基于非等时距Verhulst-双重BP神经网络油浸设备故障监测技术
(0) 油浸设备采用高效正确的故障监测及预报方法,对电网的安全稳定运行有重要影响.为了能更好地对变压器油浸设备故障进行监测预报,提出了一种Verhulst双重BP神经网络模型.实践证明,采用这种方法能有效提高数量众多、电压等级各异、运行环境各异的油浸设备故障的故障诊断率.Verhulst反函数双重BP神经网络日平均绝对产气率模型具有更高的油浸设备故障监测预报精度。另外，无论是用产气速率法还是用其它方法进行故障判断，都要根据不同方法的特点正确应用，以免出现误判。油中特征气体的含量或产气速率在很大程度上还与设备类型、负荷情况、故障类型、内部绝缘材料的老化程度等因素有关，应结合这些情况进行综合分析。此外，还要考虑到非故障因素引起某些特征气体增长异常的情况。
电力变压器 油浸设备 故障监测 Verhulst反函数 BP神经网络
罗东生 许国清
国网福建省电力有限公司南平供电公司,南平 353000
国内会议
福州
中文
1-9
2016-09-01（万方平台首次上网日期，不代表论文的发表时间）