[发明专利]基于ART1神经网络的油浸式变压器故障诊断方法

摘要

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。

主权项

1.基于ART1神经网络的油浸式变压器故障诊断方法，其特征在于，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；所述步骤2具体按照以下方法实施：首先、对故障变压器进行故障特征气体组分的提取；其次、测定油中溶解气体CH4、C2H2、C2H6、C2H4、H2的组分浓度含量；最后、利用四比值法得到故障特征向量T：两组分浓度比值若大于1，则用1表示；两组分浓度比值若小于1，则用0表示；在1左右，则表示故障性质的中间变化过程，即故障性质暴露不太明显；比值越大，则故障性质的显示越明显；所述步骤2中涉及的利用四比值法得到故障特征向量T的方法具体如下：利用五种主要特征气体CH₄、C₂H₂、C₂H₆、C₂H₄、H₂组成四对比值，即：取对其比值进行二进制编码，得到故障特征向量T；步骤3、经步骤2后，根据油浸式变压器实际运行的环境和条件，针对变压器故障诊断不同检测精度，设置ART1神经网络的具体警戒参数ρ，0＜ρ≤1，以实现对变压器故障类型的快速准确地识别判断；再对ART1神经网络进行数据初始化，等待故障特征向量T的输入；步骤4、利用故障样本数据，对ART1神经网络进行故障样本的学习，实现对变压器故障类型的分类；结合四比值法得到的二进制编码故障特征向量T作为ART1神经网络的输入，选择了包含九种变压器故障类型的20组已知故障类型的样本数据对ART1神经网络进行学习训练；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。