基于神经网络和灰色理论组合的变压器故障预测

• 作者: 方永丽 方磊 曹海洋 许允之 谭清雄
• 来源期刊: 煤矿机电
• 学科: 工学
• 关键词: 灰色理论 神经网络 溶解气体分析(DGA) 故障预测
• 年，卷（期）: 2016,（6）
• 所属期刊栏目: 设计研究
• 页码范围: 17-22
• 页数: 6页
• 分类号: TM411+.2|TP206+.3
• 字数: 3163字
• 语种: 中文
• DOI: 10.16545/j.cnki.cmet.2016.06.005

摘要

基于变压器油中溶解气体分析(DGA)法是使用神经网络和灰色预测对变压器的故障进行预测的.主要是采集变压器油在各种情况下的数据,并对应其故障进行编码,再用Matlab编写神经网络进行训练,输入各特征气体百分含量,输出对应的故障编码.通过对比,发现神经网络预测精度高达80％,使用灰色理论对各特征气体含量进行预测,与实际值对比,预测精度很高.最后将各个特征气体含量转化为百分数,输入已训练好的神经网络系统,预测出变压器的状态.最终所预测出的故障和实际故障一致.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	许允之	中国矿业大学动力与电气工程学院	111	387	11.0	15.0
2	方永丽	中国矿业大学动力与电气工程学院	33	201	10.0	13.0
3	曹海洋	中国矿业大学动力与电气工程学院	54	188	8.0	11.0
4	方磊	中国矿业大学动力与电气工程学院	22	53	3.0	6.0
5	谭清雄	华中科技大学水电学院	2	3	1.0	1.0