高压电器
高壓電器
고압전기
HIGH VOLTAGE APPARATUS
2010年
5期
14-17,21
,共5页
贾嵘%李宏斌%康会西%洪刚
賈嶸%李宏斌%康會西%洪剛
가영%리굉빈%강회서%홍강
变压器%绕组%振动信号%改进粒子群算法%神经网络%故障诊断
變壓器%繞組%振動信號%改進粒子群算法%神經網絡%故障診斷
변압기%요조%진동신호%개진입자군산법%신경망락%고장진단
变压器绕组早期故障的诊断是实现安全生产、避免大事故的技术前提.由于变压器器身振动信号包含有丰富的信息,所以可以通过监测变压器振动信号来预估绕组的状况.笔者首先利用小波包分解原理将变压器振动信号分解到不同的频段中.然后计算各频段的能量熵值,并将其作为BP神经网络的输入向量,同时利用改进粒子群算法(IPSO)对BP神经网络进行优化.最后利用训练好的BP神经网络对变压器进行故障诊断.试验结果表明:与传统BP神经网络法和PSO.BP神经网络方法相比,该方法克服了BP神经网络的一些缺陷,具有较快的收敛速度和较高的诊断精度,对变压器绕组的早期故障具有良好的预测能力.
變壓器繞組早期故障的診斷是實現安全生產、避免大事故的技術前提.由于變壓器器身振動信號包含有豐富的信息,所以可以通過鑑測變壓器振動信號來預估繞組的狀況.筆者首先利用小波包分解原理將變壓器振動信號分解到不同的頻段中.然後計算各頻段的能量熵值,併將其作為BP神經網絡的輸入嚮量,同時利用改進粒子群算法(IPSO)對BP神經網絡進行優化.最後利用訓練好的BP神經網絡對變壓器進行故障診斷.試驗結果錶明:與傳統BP神經網絡法和PSO.BP神經網絡方法相比,該方法剋服瞭BP神經網絡的一些缺陷,具有較快的收斂速度和較高的診斷精度,對變壓器繞組的早期故障具有良好的預測能力.
변압기요조조기고장적진단시실현안전생산、피면대사고적기술전제.유우변압기기신진동신호포함유봉부적신식,소이가이통과감측변압기진동신호래예고요조적상황.필자수선이용소파포분해원리장변압기진동신호분해도불동적빈단중.연후계산각빈단적능량적치,병장기작위BP신경망락적수입향량,동시이용개진입자군산법(IPSO)대BP신경망락진행우화.최후이용훈련호적BP신경망락대변압기진행고장진단.시험결과표명:여전통BP신경망락법화PSO.BP신경망락방법상비,해방법극복료BP신경망락적일사결함,구유교쾌적수렴속도화교고적진단정도,대변압기요조적조기고장구유량호적예측능력.
