变压器局放监测与改进BP神经网络预测模型研究
发布时间：2019-04-03 21:12
【摘要】：采用传感系统监测变压器局部放电的变化情况,选取高频电流信号和超声波信号作为变压器局部放电的监测参量,利用改进逆传播(BP)神经网络算法对变压器局部放电量进行建模分析。以D9—QY—40000/220型电力变压器(220 k V变压器)为例进行实例研究,结果表明:基于改进BP神经网络的局放预测模型训练集误差系数为0.0118,测试集误差系数为0.0232。此模型的局放预测值与实际值的曲线趋势基本一致,有效地对变压器局部放电量进行预测,为变压器故障诊断奠定了基础。
[Abstract]:The sensor system is used to monitor the change of partial discharge of transformer, and the high frequency current signal and ultrasonic signal are selected as the monitoring parameters of partial discharge of transformer. The improved back propagation (BP) neural network algorithm is used to model and analyze the local discharge of transformer. Taking D9-QY-40000/ 220 kV power transformer as an example, the results show that the training set error coefficient of partial discharge prediction model based on improved BP neural network is 0.0118, and the error coefficient of test set is 0.0232. The forecast value of partial discharge of this model is basically consistent with the curve trend of actual value, and the local discharge of transformer is predicted effectively, which lays a foundation for fault diagnosis of transformer.
【作者单位】： 昆明理工大学信息工程与自动化学院;珠江水利委员会珠江水利科学研究院;
【基金】：国家自然科学基金资助项目(51567013) 昆明理工大学人才培养基金资助项目(KKSY201303004) 云南省应用基础研究计划资助项目(2013FZ021)
【分类号】：TM855;TP183
[Abstract]:The sensor system is used to monitor the change of partial discharge of transformer, and the high frequency current signal and ultrasonic signal are selected as the monitoring parameters of partial discharge of transformer. The improved back propagation (BP) neural network algorithm is used to model and analyze the local discharge of transformer. Taking D9-QY-40000/ 220 kV power transformer as an example, the results show that the training set error coefficient of partial discharge prediction model based on improved BP neural network is 0.0118, and the error coefficient of test set is 0.0232. The forecast value of partial discharge of this model is basically consistent with the curve trend of actual value, and the local discharge of transformer is predicted effectively, which lays a foundation for fault diagnosis of transformer.
【作者单位】： 昆明理工大学信息工程与自动化学院;珠江水利委员会珠江水利科学研究院;
【基金】：国家自然科学基金资助项目(51567013) 昆明理工大学人才培养基金资助项目(KKSY201303004) 云南省应用基础研究计划资助项目(2013FZ021)
【分类号】：TM855;TP183
【参考文献】
相关期刊论文 前2条
1 陈武奋;刘爱莲;李英娜;彭庆军;邹立峰;李川;;无线超声传感器网络在开关柜局部放电中的在线监测研究[J];传感器与微系统;2015年03期
2 程述一;律方成;谢庆;王子建;李燕青;杨海涛;;基于暂态对地电压和超声阵列信号的变压器局放定位方法[J];电工技术学报;2012年04期
【共引文献】
相关期刊论文 前10条
1 刘达伟;乔亚兴;刘剑青;黄文焘;;基于超声波传感器的局部放电无线监测系统设计[J];电力科学与技术学报;2016年04期
2 唐武;吴冬文;;KYN61-40.5型高压开关柜缺陷研究[J];江西电力;2016年10期
3 黄世龙;王晓辉;郭旭敏;李岩松;赵涛;刘云鹏;;采用TEV传感器的开关柜局部放电检测技术研究与实现[J];高压电器;2016年10期
4 曾虎;李川;李英娜;陈武奋;高立慧;;联合高频脉冲与超声波信号的局放估计[J];传感器与微系统;2016年08期
5 唐炬;黄亮;曾福平;张晓星;;一种多样本信息的局部放电源逐次逼近定位方法[J];电工技术学报;2016年10期
6 齐伟强;李俭;陈柏超;袁佳歆;钟永恒;;基于COMSOL的变压器中超声波传播特性[J];电工技术学报;2015年S2期
7 叶海峰;钱勇;王红斌;满玉岩;盛戈v，
本文编号：2453586
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2453586.html
