基于粗糙集理论和Petri网的电力变压器故障诊断
 

       电力变压器是电力系统中最重要的电气设备之一,也是导致电力系统事故最多的电气设备之一,其运行状态直接影响系统的安全性水平。及早发现变压器的潜伏性故障,保证变压器的安全运行,从而提高供电的可靠性,是电力部门关注的一个重要问题。因此,研究变压器故障诊断技术,提高变压器的运行维护水平,具有重要的现实意义。本文主要对电力变压器硕士论文故障性质的诊断和故障部位的诊断方法进行研究。首先,针对变压器故障气体与故障类型的关系,建立结构为5-12-6型的变压器故障诊断人工神经网络模型。  采用6种改进BP(Back-Propagation)算法及原最速梯度下降法对已建立的网络模型进行训练,使用训练好的网络模型对变压器样本进行故障性质的诊断。通过仿真比较了6种改进BP算法在变压器故障诊断中的性能优劣。其次,利用粗糙集理论对不完备的变压器工程硕士论文故障信息决策表进行属性约简和规则的提取,得到决策表中隐藏的规则(即“if...then...”规则),利用此规则构建Petri网络模型,并利用Petri网进行故障诊断。将粗糙集理论与Petri网结合起来一同进行变压器故障部位的诊断。最后,通过故障实例验证了,基于人工神经网络对变压器工程硕士论文故障性质的诊断和基于粗糙集理论和Petri网对变压器故障部位的诊断都能准确的、快速的得到诊断结果,达到预期效果。

      大型变压器是电力工业中的重要关键设备,其可靠运行涉及电力供应安全与否,对国民经济发展与人民生活影响重大。开展大型变压器工程硕士论文的运行状态监测与故障诊断技术研究和系统应用,对于保证变压器长期、安全、可靠及高效运行,具有重要的理论意义和应用前景。 本论文结合嘉兴科技计划重点项目“大型变压器远程在线状态监测与故障诊断网络化技术与系统研究”(项目编号:C21C4003470),开展了基于油中溶解气体分析方法(DGA)的变压器工程硕士状态监测与故障诊断研究。设计了嵌入式在线采集器获取溶解于油中的特征气体的浓度。运用各种判据监测变压器的状态、诊断变压器是否发生故障及故障类型。在上述工作的基础上构建了一个状态监测与故障诊断系统。 第一章分析了大型变压器状态监测与故障诊断的研究现状,论述了其发展趋势,结合具体的项目,提出了本论文的主要研究任务。 第二章分析了变压器的特征气体产生的原因及其与故障之间的关系,给出了基于DGA的变压器监测与故障诊断的方法,设计了一个基于DGA技术变压器状态监测与故障诊断系统。 第三章介绍了大型变压器状态监测与故障诊断中常用特征传感器的原理,分析各种传感器的特点,给出了传感器的选择与应用的建议。设计了氢敏气体传感器预处理电路,实现多通道,高精度特征气体采样数模转换接口电路。 第四章设计一个基于S3C4510B处理器的嵌入式数据采集器。移OS-Ⅱ操作系统和LWIP TCP/IP协议,实现了系统特征气体浓度数据采集功能和网络互联功能,扩展了LWIP的应用层,使嵌入式数据采集器拥有WEB服务器功能和FTP客户端访问功能。 第五章给出结合遗传算法和BP算法的同时优化诊断网络结构和权重的改良的方法,应用丁基于DGA的变压器故障诊断。对实际变压器特征气体数据进行了仿真验证,说明这种诊断方法的可行性。最后设计分析变压器状态监测与故障诊断的系统的总体方案,给出了MATLAB环境下综合运用多种基于DGA技术的故障诊断方法的编程实现。 第六章给出了全文的结论和后续工作的展望。 
【中文关键词】 电力变压器工程硕士; 故障诊断; 人工神经网络工程硕士; 粗糙集理论; Petri网; 不完备信息系统

   基于粗糙集理论和Petri网的电力变压器故障诊断

工程硕士论文摘要 4-5
Abstract 5-6
第1章 绪论 9-13
    1.1 引言 9
    1.2 国内外研究现状 9-11
    1.3 本课题的研究背景和意义 11-12
    1.4 本课题的研究内容 12-13
第2章 电力变压器故障诊断概述 13-21
    2.1 电力变压器运行中常见的故障 13-15
        2.1.1 铁心故障 13
        2.1.2 绕组故障 13
        2.1.3 分接头开关故障 13-14
        2.1.4 油和油纸绝缘故障 14
        2.1.5 放电性故障 14-15
    2.2 变压器故障检测的常用方法 15
    2.3 充油变压器内部故障与油中特征气体的关系 15-16
    2.4 充油变压器的故障诊断方法 16-17
        2.4.1 根据油中溶解气体组分含量判断故障的方法 16
        2.4.2 根据产气速率的故障判定方法 16-17
    2.5 判断变压器故障性质的方法 17-19
        2.5.1 三比值法 17-19
        2.5.2 无编码比值法 19
    2.6 本章小结 19-21
第3章 基于人工神经网络的电力变压器DGA 故障诊断方法 21-37
    3.1 人工神经网络模型简介 21-26
        3.1.1 神经元模型 21-22
        3.1.2 BP 网络原理及其学习算法 22-23
        3.1.3 BP 算法常用的改进方法 23-25
        3.1.4 基于误差自动调节修正因子的自适应修改学习率法 25-26
    3.2 基于改进BP 神经网络的变压器故障诊断 26-35
        3.2.1 变压器故障诊断模型的确立 26-29
        3.2.2 BP 神经网络训练的仿真 29-34
        3.2.3 诊断结果 34-35