基于改進(jìn)ART2網(wǎng)絡(luò)的變壓器故障診斷方法.pdf

1、變壓器油中溶解氣體分析技術(shù)(Dissolved Gas-in-oil Analysis，簡稱DGA)一直被認(rèn)為是診斷電力變壓器早期故障的有效手段，它能夠及時發(fā)現(xiàn)變壓器內(nèi)部存在的潛伏性故障，防止突發(fā)事故，減少不必要的停電檢修，避免傳統(tǒng)試驗對電氣設(shè)備由于過度檢修所造成的巨大損傷，有效地延長設(shè)備的使用壽命，優(yōu)化了設(shè)備的檢修配置。但是DGA技術(shù)存在分析環(huán)節(jié)多、操作復(fù)雜、不能連續(xù)監(jiān)測等缺陷，對潛伏性故障的發(fā)現(xiàn)和分析是非常不利的。盡管在線監(jiān)測技術(shù)作

2、為DGA技術(shù)的補充使得DGA技術(shù)有了進(jìn)一步的發(fā)展，但是檢測到的氣體組分有限，因此還不適合廣泛應(yīng)用。目前，綜合人工神經(jīng)網(wǎng)絡(luò)、模糊數(shù)學(xué)、粗糙集理論等學(xué)科知識，探求有利于變壓器故障診斷的在線監(jiān)測和智能化的方法和手段已經(jīng)成為研究的熱點。
　　 針對變壓器運行環(huán)境復(fù)雜及內(nèi)部故障多樣性的特點，本文深入分析各種變壓器故障診斷方法并收集了大量變壓器DGA實例試驗數(shù)據(jù)。在此基礎(chǔ)上建立了融合模糊C-均值(FCM)和減法聚類的變壓器故障診斷新模型，該

3、模型解決了FCM算法初始化聚類中心時間長和需事先設(shè)定聚類類別數(shù)的缺陷，通過實例仿真證明了此模型具有較高的正判率。
　　 模糊聚類是一種無監(jiān)督聚類方式，雖然能夠?qū)崿F(xiàn)變壓器故障的實時診斷，但是它需要對數(shù)據(jù)硬性施加一定的隸屬關(guān)系，對聚類結(jié)果的解釋存在困難。為此，本文引入了自適應(yīng)諧振網(wǎng)絡(luò)，針對傳統(tǒng)ART2網(wǎng)絡(luò)存在輸出結(jié)果受樣本輸入順序影響的現(xiàn)象，提出了改進(jìn)的ART2網(wǎng)絡(luò)算法，該改進(jìn)算法通過活躍度λ調(diào)節(jié)網(wǎng)絡(luò)參數(shù)a,b使網(wǎng)絡(luò)達(dá)到穩(wěn)定性-可塑