基于BPNN和PNN油浸电力变压器故障诊断模型的对比研究
油中溶解气体分析对油浸变压器潜伏性故障的诊断是--个复杂的模式识别问题，人工神经网络由于其良好的非线性映射能力而获得了广泛的应用。本文详细介绍了反向传播神经网络(BPNN)和概率神经网络(PNN)两种神经网络故障诊断模型的建立步骤和参数选择，并利用MATLAB的神经网络工具箱对设计的两种网络做了分析和对比。仿真结果表明，两种网络均能较好地实现变压器故障的实时诊断，相比之下BPNN的诊断正确率高，而PNN的收敛速度更快。
人工神经网络 电力变压器 故障诊断 诊断模型
王伟 李清泉 王晓龙
山东大学电气工程学院,济南 250061
国内会议
2007年全国电气设备安全与信息技术研讨会暨中国电机工程学会能源与信息专委会学术年会
广州
中文
135-139
2007-05-14（万方平台首次上网日期，不代表论文的发表时间）