近年来，中国经济的增长有利于电力需求的增长。这种情况下，电力系统技术发展非常迅速。如，诸如超高压，大型电网和自动化电网系统之类的先进技术已进入实际应用阶段。机容量和能耗已达到全球水平。是，作为人类能源消费最重要的直接能源，电力需求也将呈现出快速增长的趋势，这将导致电力需求增长之间的矛盾。生活产业中的实际供电能力，从而阻碍了社会经济发展。
了促进经济的可持续发展，我们必须确保电力供应的可持续发展。前，三位一体的关系在电源，功耗和发电之间。果路由出现问题，则整个系统将崩溃。此，电气工业的蓬勃发展，电气设备的维护以及确保电气设备的安全性和稳定性可使该电气系统正常，稳定地运行。有这样，我们才能确保经济的可持续发展和人民生活水平的不断改善。电力系统中，大型变压器不仅是关键组件，而且非常昂贵。此，大型电力变压器的管理和维护极为重要，其维护也是电力系统管理的核心内容。压器的材料成分主要包括：绝缘材料，底盘材料，导电和导磁材料。缘体主要是有机物质，
电缆例如绝缘纸，矿物油和各种有机合成物质。些绝缘物质将随着各种环境，天气和其他因素的影响而减少，并且它们的绝缘性能将趋于下降，并容易引发各种电气故障，从而导致电力系统故障。且许多当前文献还证明了变压器故障的重要原因是绝缘材料性能的下降。如，由于变压器短路故障引起的故障；油温升高引起的绝缘劣化导致绝缘故障。力变压器一旦发生故障，维修时间通常会更长，尤其是随着变压器容量和等级的提高，其故障的负面影响越大，经济损失也就越大。会影响将是巨大的。管随着材料技术的发展，变压器选择建材的性能也得到了一定程度的提高，为设备的可靠运行做出了贡献，但不可避免地会出现一些无法预料的问题。使用过程中。运行和维护模式方面，电力变压器总是会出现不同类型的故障。
这方面，只有注意监视变压器绝缘状态并通过预防性监视，才能在问题发生之前避免出现问题，从而消除潜在故障通过高级维护消除故障问题的扩展。外，先进的状态监控技术还有助于快速定位故障位置，帮助缩短变压器维修时间，这对于提高安全性和稳定性显然具有积极意义。力系统。
经网络是由大量处理单元广泛互连的网络。的信息处理是通过神经元之间的相互作用进行的。络学习和识别取决于每个神经元连接权重的动态演变过程。为一种大规模的非线性自适应连续时间信息处理系统，它具有许多特性，例如高非线性，模拟并行性，高容错性，鲁棒性，自我交往，自我学习和自我适应。使其成为用于电气设备在线监视的最有希望的故障诊断方法之一。文研究了改进的反向传播神经网络在变压器油中溶解气体诊断中的应用，并着重分析了其算法，网络选择，学习过程的收敛性以及计算示例。于神经网络使用长期记忆来存储长期记忆，因此神经网络学习算法的目标是调整神经元之间的连接权重，从而使整个神经元的网络可以实现预期的功能。学习过程中，将训练样本中的数据添加到网络输入中，并将相应的预期输出与实际网络输出进行比较，以获取错误信号，从而控制调整重量连接的强度，并在几次训练后收敛。得定义的重量矩阵。据BP网络理论，隐藏层可以是一个或多个层，但是具有隐藏层的BP网络已经可以以任意精度完成任何连续函数的映射，因此通常仅使用一个隐藏层。习过程包括两个部分：前向传播输出过程和后向传播调整过程，在前向传播过程中，输入信号从输入层到隐藏单元逐层处理，然后传递到输出层。态仅影响下一层中神经元的状态。果在输出层没有获得期望的输出，则输出信号的误差将沿着原始连接路径传播到输入层；通过沿途修改每一层的神经元连接的权重和神经元的阈值逐渐减少错误。
很多方法可以调整权重和神经阈值。用最广泛的BP算法使用最陡峭的负梯度调整方法。3.2说明了仅考虑一个隐藏层的BP神经网络。先，给出LA层单元和LB层单元之间以及LB层单元和LC层单元之间的连接权限，以及LB层单元的阈值θi和LC层的单位阈值γi在[-ε， ε]（ε≤1）的范围内分配一个随机值。BP算法是LMS算法在直接作用多层神经网络中的应用，它是一个非线性优化问题。于BP网络的理论完整性，它已成功应用于许多领域，包括诊断电气设备的绝缘故障，但也存在许多问题，例如：普及能力已经学习的网络可以没有近似规则，并且可以正确处理大量尚未学习的样本。差面上有许多局部最小点；学习算法收敛缓慢；网络隐藏层数的选择缺乏完整的理论指导。此，研究新的迭代收敛算法具有很大的实用价值。ConjugateGradient是一种不受限制的重要优化方法。特征是使用先前搜索方向和起点的负梯度的线性组合来生成共轭方向，并使用它来找到目标函数的极值。向量使用四个输出神经元：一般过热，严重过热，高能量放电和低能量放电。能量放电通常是指电弧放电和相对较强的火花放电。能量放电通常是指局部放电和相对较弱的火花放电。
映过热故障的单个输出大于0，因为它们是互斥的。映放电故障的单个输出大于0；但是，两种类型的过热和放电输出都可能超过0。为在故障本身中，放电和过热有许多故障。
大输出值为1.0。越高，此类缺陷的可能性和严重性越高。果输出为{0.0，1.0，1.0，0.0}，则表明故障是严重的过热和高能量放电。择训练样本时，样本中各种类型故障的百分比必须等于变压器故障的实际发生率。作环境等因素的影响，汇集了125套变压器色谱分析记录和不同制造商在不同电压水平下运行产生的相应实际故障结果并且在不同的区域，使样品具有良好的范围；在反复调试了18组可以反映各种类型故障的标准样本后，将其他样本数据用于验证和检查。此，系统可以诊断多个故障，这些故障可以从12、13、15、16、19的序列中显示出来。外，通过三报告方法获得的故障结论也存在。差。如，序列号为20以说明此差异，但是ACG-BP网络可以消除此错误。而言之，ACG-BP网络系统具有强大的积累能力并将其经验存储在权重矩阵中，从而可以快速而准确地诊断故障。
本文转载自
电缆 https://www.haoluoyi.com
猜您兴趣
首页
QQ