[发明专利]基于神经网络的变压器套管监测方法

摘要

本发明公开了基于神经网络的变压器套管监测方法，采用面向套管故障点神经网络与模糊积分信息融合技术的套管故障诊断方法，有效解决了获取训练样本和适应拓扑变化两个问题；综合诊断中充分考虑到了初级诊断结论的可靠性差异，而且避免了对先验信息的讨论，也无需做各元件初级诊断结论独立性假设，有效提高了系统诊断的准确性。

主权项

1.基于神经网络的变压器套管监测方法，其特征在于，主要包括以下步骤：S1、对变压器套管建立保护模型和神经网络模型；S2、选取训练样本和RBF网络对元件神经网络进行训练；S3、采用离散傅里叶变换对试品的电压和电流信号进行谐波分析来识别故障前与故障后的系统拓扑结构差异，确定故障点；S4、基于面向故障点的神经网络模型进行初级故障诊断；S5、利用模糊技术对初级故障诊断结论进行预处理；S6、根据变压器套管拓扑信息形成候选故障点集D＝{d1，d2…dN}，其中，d为候选故障点；S7、根据变压器套管拓扑信息形成各个候选故障点的直接关联故障点集合Di‑direct＝{dm…dn}与隔一级关联故障点集合Di‑indirect＝{dk…di}；S8、确定模糊密度，即g＝g({xi})，i＝1，2，…n，其中，g就是第i个信息的模糊密度，亦即为第i个信息的权重；S9、根据拓扑信息及各故障点的诊断结论，形成直接关联故障点对候选故障点的故障的支持程度的集合Fi‑direct＝{fm…fn}与隔一级关联故障点对该候选故障点的故障的支持程度的集合Fi‑indirect＝{fk…fi}；S10、根据式计算模糊积分值ei，ei即为综合诊断给出的故障可能性指标，形成候选故障套管的故障可能性指标集E＝{e1，e2…eN}；根据故障可能性指标集，确定故障套管。