[发明专利]基于ART1神经网络的油浸式变压器故障诊断方法

说明书

本发明公开的基于ART1神经网络的油浸式变压器故障诊断方法，具体按照以下步骤实施：步骤1、利用ART1神经网络具体算法，构建基于ART1神经网络的油浸式变压器故障诊断模型；步骤2、利用四比值法确定经步骤1得到的构建基于ART1神经网络的油浸式变压器故障诊断模型的输入输出量；步骤3、经步骤2后，设置基于ART1神经网络的油浸式变压器故障诊断的参数；步骤4、利用基于ART1神经网络的油浸式变压器故障诊断模型对故障样本进行学习训练；步骤5、利用基于ART1神经网络的油浸式变压器故障诊断模型对实际故障数据类型进行识别诊断。本发明基于ART1神经网络的油浸式变压器故障诊断方法，能够正确地针对油浸式变压器不同类型的过热性故障进行实时在线故障诊断。

技术领域

本发明属于电力变压器综合故障监测方法技术领域，具体涉及一种基于ART1神经网络的油浸式变压器故障诊断方法。

背景技术

电力变压器是电力系统中最重要的电气器件设备，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供电系统的安全稳定性水平。及时发现电力变压器的潜在性故障，保障变压器安全有效的运行，从而提高变压器稳定供电的可靠性，是电力部门关注的一个极其重要的问题。因此，研究电力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。

目前的电力变压器故障诊断技术，虽然已经发展了多种有效的故障诊断方法，但大部分是在某种程度上的叠加堆积，大多数故障诊断方法本身仍缺乏完善的理论基础和系统化的概念体系。此外，大多数故障诊断方法都是利用对象所表现出的特征信号来诊断特征类型的故障，往往需要大量的故障训练样本，而在实际中大规模的有效故障样本数据是难以获取的。电力变压器因电压等级、绝缘结构和故障程度不同，都使得变压器油中溶解气体含量有较大随机性，并存在一定的冗余数据，这就要求故障诊断方法具有很强的容错性，目前这方面的研究还远不够深入。

在全面了解油浸式电力变压器存在的各种故障情况和故障诊断相关技术的基础上，结合国内、外相关科研机构在电力变压器在线监测、智能诊断和状态修复领域的研究成果与实践经验，开发出一种主要针对研究电力变压器故障诊断的方法尤为重要。

发明内容

本发明的目的在于提供一种基于ART1神经网络的油浸式变压器故障诊断方法，能够正确地针对油浸式变压器不同类型的过热性故障进行实时在线故障诊断。

本发明所采用技术方案是，基于ART1神经网络的油浸式变压器故障诊断方法，具体按照以下步骤实施：

步骤1、利用ART1神经网络具体算法，构建基于ART1神经网络的油浸式变压器故障诊断模型；

步骤2、利用四比值法确定经步骤1得到的构建基于ART1神经网络的油浸式变压器故障诊断模型的输入输出量；

步骤3、经步骤2后，设置基于ART1神经网络的油浸式变压器故障诊断的参数；

步骤4、利用基于ART1神经网络的油浸式变压器故障诊断模型对故障样本进行学习训练；

步骤5、利用基于ART1神经网络的油浸式变压器故障诊断模型对实际故障数据类型进行识别诊断。

本发明的特点还在于：

步骤1具体按照以下步骤实施：

步骤1.1、对ART1神经网络模型输入层和输出层之间的连接权值进行初始化处理，具体方法如下：

设定ART1神经网络模型的输入层有N个神经元，输出层有M个神经元；

二值故障输入向量模式A_k和输出向量B_k分别如下：

其中，k＝1,2,…,p，p为输入学习模式的数目；