I■....、..,—=V-

2、1.一■-、;L■-■.._'一■■■'\I:■-一‘、■■■■V国内图书分类号:TP183学校代码:10079国际图书分类号:621.3密级:公开专业硕士学位论文基于改进神经网络的变压器故障诊断方法的研究硕士研究生:李江浩导师:田沛教授企业导师:曹敏高工申请学位:工程硕士专业领域:控制工程培养方式:全日制所在学院:控制与计算机工程学院答辩日期:2015年3月授予学位单位:华北电力大学ClassifiedIndex:TP183U.D.C:621.3ThesisfortheMasterDegr

3、eeResearchofTransformerFaultDiagnosisBasedonImprovedNeuralNetworkCandidate:LiJianghaoSupervisor:Prof.TianPeiSchool:SchoolofControlComputerEngineeringDateofDefence:March,2015Degree-Conferring-Institution:NorthChinaElectricPowerUniversity*A~~~~;~~m~~~~±~~~~«~~~~~~~~~~ffi·~~i~~111!l¥

4、HlfJi:))•~*A:ft-@Yf111fi-@T•tE~Jtft!.n7c~J~i~EYf±~ifzJtJjfBJML1L*H~~I*ffi~mOO**·W*Affi~.~~~~Btt~W**~~*~AB~~~-~M~~~~*·~*~~*~I~Mili~~~~~~A~~~.~B~~~~~~1J~~~.*~~~~~~*~~~~*A~m.«£-Tf&illtrf!§:£[XXJ~Ifj~lli~ti~!itWT:1J;i~El'J?iJfY:l:))'~*)--.?±*~tFfl}J::k$:~&i~1illJ±?¢firMI'SJ1±~Vflltli~

5、TJEPX:I¥J~-±~i.frit'X•:tfs:if::t8~JuJf'51:/JX:~Y3$Jtrg)J:X~PJT1L#tt;-Xf¥JTlJt3'1:i*J~/Ff~tV.X't;!fif:fllf::J~X.l.V~a*A7'G~T~1¥$~trEiJ.J.~*-r1*-tJ,f'fm¥1:~nt~rBrJI!Jt.fPJ~*&f5Rwjt~Jfi'!R.ffl3n~xit-x(fJ~fpftt*nrt!-=fAA*.5tilfiQ:}[1Ji~l~fDfliij}J.*A~t£$:ltFt!:J:rJ:~,PI~*JfH~5fP,~m~~

6、~~~~a~~~x.~~0~~~~~Wd$%~~.-*¥firiiX~J-Or!t£t;Lt;f§@1JtThr*JiT"-Y"):~~0,~~fi*~~ffl*~tt~/F{5R~iff'F~~~:1-jl-~RftJ.I:toi)Jf-)Jj~~8~Yf11~~:rvttElJ'!A:"~-[)f5~JJ=jfJEI华北电力大学硕士学位论文摘要变压器是电力系统的重要组成部分,其运行状态对电力系统的稳定、安全运行有着重要的意义。研究变压器故障诊断方法,加强变压器的运行维护,可以有效减少故障隐患所带来的安全事故。变压器内部故障诊断一般采用变压器油中溶解气体

7、分析法。BP神经网络具有并行分布式计算、自适应、记忆及聚类等诸多优点,能准确表达变压器油中溶解气体与变压器内部故障之间存在的映射关系。但是BP算法是基于梯度下降的方法,存在收敛速度慢、易陷入局部极小点的缺陷。当输入输出关系较为复杂时,网络收敛速度缓慢,甚至不收敛。粒子群优化算法具有全局寻优的能力,可有效的改善BP神经网络收敛速度,提高故障诊断准确率。本文针对变压器故障特征气体以及故障类型的特点,建立了结构为5-9-5型的变压器故障诊断BP神经网络模型。并将粒子群优化算法改进的BP网络模型和L-M法BP网络模型应用于变压器故障诊断,训练和诊断结果表明:系统采

8、用PSO-BP法在80步达到收敛,明显少于L-M改进BP法的126

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。