基于模糊输入的BP-ART2混合神经网络在电力变压器故障综合诊断中的应用
加入技术交流群
4.3.3 介质损耗tg【3】
测量介质损耗tgδ对于判断变压器绝缘老化，受潮等整体状况有一定作用。一般情下tgδ（要换算到20℃时的对应值）小于3%为良好，大于3%小于6%为要注意，大于6%说明不良。
4.3.4 水分【4】
测量水分主要用来判断变压器受潮情况。一般情况下水分小于35ppm为良好，大于35ppm小于50ppm为要注意，大于50ppm说明不良。
5.仿真
在对历年电力变压器有关技术刊物及相应资料上公布的故障实例进行统计后，选取了经实际检验验证证明结论较明确的811台次故障变压器的数据，经随机选取后组成的训练样本集及检验样本集内各故障类型的分布情况见表4。
根据本文所述的模型，判断结果如表5所示。
由表5可见，基于模糊输入的BP-ART2混合神经网络用于电力变压器故障诊断诊断正确率较高，对于诸如分接或引线等导电回路过热故障以及匝间短路或引线闪络等涉及固体绝缘的放电故障的诊断正确性方面有较明显的提高，这说明本方法用于变压器故障诊断确实能够取得较好的诊断效果。
6.结论
本文的目的是找到一种用于电力变压器故障诊断的新型有效方法，为此，采用BP-ART2混合神经网络用于此目的。该方法充分利用BP神经网络和ART2模型的优点，克服了各自的不足之处，对电力变压器故障诊断工作是一种新的尝试。仿真结果可以发现，应用此方法可以收到良好的效果。
评论