基于模糊輸入的BP-ART2混合神經網絡在電力變壓器故障綜合診斷中的應用
加入技術交流群
4.3.3 介質損耗tg【3】
測量介質損耗tgδ對于判斷變壓器絕緣老化，受潮等整體狀況有一定作用。一般情下tgδ（要換算到20℃時的對應值）小于3%為良好，大于3%小于6%為要注意，大于6%說明不良。
4.3.4 水分【4】
測量水分主要用來判斷變壓器受潮情況。一般情況下水分小于35ppm為良好，大于35ppm小于50ppm為要注意，大于50ppm說明不良。
5.仿真
在對歷年電力變壓器有關技術刊物及相應資料上公布的故障實例進行統計后，選取了經實際檢驗驗證證明結論較明確的811臺次故障變壓器的數據，經隨機選取后組成的訓練樣本集及檢驗樣本集內各故障類型的分布情況見表4。
根據本文所述的模型，判斷結果如表5所示。
由表5可見，基于模糊輸入的BP-ART2混合神經網絡用于電力變壓器故障診斷診斷正確率較高，對于諸如分接或引線等導電回路過熱故障以及匝間短路或引線閃絡等涉及固體絕緣的放電故障的診斷正確性方面有較明顯的提高，這說明本方法用于變壓器故障診斷確實能夠取得較好的診斷效果。
6.結論
本文的目的是找到一種用于電力變壓器故障診斷的新型有效方法，為此，采用BP-ART2混合神經網絡用于此目的。該方法充分利用BP神經網絡和ART2模型的優點，克服了各自的不足之處，對電力變壓器故障診斷工作是一種新的嘗試。仿真結果可以發現，應用此方法可以收到良好的效果。
評論