车载牵引变压器智能故障诊断技术新研究

《车载牵引变压器智能故障诊断技术新研究》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、ComputerEngineeringandApplications计算机工程与应用2012，48(23)27车载牵引变压器智能故障诊断技术新研究朱佼佼1，陈特放2，付强1ZHUJiaojia01，CHENTefan92，FUQian911．中南大学交通运输工程学院，长沙4100752冲南大学信息科学与工程学院，长沙4100831．SchoolofTrafficandTransportationEngineering，CentralSouthUniversity,Changsha410075，China2．SchoolofInformationSc

2、ienceandEngineering，CentralSouthUniversity,Changsha410083，ChinaZHUJiaojiao，CHENTefang，FUQiang．Newresearchonintelligentfaultdiagnosistechnologyofon—boardtractiontransformer．ComputerEngineeringandApplications，2012，48(23)：27-31．Abstract：ThetractionVansformerfaultsdiagnosismethodi

3、sthecombinationofartificialintelligencealgorithmandDissolvedGasAnalysis(DGA)．However,duetothereasonsofregeneration，samplingandchromatographicanalysis，thedatafromDGAexistmanyuncertainties．Inviewofthese，anewmethodcombiningtheelectricparam-etersandanewwaveletneuralnetworkmodelisp

4、roposedtodiagnosisthetractiontransformerfaults．Theelectricparametersworkasinputsignalofthenewnetworkmodel．ThehiddenlayerusesorthogonalDaubechiesfunctionasbasisfunction．Learningandoptimizationalgorithmadoptsakindofhybridparticleswarnloptimizationalgo—rithinthatintroducestheconc

5、eptsofquantumcomputationandimmunealgorithm．Thetestresultsshowthattheproposedintelligentfaultsdiagnosisalgorithmownsthefasterdiagnosisspeedandhigheraccuracy．Keywords：on-boardtractiontransformer；short-circuitfault；waveletneuralnetwork；hybridparticleswamioptimization摘要：车载牵引变压器故障诊

6、断的方法是将人工智能算法和油中气体分析法(DGA)相结合，但溶解气体由于再生、取样、色谱分析的原因，其数据存在许多的不确定性。提出将电气量与一种新的小波神经网络模型相结合的新方法来诊断牵引变压器故障。将电气量信号作为新网络模型的输入，网络的隐藏层采用具有正交性的Daubechies函数作为激函数，学习优化算法则采用引入量子计算和免疫算法的混合粒子群算法。试验结果证明，提出的智能故障诊断算法拥有更快的诊断速度和更高的准确率。关键词：车载牵引变压器；短路故障；小波神经网络；混合粒子群算法文章编号：1002—8331(2012)23—0027．05文献标

7、识码：A中图分类号：TM4111引言车载牵引变压器作为列车从牵引电网取电的直接设备，是整列火车的动力来源。在我国，车载牵引变压器均采用油浸式变压器，该类变压器故障从主体结构上可分为绕组故障、铁芯故障、分接开关故障等，其中绕组故障是牵引变压器主要的内部故障n，。据了解，在绕组故障中出现率较高的是绕组短路故障和绕组局部放电型故障。为了确保牵引变压器安全可靠的运行，有必要对这两种类型的故障进行在线监测诊断。当变压器出现异常的时候，就会伴有电流电压波动、电脉冲、振动、温度、气体、电辐射、磁辐射和超声波等现象出现。目前国内外开展电力机车牵引变压器在线故障监测

8、的方法有基于电气量和非电气量基金项目：国家高技术研究发展计划(863)(No．2009AAllZ217)。作者简介：朱佼佼