基于模糊输入的bp

《基于模糊输入的bp》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于模糊输入的BP　基于模糊输入的BP-ART2混合神经网络在电力变压器故障综合诊断中的应用高如新，王福忠，冉正云（焦作工学院，454000，河南焦作）摘　要：根据模糊理论和神经网络理论，提出了变压器故障诊断的新方法，根据DGA(dissolvedgasanalysis)法、电气试验法及外部故障特征法，建立了基于模糊输入的BP-ART2混和神经网络对电力变压器故障进行综合诊断。仿真结果表明本方法能有效提高变压器故障诊断正确率。关键词：模糊控制;BP神经网络;ART2模型;故障诊断;电力变压器THEAPPLICATIONOFBP-ART2HYBRIDNEURALITTE

2、RSYNTHETICFAULTDIAGNOSISBASEDONFUZZYINPUTGaoRu-xin,entalcharacters,aBP-ART2modelispresentedbasedonfuzzyinput.thismodelcandealely,andhaveenoughabilityfordataobtaining.KEYWORDS:fuzzycontrol;BPneuralodel;faultdiagnosis;poitter1.引言电力变压器是电力系统中重要的设备之一，对电力系统的安全运行起着举足轻重的作用。搞好变压器的运行维护，特别是故障诊断工作，

3、对于提高电力系统安全运行可靠性具有非常重要的作用。DGA的出现和逐渐成熟，给变压器故障诊断带来了许多便利。利用DGA来判断变压器故障的方法有许多种，如罗杰斯法、特征气体法、三比值法、电协研法等，然而这些方法本身具有一定程度的不完善性，仅基于DGA，并不能对故障进行准确评判，不能准确定位。结合电气试验，如测直流电阻，绝缘电阻，吸收比等，再加上一些故障特征，如温度升高，油位下降等，综合进行评判，可以有效提高诊断质量。BP神经网络具有较强的非线性逼近能力，能进行故障模式识别，还能进行故障严重程度评估和故障预测，应用很广，但它对异常类故障处理能力低，不具备增量学习功能。ART

4、2模型是一种自组织的网络模型，采用无监督的竞争学习规则，不存在BP算法对样本知识的强烈依赖性问题，能正确识别出异常类故障，且识别速度快。但是，该模型是通过聚类来完成模式分类任务的，它不能进行故障严重性评估和发展趋势预测。把BP神经网络和ART2模型结合起来，将有监督算法和无监督算法集成起来，用模糊量作为输入，构成一种新的模糊神经网络，来对变压器进行诊断，可以取得良好诊断效果【1】。2.电力变压器常见故障及其特点【3】变压器故障有很多种，一些常见的故障及其故障特点如下：（1）分解开关接触不良：直流电阻差值大，特征气体中既含有H2又含有CO，且CH4或C2H4含量高。（2

5、）绕组匝间短路：变比偏差大，直流电阻差值大，H2和C2H2含量高，含有CO。（3）有载分接开关箱漏油：温度过高，油位下降率高。（4）过热性故障：CH4和C2H4含量高，还可能含有CO和CO2，温度较高。（5）绝缘老化：介质损耗tg较大，绝缘电阻过低，特征气体中CO、CO2和CH4较多。（6）严重受潮：介质损耗tg较大，水分含量大，吸收比小于1.3，绝缘电阻过低，特征气体中H2含量大。（7）油中局部放电：H2、C2H2、CH4和CO含量高。（8）断线故障：直流电阻差值大，H2含量最大。变压器常见故障很多，故障原因也很多。把故障的多种特征提取出来，送到故障诊断模型中，进行

6、分析、综合，最后可得出故障诊断结果。3.故障诊断模型－多重模糊神经网络的建立用模糊神经网络进行变压器故障诊断时，考虑到实际应用中样本多，数据差异大，采用一个网络非常复杂，而且收敛性差，诊断准确率低，因此，本文根据某些特征指标和一定的规则组合，将整个样本分为若干个相互独立的子样本集，建立多重子模糊神经网络，如图1所示。