[摘要]:電力變壓器作為電力系統(tǒng)中最為重要的設(shè)備之一，對(duì)電力系統(tǒng)安全、可靠、優(yōu)質(zhì)、經(jīng)濟(jì)的運(yùn)行起著決定性作用，因而，必須盡量減少變壓器故障的產(chǎn)生。電力變壓器故障檢測(cè)對(duì)電力系統(tǒng)的經(jīng)濟(jì)安全運(yùn)行有著重要的意義。油中溶解氣體法，是最有效的發(fā)現(xiàn)和檢測(cè)變壓器故障的方法之一。神經(jīng)網(wǎng)絡(luò)對(duì)外界具有很強(qiáng)的模式識(shí)別分類能力和聯(lián)想記憶能力，因此神經(jīng)網(wǎng)絡(luò)可以用于變壓器故障檢測(cè)?；谏窠?jīng)網(wǎng)絡(luò)的以變壓器油中溶解氣體為特征量的故障檢測(cè)方法為變壓器故障檢測(cè)提供了新的途徑。
本文將采用三種不同的神經(jīng)網(wǎng)絡(luò)（BP網(wǎng)絡(luò)、RBF網(wǎng)絡(luò)、支持向量機(jī)）應(yīng)用于變壓器故障檢測(cè)中，分別介紹這幾種網(wǎng)絡(luò)的基本結(jié)構(gòu)和原理，并進(jìn)行模型設(shè)計(jì)和仿真。
[關(guān)鍵詞]:變壓器 故障檢測(cè) 神經(jīng)網(wǎng)絡(luò) BP算法 RBF算法 支持向量機(jī)
1 緒論 1
1.1課題研究的目的和意義 1
1.2國(guó)內(nèi)外發(fā)展?fàn)顩r 1
1.3變壓器故障種類 1
1.4目前變壓器故障診斷的主要方法 3
1.5本文研究的主要內(nèi)容 4
2 基于神經(jīng)網(wǎng)絡(luò)的變壓器故障檢測(cè)機(jī)理和基本理論 5
2.1 故障診斷技術(shù) 5
2.2神經(jīng)網(wǎng)絡(luò) 5
2.3 變壓器故障與油中溶解氣體的關(guān)系 7
3 基于BP神經(jīng)網(wǎng)絡(luò)的變壓器故障檢測(cè)模型 9
3.1 BP網(wǎng)絡(luò) 9
3.2 BP網(wǎng)絡(luò)模型設(shè)計(jì) 13
3.2.1 BP網(wǎng)絡(luò)參數(shù)的確定 13
3.2.2基于BP神經(jīng)網(wǎng)絡(luò)變壓器故障檢測(cè)模型 15
3.2.3數(shù)據(jù)歸一化處理 15
3.3 系統(tǒng)仿真，訓(xùn)練與測(cè)試 16
3.3.1網(wǎng)絡(luò)訓(xùn)練 16
3.3.2網(wǎng)絡(luò)測(cè)試 18
4 基于RBF神經(jīng)網(wǎng)絡(luò)的變壓器故障檢測(cè)模型 20
4.1 RBF網(wǎng)絡(luò) 20
4.1.1 RBF網(wǎng)絡(luò)概述 20
4.1.2 RBF網(wǎng)絡(luò)原理 20
4.2 RBF網(wǎng)絡(luò)模型設(shè)計(jì) 21
4.2.1 RBF網(wǎng)絡(luò)模型 21
4.2.2 RBF網(wǎng)絡(luò)參數(shù)的選取 22
4.2.3 RBF網(wǎng)絡(luò)訓(xùn)練方法的確定 22
4.3 仿真結(jié)果 22
5 基于支持向量機(jī)的變壓器故障檢測(cè)模型 24
5 .1 支持向量機(jī)（SVM） 24
5 .1.1 支持向量機(jī)（SVM）基本理論 24
5.1.2 支持向量機(jī)在故障診斷中的應(yīng)用現(xiàn)狀 28
5.1.3 基于支持向量機(jī)變壓器故障多分類算法 28
5.2 變壓器故障特征診斷模型設(shè)計(jì) 29
5.2.1 變壓器故障特征診斷參數(shù)選取 29
5.2.2 故障診斷流程 29
5.3系統(tǒng)仿真 29
5.3.1 故障模型訓(xùn)練和參數(shù)尋優(yōu) 29
5.3.2 測(cè)試結(jié)果與分析 33
6 結(jié)論與展望 35
致謝 36
參考文獻(xiàn) 37
英文文獻(xiàn) 39