遗传算法与神经网络相融合的电力变压器故障诊断

发布时间：2020-12-07 16:33

　　我国的电力系统规模巨大,电力系统运行的可靠性和安全性直接影响着国民经济命脉,以及人民的日常生活和财产安全。近几年,我国的经济发展向着稳定快速的方向前进,也推动了电力行业的转型,电力系统正在向特高压、智能电网、新能源、清洁能源的方向发展。电力变压器是电力系统输、变电设备中最重要的电气设备之一,也是电力系统中容量较大、事故率较高的电气设备之一,保障其安全运行将会直接关系到整个电力系统的安全稳定运行。随时检测变压器的潜伏性故障并且及时排除隐患,保证变压器的安全运行,是提高供电可靠性的重要方法,也是电力系统中一项具有重大理论的研究课题。本文比较了常用的电力变压器故障诊断方法,提出了一种基于遗传算法加BP神经网络算法,并应用到电力变压器故障诊断中。仿真结果表明,本文采用的方法在故障速度和诊断正确率方面较传统方法有较大的改进,可以较好的提高电力变压器的安全性运行,具有重要现实意义。本文在分析了BP神经网络、遗传算法的基本结构、原理和各自优缺点的基础上,提出了将遗传算法与BP神经网络相融合的算法用于电力变压器诊断,并采用MATLAB软件分别对BP神经网络,以及基于遗传算法加BP神经网络进行了仿真,给... 

【文章来源】：长春大学吉林省

【文章页数】：60 页

【学位级别】：硕士

【部分图文】：

单点交叉示意图

图4-2两点交叉示意图

遗传算法流程图

【参考文献】：
期刊论文
[1]电力变压器故障诊断及电力技术监督系统[J]. 吴长贵.  电子技术与软件工程. 2017(14)
[2]基于油中溶解气体方法的变压器故障诊断技术探讨[J]. 吴勇,董学育,张超.  电工电气. 2017(05)
[3]基于多维度信息融合的实用型变压器故障诊断专家系统[J]. 徐阳,谢天喜,周志成,陆云才,李建生,曹健,蒋超.  中国电力. 2017(01)
[4]高压输电线防震锤锈蚀缺陷检测[J]. 宋伟,左丹,邓邦飞,张海兵,薛凯文,胡泓.  仪器仪表学报. 2016(S1)
[5]应用B样条理论改进的变压器三比值故障诊断方法[J]. 张卫华,苑津莎,张铁峰,张珂.  中国电机工程学报. 2014(24)
[6]基于RIMER专家系统和DGA的变压器故障诊断[J]. 陈金强.  高压电器. 2013(11)
[7]基于改进粒子群优化神经网络的电力变压器故障诊断[J]. 程加堂,熊伟,徐绍坤,艾莉.  高压电器. 2012(02)
[8]径向基函数神经网络在电力变压器故障诊断中的应用[J]. 麻闽政.  广东电力. 2012(01)
[9]电力变压器过热故障及预防措施[J]. 张会娟.  电气技术. 2011(11)
[10]遗传算法编码方案比较[J]. 张超群,郑建国,钱洁.  计算机应用研究. 2011(03)

硕士论文
[1]变压器在线故障诊断技术研究[D]. 张春燕.华北电力大学 2013
[2]基于BP神经网络的变压器故障诊断方法研究[D]. 李霖.长沙理工大学 2013
[3]改进的神经网络在变压器故障诊断中的应用[D]. 张培森.华北电力大学 2013
[4]造船企业大宗船板订货资源优化分配[D]. 黄秋艳.上海交通大学 2012
[5]基于遗传算法的电力变压器故障诊断研究[D]. 郭健.华北电力大学 2012
[6]一种基于种群簇的多种群遗传算法[D]. 王梅冬.大连理工大学 2009
[7]基于信息融合的EPS与SAS集成系统故障诊断研究[D]. 倪永成.江苏大学 2009
[8]基于遗传算法优化BP神经网络的变压器故障诊断[D]. 段侯峰.北京交通大学 2008
[9]基于油中溶解气体分析的变压器故障诊断方法研究[D]. 王霞.华北电力大学（河北） 2008
[10]基于BP神经网络的电力变压器故障诊断的研究[D]. 殷跃.吉林大学 2007



本文编号：2903568