1、 ，摘要许继集团是我国电力装备研发和电力生产的大型骨干企业，一直都很重视变压器故障诊断技术的发展和研究，近几年与我校老师合作研发变压器故障诊断系统。基于该项目的需求，本文做了两方面工作：一是研究神经网络相关理论算法，并将神经网络理论应用于变压器故障诊断，这方面主要工作是掌握算法以及应用神经网络进行应用建模；二是设计并在的平台上实现了基于神经网络的变压器故障诊断系统，该系统包含三个模块：数据管理、网络训练和故障诊断。数据管理模块主要实现了故障样本的预处理，网络训练模块主要实现了三种算法来训练网络，故障诊断模块主要实现对故障样本的诊断。 琁 瑃芯康南喙乩砺邸神经网络相关知识系统的需求分析课题的提出
2、与意义需要遭到天气和认为的双重考验；此外，部分还在工作的变压器早已超过了其标准的使用期限。综上，变压器故障诊断是必须要重视的。早期的变压器故障诊断就是要定期暂停变压器运行，做离线实验。这种措施对于预防变压器故障问题简单有效，也确实在一段时间内起到很重要的作用。但以现在技术眼光来看待这些方法，就会发现有很多不足和缺点，从对用户供电方面来说暂停检修要停止正常供电，检修的日期很难确定；从入力物力方面来看，大多数检修是没有发现故障的，浪费了人力物力；从变压器故障的方面来看，定期对变压器做低于其额定电压的检测实验会使变压器的灵敏性变差，造成以后难以找出潜在故障。因此变压器故障的诊断需要一种能够自动检测的
3、，及时地、安全地发现并诊断出其故障类型的方法。许继集团是我国电力装备研发和电力生产的大型骨干企业，一直都都将变压器故障诊断作为研究的重点。近几年与我校老师合作开发变压器故障诊断系统。目的是将多种算法理论与变压器故障诊断的应用相结合，开发出性能更好、准确率更高的变压器故障诊断系统。本文所做工作是在该项目背景下，将神经网络应用于许继变压器故障诊断中，完成神经网络模块的设计与实现。现实中大部分供电系统中，油浸式变压器是最常见的主流变压器。由于油浸式变压器需要用油来绝缘和散热，在这些油在电压、电热的作用下会发生化学变化而产生烃类气体，这些溶解在油中的气体被称之为油中溶解气体。变压器在有潜在故障或者发生
4、故障后这些烃类气体的含量或者种类会发生某些变化。变压器的故障类型与这些烃类气体的组分和含量有着某种复杂的非线性关模糊理论压器故障的原因、类型与变压器内部的机理等并未被人们充分理解认识。模糊也一种对实际应用的建模工具。它尤其适合对具有离散事件的动，也是一种数学建模工具。它同概率论、模糊集等理论有共同之处都是对不完全确定的问题来建模的，是变压器故障的热点方向之一，第一章绪论，介绍课题的来源意义以及变压器故障诊断的研究现状。统进行分析总结系统实现的不足之处，最后对本文所研究的相关技术提出了展变压器故障类型障、铁芯故障、绕组故障等。本文只研究变压器的内部故障，因此按照变压器变压器常见故障以及其与特征气
5、体的关系表变压器故障类型统计表表故障类型与对应特征气体表设备内部状况与油中气体组分的关系特征气体的含量的变化恢贝嬖电晕放电，水电解或铁锈电晕放电涉及到绝缘纸或变压器严重过载火花放电，在油中引起放电有高能量电弧放电，油快速劣化小范围内高温过热，接触不良，故障未涉及固体绝缘小范围内高温过热，接触不良，故障已涉及固体绝缘、仙俚腃珻椭腥芙馄宓姆治龇椒引，是最有效的的方法两类。这章主要介绍传统的方法，这些方法是人工智能方法的基础。盋气体的含量有明显的增长时，必须要结合总烃含量来是判断是否超标，通常不一定是油老化的故障。因为当固体绝缘正常的老化也可能表编码规则至仍在被某些应用使用。习算法的训练下不断修改网
6、络间的权值以达到预期输出的过程。介绍神经网络图为神经元模型。图肝神经元模型6琭之，图前向神经网络网络训练或者说网络学习口妇的目的是实现神经元连接权值修改。对不同样本的学习能得到反应不同关系的网络，神经网络的智能性正体现在此。训练是神经网络的内涵所在。而神经网络的学习方式分为：有导师学习和无导师学习。学习算法就多种多样了，这里主要介绍两种常见的：学习规则和学习规则。图无导师学习方式这里简单的介绍一下整个训练过程：假设神经网络的输出层中有一个神经元臼菔淙敫蒙窬#跋蚣扑阍谑涑霾悴氖涑鰕，称为实际输出。而已知的样本数据中的输出，我们称之为神经网络的期望输出，实际输出与期望输出之差，我们称之为误差。根据
7、一定的规则不断的学习、调整权值使误差达到最小市淼姆段或者使系统达到一个稳定状态驿称，它相交标准算法的改进在于加了动量项和自适应改变步长。这里的动量项是指本次权值的修改要加上一次权值修改量的一部分，即本次的权值修改量为：允术如，盕水盯时具体算法本次的权值修改为：汐，占七， 层、输出层节点数的设置、学习算法的选择等；编码；系统总体设计三模块功能的具体设计图数据管理模块图网络训练沉程图本模块是系统核心功能的具体体现，主要是对已知特征气体含量的变压器故障样本数据进行诊断，具体来说是用网络训练模块完成训练的网络进行故障样本的分类。具体实现是较简单的，前面的网络训练模块中在实现网络训练的时候也设置了网络测试接口，进行故障诊断时只要调用保存的网络并输出测试样本即可。
