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(jiǎn)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(shí)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(yàn)對(duì)電氣設(shè)備由于過(guò)度檢修所造成的巨大損傷，有效地延長(zhǎng)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(cè)等缺陷，對(duì)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(cè)技術(shù)作

2、為DGA技術(shù)的補(bǔ)充使得DGA技術(shù)有了進(jìn)一步的發(fā)展，但是檢測(cè)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(shí)，探求有利于變壓器故障診斷的在線監(jiān)測(cè)和智能化的方法和手段已經(jīng)成為研究的熱點(diǎn)。
　　 針對(duì)變壓器運(yùn)行環(huán)境復(fù)雜及內(nèi)部故障多樣性的特點(diǎn)，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(shí)例試驗(yàn)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(shí)間長(zhǎng)和需事先設(shè)定聚類類別數(shù)的缺陷，通過(guò)實(shí)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(wú)監(jiān)督聚類方式，雖然能夠?qū)崿F(xiàn)變壓器故障的實(shí)時(shí)診斷，但是它需要對(duì)數(shù)據(jù)硬性施加一定的隸屬關(guān)系，對(duì)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(duì)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(guò)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