论文部分内容阅读
SF6电气设备存在放电故障时，内部的sF6气体会分解成诸多衍生物，对设备的安全运行造成隐患．因此，通过SF6衍生物的状态可以推断设备的放电故障．在已有实验数据的基础上，将SF6衍生物的状态作为神经网络的输入，放电故障作为神经网络的输出，构建了基于概率神经网络的SF6电气设备故障诊断模型．实验表明，构建的模型对放电故障的预测达到88．23％，并与BP神经网络模型的预测结果进行了比较，证实了在SF6电气设备故障诊断的研究中，概率神经网络要优于BP神经网络．