基于模糊ART神經(jīng)網(wǎng)絡(luò)的變壓器局部放電模式識別研究.pdf

1、作為電力系統(tǒng)最重要的組成部分，以及電網(wǎng)供電可靠性的保障，電力變壓器一旦發(fā)生故障，通常會引起電力系統(tǒng)的崩潰和嚴重的經(jīng)濟損失。資料表明，導致變壓器故障的主要原因是其絕緣性能的劣化，因此為了提高絕緣的可靠性，目前各國都在發(fā)展可以對變壓器在運行狀態(tài)下進行實時或在線監(jiān)測診斷的狀態(tài)維修，其中局部放電的模式識別是當前的研究熱點之一。但是由于變壓器結(jié)構(gòu)的復雜性，局部放電的不確定性，運行現(xiàn)場存在的大量電磁干擾，以及識別算法的不成熟，這些都給局部放電的檢測

2、、定位和識別分類造成了很大的困難。本文在查閱國內(nèi)外大量關(guān)于變壓器局部放電、模式識別、人工神經(jīng)網(wǎng)絡(luò)方面的文獻基礎(chǔ)上，做了如下的一些研究工作：
　　本文對模式識別系統(tǒng)的概念和結(jié)構(gòu)進行了簡要的描述，然后特別從分類器設(shè)計的角度詳細地分析了模式識別系統(tǒng)中的幾個重要問題，包括特征空間的設(shè)計、分類器設(shè)計的準則和基本方法、判別函數(shù)的選取及參數(shù)的確定、系統(tǒng)的訓練和學習等，這是本文的總體框架和理論基礎(chǔ)。
　　本文概括了局部放電信號中所包含的多種

3、干擾信號的來源，對當前實際應(yīng)用中常見的各種類型的干擾抑制方法進行了一個歸納，然后根據(jù)相關(guān)的文獻資料，論述了四種局部放電模式識別中常用的放電特征量：三維列表數(shù)據(jù)特征、局部放電統(tǒng)計特征、局部放電圖像灰度矩特征和局部放電時頻特征，并對特征量的可分性測量進行了討論。
　　本文論述了ATR1神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和工作原理，并介紹了模糊理論的由來、發(fā)展及應(yīng)用，然后著重分析了一種模糊ART神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和算法。模糊ART神經(jīng)網(wǎng)絡(luò)將模糊理論與ART1神

4、經(jīng)網(wǎng)絡(luò)相結(jié)合，模糊集合的特點與運算規(guī)則的帶入，使ART1網(wǎng)絡(luò)的輸入模糊化，使得網(wǎng)絡(luò)可以進行模擬量的運算，彌補了ART1網(wǎng)絡(luò)的輸入只能為二進制的缺陷，這是一種自組織模糊神經(jīng)網(wǎng)絡(luò)，能夠進行非監(jiān)督實時學習，比較適合應(yīng)用于模式識別研究。
　　本文借鑒了前人文獻中對五種不同局部放電模型進行的放電實驗，并得到了各放電模型的三維譜圖，再將譜圖經(jīng)過處理得到的列表數(shù)據(jù)特征量作為神經(jīng)網(wǎng)絡(luò)的輸入量，分別用模糊ART神經(jīng)網(wǎng)絡(luò)和BP神經(jīng)網(wǎng)絡(luò)在MATLAB的