• ISSN 0258-2724
  • CN 51-1277/U
  • EI Compendex
  • Scopus 收录
  • 全国中文核心期刊
  • 中国科技论文统计源期刊
  • 中国科学引文数据库来源期刊

变压器油中故障气体的复合预测方法

周利军 吴广宁 宿冲 王洪亮

周利军, 吴广宁, 宿冲, 王洪亮. 变压器油中故障气体的复合预测方法[J]. 西南交通大学学报, 2006, 19(2): 150-153.
引用本文: 周利军, 吴广宁, 宿冲, 王洪亮. 变压器油中故障气体的复合预测方法[J]. 西南交通大学学报, 2006, 19(2): 150-153.
ZHOU Lijun, WU Guangning, SU Chong, WANG Hongliang. Compound Approach of Predicting Fault Gases Dissolved in Transformer Oil[J]. Journal of Southwest Jiaotong University, 2006, 19(2): 150-153.
Citation: ZHOU Lijun, WU Guangning, SU Chong, WANG Hongliang. Compound Approach of Predicting Fault Gases Dissolved in Transformer Oil[J]. Journal of Southwest Jiaotong University, 2006, 19(2): 150-153.

变压器油中故障气体的复合预测方法

基金项目: 

由铁道部科技开发项目(2002J036)

电力设备电气绝缘国家重点实验室开放课题基金项目

详细信息
    作者简介:

    周利军(1978- ),助教,博士研究生,研究方向为电力设备在线监测与故障诊断;吴广宁(1969- ),教授,博士生导生,研究方向为电力设备在线监测与故障诊断,电话:028-86465525.E-mail:gnwn@home.swjtu.edu.cn

    周利军(1978- ),助教,博士研究生,研究方向为电力设备在线监测与故障诊断;吴广宁(1969- ),教授,博士生导生,研究方向为电力设备在线监测与故障诊断,电话:028-86465525.E-mail:gnwn@home.swjtu.edu.cn

Compound Approach of Predicting Fault Gases Dissolved in Transformer Oil

  • 摘要: 为了提高对变压器故障的预测能力,提出了灰色粗预测、自学习神经网络在线修正的复合预测法.此法是利用GM(1,1)模型初步预测油中溶解气体的浓度及变化趋势,通过分析故障气体组分之间的影响及气体浓度时间序列之间的关系确定修正参数,将初步预测结果与修正参数作为自学习BP网络的输入,从而完成预测结果的在线修正.该方法已用于实际变压器油中溶解气体的预测,结果验证了其有效性.

     

  • DUVAL M.New techniques for dissolved gas-in-oil analysis[J].Electrical Insulation Magazine,IEEE,2003,19 (2):6-15.[2] GUARDADO J L.A comparative study of neural network efficiency in power transformers diagnosis using dissolved gas analysis[J].IEEE Trans on Power Delivery,2001,16(4):643-647.[3] 罗运柏.用灰色模型预测变压器油中溶解气体的含量[J].中国电机工程学报,2001,21(3):65-69.LUO Yunbai.Prediction of the dissolved in power transformer oil by the grey model[J].Proceeding of CSEE,2001,21 (3):65-69.[4] 孙才新,毕为民.灰色预测参数模型新模式及其在电气绝缘故障预测中的应用[J].控制理论与应用,2003,20(5):797-801.SUN Caixin,BI Weimin.New gray prediction parameter model and its application in electrical insulation fault prediction[J].Control Theory Application,2003,20(5):797-801.[5] 王鹏.用统计学习理论预测变压器油中溶解气体浓度[J].高电压技术,2003,29(11):13-14.WANG Peng.An prediction model for dissolved gas in transformer oil based on statistical learning theory[J].High Voltage Engineering,2003,29(11):13-14[6] CHENG Shijie,ZHOU Rujing,GUAN Lin.An on-line self -learning power system stabilizer using a neural network method[J].IEEE Trans.on Power Systems,1997,12(2):926-931.[7] 付荣海,李蒙.基于PID神经网络解耦控制的变分量空调系统[J].西南交通大学学报,2005,40(1):13-17.FU Ronghai,LI Meng.Variable-air-volume air-conditioning system based on PID-ANN decoupling control technology[J].Journal of Southwest Jiaotong University,2005,40(1):13-17.
  • 加载中
计量
  • 文章访问数:  1471
  • HTML全文浏览量:  70
  • PDF下载量:  358
  • 被引次数: 0
出版历程
  • 收稿日期:  2005-03-21
  • 刊出日期:  2006-04-25

目录

    /

    返回文章
    返回