论文总字数：32810字

摘 要

电力变压器是电力系统中最为关键的设备之一，是对电力系统安全，可靠、优质、经济运行的重要保证，必须最大限度的防止和减少变压器事故的发生。电力变压器故障诊断对电力系统的安全经济运行有着十分重要的意义。油中溶解气体分析法(DGA)是早期发现和预防变压器故障的最有效方法之一。由于神经网络对外界的输入样本具有很强的识别分类能力和联想记忆等信息处理特点，使得人工神经网络应用于变压器故障诊断得以实现。因此，研究以变压器油中溶解气体为特征量的神经网络故障诊断方法，为变压器故障诊断提供了新的途径。

本文首先对电力变压器故障类型和特征气体以及不同种类故障与不同种类特征气体含量之间的相应关系进行了系统的研究，构建了适应予变压器故障诊断的输入特征参量，在此基础上建立了基于粗k均值聚类的RBF神经网络的电力变压器故障诊断模型。最后，通过仿真试验证明本文的方法具有明显的优越性和更高的故障诊断率。

关键词：变压器故障诊断，粗k均值聚类，RBF神经网络

Transformer fault diagnosis based on RBF neural network

Abstract

Power transformer equipment is one of the most critical power systems and is an important guarantee for safe, high-quality, economic operation to power system. We must maximize to prevent and reduce the occurrence of accidents of transformer．The transformer fault diagnosis

is very important to the safety and economic operation of power system．Dissolved Gas Analysis (DGA) is one of the most effective methods to predict and diagnose transformer faults．The neural network has the information processing traits of associative memory and strong capability to recognize and classify the input samples．The possibility of the practical application of artificial neural network to diagnose fault of equipment is come true．So, to study the neural network fault diagnosis method by the dissolved gases in transformer oil as the characteristics has provided the new way for the transformer failure diagnosis．

Firstly, the corresponding relations of power transformer fault types and characteristics of different types of gases and failure characteristics and gas content between different types were studied systems constructed characteristic parameter input transformer fault diagnosis to adapt to, and on this basis, established based on power transformer fault diagnosis model coarse k-means clustering RBF neural network. Finally, has obvious advantages and higher rates of fault diagnosis proved by the method of simulation of this article.

Key words：transformer fault diagnosis，rough k-means clustering, RBF neural networks

目录

摘要 I

Abstract II

目录 III

第一章 绪论 1

1.1 研究目的和意义 1

1.2 变压器故障诊断的综述 1

1.2.1 变压器常见故障 2

1.2.2 变压器内部故障类型与油中气体含量的关系 3

1.2.3 传统的诊断方法 4

1.3 本文的研究内容和组织结构 5

1.4 本章小结 5

第二章 RBF神经网络的基本原理 7

2.1 神经网络的发展历史和现状 7

2.1.1 神经网络的发展历史回顾 7

2.1.2 人工神经网络的特性 7

2.1.3 人工神经网络的基本功能 7

2.2 人工神经网络的基本模型及结构 8

2.2.1 人工神经元模型 8

2.2.2 神经元激活函数 9

2.2.3 人工神经网络的结构和工作过程 10

2.3人工神经网络的训练 11

2.4 RBF神经网络 12

2.4.1 RBF神经网络结构 12

2.4.2 RBF网络工作原理 13

2.4.3 RBF神经网络的特性 14

2.4.4 RBF神经网络的学习算法 14

2.5 本章小结 15

第三章 基于粗k均值聚类的RBF神经网络变压器故障诊断模型 16

3.1 粗k均值聚类算法 16

3.2 基于粗k均值聚类的RBF神经网络——RKM-RBFNN 18

3.2.1 RBF神经网络的层数 18

3.2.2 传递函数的选择 18

3.2.3 网络输入输出节点数的确定 19

3.2.4 隐层节点数的确定 19

3.3 基于RKM-RBFNN的故障诊断模型 19

3.4 仿真实验及结果分析 21

3.5 本章小结 23

第四章 结论与展望 24

4.1 全文总结 24

4.2 今后待研究的问题及发展方向 24

参考文献 26

致 谢 28

附录 29

第一章 绪论

1.1 研究目的和意义

电力变压器是电网的核心设备之一，变压器故障一直是危及电网安全的主要因素，2001年国家电网的变压器共发生非计划停运达216次，其故障率最大的部位是变压器的内绝缘，主要故障特点是变压器绝缘老化严重、运行环境恶劣、变压器制造质量有问题。由于变压器内部结构复杂，电场分布不均匀，且随着超高压和特高压输变电技术的迅速发展，电网容量加大和覆盖面增广，电力变压器的故障可能对电力系统和用户造成更为重大的危害和影响。因此变压器稳定、可靠运行将对电力系统安全起到非常重要的作用。变压器故障通常是伴随着电弧和放电以及剧烈燃烧而发生，随后电力设备即发生短路或其他故障，轻则停电检修，直接影响生产，严重时甚至会发生变压器爆炸，造成重大经济损失。由此可见，电力变压器是电力系统最重要的输变电设备，同时也是电力系统中发生事故最多的设备之一，其运行状态直接影响系统运行的安全与稳定。如何确保变压器的安全运行受到了世界各国的广泛关注。通过对电力变压器定期进行预防性维护，实时检测高压设备的实际运行情况，检测与诊断其潜伏性故障或缺陷，提高诊断水平，做到有针对性的检修维护，达到早期预报故障，避免恶性事故的发生，具有重要的实际意义。

请支付后下载全文，论文总字数：32810字