神经网络在变压器故障诊断中的应用研究
作者:
禹建丽
[1]
黄鸿琦
[2]
陈洪根
[1]
潘笑天
[1]
关键词:
故障诊断
累积频率归一化
神经网络
摘要：
为达到良好的故障诊断效果,神经网络训练样本通常选取具有代表性的、紧凑的样本,但是由于变压器内外部存在不确定因素的影响,现实中变压器溶解气体量跨度远大于训练样本跨度.小样本训练不能够满足变压器故障诊断的实际需求,而大样本量存在训练样本跨度范围大、样本分散问题,会降低神经网络的泛化能力.针对数据量大、样本分散,利用累积频率归一化对数据进行规范化处理,用441 组故障数据进行网络训练和网络检测,构建了BP 神经网络、RBF 神经网络和GRNN 神经网络故障诊断模型,对数据规范化前后仿真结果进行对比,结果表明,累积频率归一化的数据规范化方法可不同程度地提高神经网络的变压器故障诊断效果,综合诊断效果和混合故障类型诊断效果均优于传统的三比值法,具有实际应用价值.
上一篇： 基于事件触发的自主车队控制
下一篇： 一种玉米雄穗图像分割方法