1. 研究目的与意义（文献综述包含参考文献）

针对变压器故障征兆和故障类型的非线性特征，结合油中气体分析法，研究应用bp神经网络对变压器进行故障诊断。设计了一个基于bp神经网络的变压器故障诊断模型，通过仿真实验证明bp神经网络可以有效的运用到变压器故障诊断中。

电力变压器是电网运行的主要设备，它的安全运行是保障电力系统可靠运行的条件之一。油中溶解气体的色谱分析技术目前是电力系统充油电器设备故障诊断的一种重要手段。但由于电力设备故障原因，故障现象的复杂性和不确定性，传统的故障诊断方法诊断准确率不高。因此很有必要探索一种更方便，更可靠的诊断方法，以提高诊断的准确率。由于神经网络具有并行处理，学习和记忆，非线性映射，自适应能力和鲁棒性等固有性质，使其非常适合应用在变压器故障诊断领域。其中bp算法是目前在电器故障诊断领域中的特征提取和模式分类等方面应用的最成功，研究的最广泛的一种神经网络。^{6}

电力变压器故障诊断是电力系统的一个重要研究课题。本课题要求采用遗传算法来优化神经网络，将优化后的神经网络用于变压器故障诊断中。利用matlab编程实现ga_bp神经网络，并将其用于某变压器故障诊断的实例中，通过仿真实验来验证其有效性。^{1}

2. 研究的基本内容、问题解决措施及方案

可以从实例中了解研究本课题的方法，例如基于dga技术的大型电力变压器绝缘故障诊断工作中，将bp神经网络应用到电力变压器绝缘故障诊断工作中，运用遗传算法实现诊断的优化，从而建立适用于电力变压器内部故障诊断的模型。主要展开以下几个方面的研究工作：

（1）总结油中溶解气体组分于变压器故障之间的关系，分析传统的比值法的不足，引入bp神经网络进行变压器故障诊断。

（2）结合故障诊断的要求，设计了用于故障诊断的bp神经网络的网络结构，即网络的输入，输出模式确定，通过仿真实验确定隐含层数及隐含层节点数。