基于人工神经网络的电力变压器故障诊断开题报告

1. 研究目的与意义、国内外研究现状（文献综述）

背景：近些年来，变压器在我国得到了广发的应用，但是随之而来的还包括其检修过程中的故障。变压器检修故障不仅仅会影响其自身的正常运行，同时还会造成企业的经济损失，甚至还会带来安全威胁。对此，本文阐述了变压器检修常见故障处理的重要意义，并介绍了变压器检修的常见故障与处理。

目的：对于电力系统的安全性与可靠性来说，电力变压器的安全有着举足轻重的地位。电力变压器在运行中如果发生了损坏性的故障，将会对电网的供电、居民的生活应用造成了难以估量的损失。本文针对电力变压器的特点，基于人工智能神经网络的算法来对变压器故障定位进行研究，达到通过最少的成本，速度更快更精确的检测出电力变压器故障的位置。本课题通过matlab软件的仿真，搭建通过一种使用神经网络的方法对变压器的油色谱分析。

意义：变压器的重要性主要表现在两方面，一方面为调节电压。电站建设是社会主义市场经济新阶段电力生产领域的一项十分重要的工程。电站顺利将原始电能生产出来，并经过一系列的处理，从而将电压与电流控制在用电标准范围内，最终为广大用户提供可以使用的电能。其中需要注意的一点是，用电设备在接受电能过程中需要完成多个步骤，变压器发挥了调控作用。另一方面为控制设备。变压器所拥有的控制作用主要是指它对一些机械与电器设备内传输电压的控制，从而有效避免了电压电流超出允许范围。比如在电能生产高峰期，电站会通过变压器的升降压作用来控制原电能的相关参数标准，这样一来就极大地增强了变电设施的综合性能。因此，对变压器检修的常见故障进行处理，从而保证变压器的正常运行具有非常重要的意义。

2. 研究的基本内容和问题

通过设计并且使用PNN概率神经网络算法以及DBN深度置信网络算法，通过对电力变压器内部气体比值用来作为输入，这是依托于许多国际学者们大量的模拟实验和总结的规律，以此形成的一种无编码比值法，然后根据这些气体的比值来确定变压器的故障类型，大概分为五种，高温过热、高能放电、中低温放热，局部放电、低能放电，通过搭建神经网络模型，然后将其他文献中所得到的历史数据分为训练集和测试集，并且训练模型，最终达到对变压器故障类型的精确预测，并且同时指出两种方法的欠缺之处。

3. 研究的方法与方案

当前对变压器故障分析的主要选择方法是油中溶解气体分析即dga。dga在早期是作为诊断变压器故障的理论依据。除此之外，主要气体法iec 三比值法和大卫三角法等比较经典的变压器故障诊断方法也相继被提出。但是这些方法作为长期积累的方法，基于其本身具备的局限性所以精确性并不会很高。针对传统方法以及浅层神经网络方法泛化能力不足等确定，本文提出两种分别是：基于概率神经网络（pnn）和基于深度信念网络（dbn）算法的诊断方法。

由于概率神经网络（pnn）具备着收敛速度快和训练容易的特点，在实时处理上十分便捷，函数逼近性好，因此采用pnn作为模型进行训练，同时，深度信念网络（dbn）具备提取数据抽象特征的性质，在对原始故障数据进行提取的时候，同时保留着各个重要特性气体信息，并且避免了低浓度气体特征被丢失的特性，因此其提取的数据更能表示故障的本质。通过对这些数据进行聚类分析，对变压器故障诊断的精确度将会提升很大。

主要步骤：

4. 研究创新点

[1]梁天辰.基于多深度置信网络融合的航空电子设备故障预测[j].电讯技术,2021,61(02):248-253.

[2]谭子兵,黄秀超,钟建伟.基于bp人工神经网络的电力变压器故障诊断研究[j].湖北民族学院学报(自然科学版),2018,36(01):89-92.

[3]翟玉晓. 基于深度网络的大型变压器故障诊断技术研究[d].兰州理工大学,2020.

5. 研究计划与进展

1）2021-03-01～2021-03-14 查阅技术资料，确定研究内容和系统框架，撰写开题报告；

（2）2021-03-15～2021-03-28 构造论文总体框架；

（3）2021-03-29～2021-04-25 编写仿真软件程序；