基于神經網絡的變壓器故障檢測畢業(yè)論文.doc
約51頁DOC格式手機打開展開
基于神經網絡的變壓器故障檢測畢業(yè)論文,[摘要]:電力變壓器作為電力系統(tǒng)中最為重要的設備之一，對電力系統(tǒng)安全、可靠、優(yōu)質、經濟的運行起著決定性作用，因而，必須盡量減少變壓器故障的產生。電力變壓器故障檢測對電力系統(tǒng)的經濟安全運行有著重要的意義。油中溶解氣體法，是最有效的發(fā)現(xiàn)和檢測變壓器故障的方法之一。神經網絡對外界具有很強的模式識別分類能力和聯(lián)想記憶能力，因此...
內容介紹
此文檔由會員 dustinblog 發(fā)布
[摘要]:電力變壓器作為電力系統(tǒng)中最為重要的設備之一，對電力系統(tǒng)安全、可靠、優(yōu)質、經濟的運行起著決定性作用，因而，必須盡量減少變壓器故障的產生。電力變壓器故障檢測對電力系統(tǒng)的經濟安全運行有著重要的意義。油中溶解氣體法，是最有效的發(fā)現(xiàn)和檢測變壓器故障的方法之一。神經網絡對外界具有很強的模式識別分類能力和聯(lián)想記憶能力，因此神經網絡可以用于變壓器故障檢測?；谏窠浘W絡的以變壓器油中溶解氣體為特征量的故障檢測方法為變壓器故障檢測提供了新的途徑。
本文將采用三種不同的神經網絡（BP網絡、RBF網絡、支持向量機）應用于變壓器故障檢測中，分別介紹這幾種網絡的基本結構和原理，并進行模型設計和仿真。
[關鍵詞]:變壓器 故障檢測 神經網絡 BP算法 RBF算法 支持向量機
1 緒論 1
1.1課題研究的目的和意義 1
1.2國內外發(fā)展狀況 1
1.3變壓器故障種類 1
1.4目前變壓器故障診斷的主要方法 3
1.5本文研究的主要內容 4
2 基于神經網絡的變壓器故障檢測機理和基本理論 5
2.1 故障診斷技術 5
2.2神經網絡 5
2.3 變壓器故障與油中溶解氣體的關系 7
3 基于BP神經網絡的變壓器故障檢測模型 9
3.1 BP網絡 9
3.2 BP網絡模型設計 13
3.2.1 BP網絡參數的確定 13
3.2.2基于BP神經網絡變壓器故障檢測模型 15
3.2.3數據歸一化處理 15
3.3 系統(tǒng)仿真，訓練與測試 16
3.3.1網絡訓練 16
3.3.2網絡測試 18
4 基于RBF神經網絡的變壓器故障檢測模型 20
4.1 RBF網絡 20
4.1.1 RBF網絡概述 20
4.1.2 RBF網絡原理 20
4.2 RBF網絡模型設計 21
4.2.1 RBF網絡模型 21
4.2.2 RBF網絡參數的選取 22
4.2.3 RBF網絡訓練方法的確定 22
4.3 仿真結果 22
5 基于支持向量機的變壓器故障檢測模型 24
5 .1 支持向量機（SVM） 24
5 .1.1 支持向量機（SVM）基本理論 24
5.1.2 支持向量機在故障診斷中的應用現(xiàn)狀 28
5.1.3 基于支持向量機變壓器故障多分類算法 28
5.2 變壓器故障特征診斷模型設計 29
5.2.1 變壓器故障特征診斷參數選取 29
5.2.2 故障診斷流程 29
5.3系統(tǒng)仿真 29
5.3.1 故障模型訓練和參數尋優(yōu) 29
5.3.2 測試結果與分析 33
6 結論與展望 35
致謝 36
參考文獻 37
英文文獻 39
本文將采用三種不同的神經網絡（BP網絡、RBF網絡、支持向量機）應用于變壓器故障檢測中，分別介紹這幾種網絡的基本結構和原理，并進行模型設計和仿真。
[關鍵詞]:變壓器 故障檢測 神經網絡 BP算法 RBF算法 支持向量機
1 緒論 1
1.1課題研究的目的和意義 1
1.2國內外發(fā)展狀況 1
1.3變壓器故障種類 1
1.4目前變壓器故障診斷的主要方法 3
1.5本文研究的主要內容 4
2 基于神經網絡的變壓器故障檢測機理和基本理論 5
2.1 故障診斷技術 5
2.2神經網絡 5
2.3 變壓器故障與油中溶解氣體的關系 7
3 基于BP神經網絡的變壓器故障檢測模型 9
3.1 BP網絡 9
3.2 BP網絡模型設計 13
3.2.1 BP網絡參數的確定 13
3.2.2基于BP神經網絡變壓器故障檢測模型 15
3.2.3數據歸一化處理 15
3.3 系統(tǒng)仿真，訓練與測試 16
3.3.1網絡訓練 16
3.3.2網絡測試 18
4 基于RBF神經網絡的變壓器故障檢測模型 20
4.1 RBF網絡 20
4.1.1 RBF網絡概述 20
4.1.2 RBF網絡原理 20
4.2 RBF網絡模型設計 21
4.2.1 RBF網絡模型 21
4.2.2 RBF網絡參數的選取 22
4.2.3 RBF網絡訓練方法的確定 22
4.3 仿真結果 22
5 基于支持向量機的變壓器故障檢測模型 24
5 .1 支持向量機（SVM） 24
5 .1.1 支持向量機（SVM）基本理論 24
5.1.2 支持向量機在故障診斷中的應用現(xiàn)狀 28
5.1.3 基于支持向量機變壓器故障多分類算法 28
5.2 變壓器故障特征診斷模型設計 29
5.2.1 變壓器故障特征診斷參數選取 29
5.2.2 故障診斷流程 29
5.3系統(tǒng)仿真 29
5.3.1 故障模型訓練和參數尋優(yōu) 29
5.3.2 測試結果與分析 33
6 結論與展望 35
致謝 36
參考文獻 37
英文文獻 39
