摘要:为了提高变压器故障诊断的准确率和效率,合理评估变压器的状态,本文采用相关向量机RVM先对变压器的过热和放电故障进行划分。用自适应神经模糊推理系统进一步对故障进行分类,并对故障隶属概率进行估计。实验结果表明:本文方法有很强的学习能力和特征提取能力;尤其对于存在重叠区的故障特征,用模糊集和隶属度的方法能够输出故障类型概率,对状态评估进行决策辅助;诊断率高达96.15%,且运算效率高;跟支持向量机、人工神经网络方法相比,有更好的效率和更高的准确率。
关键词:变压器状态评估 溶解气体分析 相关向量机 自适应神经模糊推理系统 故障诊断
单位:湖南大学电气与信息工程学院; 长沙410082
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社
相关期刊
Chinese Journal of Integrative Medicine Journal of Integrative Agriculture Journal of Environmental Sciences Earthquake Engineering and Engineering Vibration Journal of Integrative Plant Biology Chemical Research in Chinese Universities Journal of Ocean University of China Journal of Central South University Biomedical and Environmental Sciences Journal of Systematics and Evolution