基于神经网络的变压器故障检测毕业论文.doc

[摘要]:电力变压器作为电力系统中最为重要的设备之一，对电力系统安全、可靠、优质、经济的运行起着决定性作用，因而，必须尽量减少变压器故障的产生。电力变压器故障检测对电力系统的经济安全运行有着重要的意义。油中溶解气体法，是最有效的发现和检测变压器故障的方法之一。神经网络对外界具有很强的模式识别分类能力和联想记忆能力，因此神经网络可以用于变压器故障检测。基于神经网络的以变压器油中溶解气体为特征量的故障检测方法为变压器故障检测提供了新的途径。
本文将采用三种不同的神经网络（BP网络、RBF网络、支持向量机）应用于变压器故障检测中，分别介绍这几种网络的基本结构和原理，并进行模型设计和仿真。
[关键词]:变压器 故障检测 神经网络 BP算法 RBF算法 支持向量机
1 绪论 1
1.1课题研究的目的和意义 1
1.2国内外发展状况 1
1.3变压器故障种类 1
1.4目前变压器故障诊断的主要方法 3
1.5本文研究的主要内容 4
2 基于神经网络的变压器故障检测机理和基本理论 5
2.1 故障诊断技术 5
2.2神经网络 5
2.3 变压器故障与油中溶解气体的关系 7
3 基于BP神经网络的变压器故障检测模型 9
3.1 BP网络 9
3.2 BP网络模型设计 13
3.2.1 BP网络参数的确定 13
3.2.2基于BP神经网络变压器故障检测模型 15
3.2.3数据归一化处理 15
3.3 系统仿真，训练与测试 16
3.3.1网络训练 16
3.3.2网络测试 18
4 基于RBF神经网络的变压器故障检测模型 20
4.1 RBF网络 20
4.1.1 RBF网络概述 20
4.1.2 RBF网络原理 20
4.2 RBF网络模型设计 21
4.2.1 RBF网络模型 21
4.2.2 RBF网络参数的选取 22
4.2.3 RBF网络训练方法的确定 22
4.3 仿真结果 22
5 基于支持向量机的变压器故障检测模型 24
5 .1 支持向量机（SVM） 24
5 .1.1 支持向量机（SVM）基本理论 24
5.1.2 支持向量机在故障诊断中的应用现状 28
5.1.3 基于支持向量机变压器故障多分类算法 28
5.2 变压器故障特征诊断模型设计 29
5.2.1 变压器故障特征诊断参数选取 29
5.2.2 故障诊断流程 29
5.3系统仿真 29
5.3.1 故障模型训练和参数寻优 29
5.3.2 测试结果与分析 33
6 结论与展望 35
致谢 36
参考文献 37
英文文献 39