论文部分内容阅读
电力变压器是电力系统中最重要的电气设备之一，其运行状态直接影响系统的安全性水平。及早发现变压器的潜伏性故障，保证变压器的安全运行，是电力部门关注的一个重要问题。因此，研究变压器故障诊断技术，提高变压器的运行维护水平，对电力系统的安全运行具有重要的现实意义。
变压器油中溶解气体分析是变压器内部故障诊断的重要手段，它为间接了解变压器内部的一般隐患提供了重要依据，实践证明变压器油中溶解气体分析技术对发现变压器内部的潜伏性故障及其发展趋势非常有效。因此，本文选用油中溶解气体作为故障诊断的特征量。
由于故障征兆和故障类型之间常常存在复杂的非线性关系，使得诊断系统的数学模型很难获取。而人工神经网络以其分布式并行处理、自适应、自学习、联想记忆以及非线性映射等优点，为解决这一问题开辟了新途径。因此，本文采用神经网络方法为核心来研究变压器故障诊断系统。
本文首先分析了故障诊断和神经网络的基本理论，并针对BP算法存在的一些缺点采取了一系列改进措施，大大提高系统的诊断效率和诊断正确率。将变压器诊断中典型的油中气体分析法和神经网络方法相结合，采用VC开发出界面友好、性能优越的变压器故障诊断系统。
在文章的最后，总结了神经网络故障诊断系统的优秀性能以及它存在的不足，并且分析了未来故障智能诊断系统的前景和发展方向。