华东电力
華東電力
화동전력
EAST CHINA ELECTRIC POWER
2010年
2期
205-209
,共5页
自组织特征映射%粗糙集理论%变压器故障诊断
自組織特徵映射%粗糙集理論%變壓器故障診斷
자조직특정영사%조조집이론%변압기고장진단
建立了基于自组织特征映射(SOM)神经网络和粗糙集理论的变压器故障诊断模型,并将SOM各种改进算法应用到厦门市110 kV变压器故障的智能诊断中.模型使用粗糙集方法对原始数据进行约简,将得到约简后的决策表作为SOM网络的训练样本集,采用包括传统SOM、静态自组织映射树(TS-SOM)、自组织树(SOTA)、改进的自组织二叉树(DBTSONN2)、动态多叉树(DMTSONN)等各种算法对电力变压器运行中的潜在故障进行诊断.试验表明,DBTSONN2、DMTSONN能有效降低SOM网络的复杂性,减少SOM网络训练时间,对于提高变压器故障诊断精度具有一定的实际意义.
建立瞭基于自組織特徵映射(SOM)神經網絡和粗糙集理論的變壓器故障診斷模型,併將SOM各種改進算法應用到廈門市110 kV變壓器故障的智能診斷中.模型使用粗糙集方法對原始數據進行約簡,將得到約簡後的決策錶作為SOM網絡的訓練樣本集,採用包括傳統SOM、靜態自組織映射樹(TS-SOM)、自組織樹(SOTA)、改進的自組織二扠樹(DBTSONN2)、動態多扠樹(DMTSONN)等各種算法對電力變壓器運行中的潛在故障進行診斷.試驗錶明,DBTSONN2、DMTSONN能有效降低SOM網絡的複雜性,減少SOM網絡訓練時間,對于提高變壓器故障診斷精度具有一定的實際意義.
건립료기우자조직특정영사(SOM)신경망락화조조집이론적변압기고장진단모형,병장SOM각충개진산법응용도하문시110 kV변압기고장적지능진단중.모형사용조조집방법대원시수거진행약간,장득도약간후적결책표작위SOM망락적훈련양본집,채용포괄전통SOM、정태자조직영사수(TS-SOM)、자조직수(SOTA)、개진적자조직이차수(DBTSONN2)、동태다차수(DMTSONN)등각충산법대전력변압기운행중적잠재고장진행진단.시험표명,DBTSONN2、DMTSONN능유효강저SOM망락적복잡성,감소SOM망락훈련시간,대우제고변압기고장진단정도구유일정적실제의의.