緊致融合模糊集和故障樹(shù)的變壓器故障診斷

發(fā)布日期：2017-07-03 來(lái)源：中國(guó)知網(wǎng) 作者：谷凱凱郭江 瀏覽次數(shù)：257

變壓器的運(yùn)行狀態(tài)直接關(guān)系到整個(gè)電網(wǎng)的安全與穩(wěn)定，必須最大限度防止和減少變壓器故障和事故的發(fā)生。近年來(lái)，各種智能技術(shù)用于變壓器的故障診斷[1-9]，且都取得了一定的成果，為變壓器故障診斷提供了依據(jù)。文獻(xiàn)[1]將 RBF 網(wǎng)絡(luò)算法應(yīng)用于變壓器的故障診斷中，并提出了診斷的一般方法和流程。文獻(xiàn)[2]針對(duì)變壓器的故障診斷，提出了一種改進(jìn)后的人工魚(yú)群優(yōu)化粗糙集算法。文獻(xiàn)[3]提出了一種 3 層 Bayesian 網(wǎng)絡(luò)的變壓器故障診斷方法。文獻(xiàn)[4]提出了一種多種智能方法組合的大型變壓器故障診斷方法。文獻(xiàn)[5]將融合遺傳向量機(jī)和灰色人工免疫的算法應(yīng)用于變壓器的故障診斷。文獻(xiàn)[6] 提出了一種利用小波神經(jīng)網(wǎng)絡(luò)的變壓器故障診斷方法。文獻(xiàn)[7]從信息融合的角度提出了基于信號(hào)類(lèi)型及不同特征向量組合的集成診斷模型。文獻(xiàn)[8]提出了一種基于多 Agent 的變壓器故障診斷模型。文獻(xiàn) [9]提出了一種基于 Bayesian 網(wǎng)絡(luò)的變壓器故障診斷方法。文獻(xiàn)[10-11]對(duì)采用 Petri 網(wǎng)絡(luò)對(duì)變壓器進(jìn)行診斷分析。
在眾多的智能技術(shù)中，模糊集和故障樹(shù)分析是應(yīng)用和研究最多的 2 類(lèi)。但在變壓器故障診斷中主要是用單一的智能技術(shù)進(jìn)行故障診斷，最終判斷結(jié) 果對(duì)維修策略的制訂缺乏指導(dǎo)意義。在實(shí)際運(yùn)行過(guò) 程中，變壓器的故障往往表現(xiàn)為復(fù)雜性、不確定性和多故障并發(fā)性等，運(yùn)用單一的智能故障診斷技術(shù)，存在精度不高、推理能力差等問(wèn)題，難以獲得滿(mǎn)意的診斷效果，尤其是故障樹(shù)分析和模糊數(shù)學(xué)理論。故障樹(shù)在故障診斷過(guò)程中的解釋能力弱，很難對(duì)故障樹(shù)節(jié)點(diǎn)發(fā)生可能性進(jìn)行精確的定量描述，“健康” 狀態(tài)到“故障”狀態(tài)之間存在著過(guò)渡區(qū)域，而在不完備信息情況下模糊集理論無(wú)法進(jìn)行判斷。
基于模糊集和故障樹(shù)的變壓器故障診斷研究，旨在利用模糊集和故障樹(shù)的適當(dāng)組合，取長(zhǎng)補(bǔ)短、優(yōu)勢(shì)互補(bǔ)，以克服模糊集或故障樹(shù)各自的缺點(diǎn)，提高變壓器故障診斷的準(zhǔn)確性和效率。更多詳細(xì)內(nèi)容請(qǐng)見(jiàn)附件