基于自适应概率神经网络的变压器健康状态评估

doi:10.13296/j.1001-1609.hva.2022.02.014

您当前的位置：

首页 >

文章列表页 >

基于自适应概率神经网络的变压器健康状态评估

更新时间：2025-05-17

- 基于自适应概率神经网络的变压器健康状态评估
- High VoltageApparatus Vol. 58, Issue 2, Pages: 103-110(2022)
- 作者机构：
  
  1. 国网湖南超高压变电公司
  2. 变电智能运检国网湖南省电力有限公司实验室
  3. 武汉工程大学计算机学院
  4. 武汉工程大学智能机器人湖北省重点实验室
- 作者简介：
- 基金信息：
- DOI：10.13296/j.1001-1609.hva.2022.02.014
  CLC： TM41;TP183
- Published：2022
- 稿件说明：
移动端阅览
[J]. High voltageapparatus, 2022, 58(2): 103-110.
DOI：

[J]. High voltageapparatus, 2022, 58(2): 103-110. DOI： 10.13296/j.1001-1609.hva.2022.02.014.

摘要

传统变压器状态评估方法

多关注设备当前状态分析

缺少全方位预测其潜在健康状态方法

也无法确定变压器将来的故障发生概率。本文提出了一种基于自适应概率神经网络的变压器健康状态评估方法。该方法

首先从变压器内部本体特征和外部实时监测环境两方面

确定变压器健康状态指标因子

并进行数据预处理得到不相关的指标因子;然后

根据指标因子和样本标签

引入自适应参数训练

训练出用于预测的概率神经网络模型;最后

利用模型参数

通过将指标分为静态基础指标和动态可变指标

前者直接输入到网络中

后者利用AMIRA模型进行预测之后输入到网络中

得到变压器健康状态评估值。实验结果表明

该模型可获得更加准确的状态评估值

支撑变压器状态监测和预警工作。

Abstract

关键词

Keywords

references

Views

672

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于博弈组合赋权的变压器差异化状态评估

基于云模型和改进D-S证据理论的变压器故障诊断

基于EMD和GCT的变压器油中溶解气体预测

基于IDCQGA-OMP的变压器局部放电稀疏分解去噪

基于RF特征优选的WOA-SVM变压器故障诊断

Related Author

张冀

张亚静

仇向东

张宽

吐松江·卡日

高文胜

伊力哈木·亚尔买买提

孙国良

Related Institution

北京中恒博瑞数字电力科技有限公司

华北电力大学振中电力泛在电力物联网研究院

华北电力大学控制与计算机工程学院

清华大学电机工程与应用电子技术系

新疆大学电气工程学院

⁰