毕业设计（论文）-小波分析在变压器故障识别中的应用.docVIP

四川理工学院毕业论文 小波分析在变压器故障识别中的应用 学 生：*** 学 号：**** 专 业：电气工程及其自动化 班 级：电气****.** 指导教师：****** 四川理工学院自动化与电子信息学院 二O一五年六月  摘要：变压器的故障识别在电力系统生产安全中具有很重要的意义。由于小波分析具有良好的时频局域特性以及神经网络具有自学习功能和良好的容错能力，因此将小波分析与神经网络相结合应用于变压器故障识别。当变压器产生故障时，变压器油中气体成分会相应的变化，我们通过神经网络进行训练并运用小波函数中的哈尔小波进行隐层优化，从而找到故障模式，识别出相应故障类型。仿真结果表明通过小波神经网络进行变压器故障识别的判断率高达80%。 关键词：  Abstract: Transformer fault identification have a very important role in the production of power system security. Because the wavelet analysis has good time-frequency localization characteristics and neural networks with self-learning function and good fault tolerance, so the wavelet analysis and neural networks used in transformers fault identification. When a transformer failure, the gas composition changes accordingly transformer oil, we neural network training and wavelet Haar wavelet function in the hidden layer is optimized to find failure modes, failure to identify the appropriate type. Simulation results show that the wavelet neural network to determine transformer fault identification rate of 80%. Key words: Transformer Fault Diagnosis；Wavelet Analysis；Neural Networks； Haar waveletWavelet Neural Network； 目录 摘 要 I ABSTRACT II 第1章 引 言 1 1.1 研究目的与意义 1 1.2 国内外发展现状 2 1.2.1 基于变压器油中气体成分检测数据的传统诊断方法 2 1.2.2 基于变压器油中气体成分检测数据的智能诊断方法 2 1.3 本文的主要工作 5 第2章 变压器故障类型与油中溶解气体分析法 6 2.1 变压器的分类和结构 6 2.2 变压器故障类型与原因 7 2.2.1 绕组故障 7 2.2.2 放电故障 8 2.2.3 磁路故障 8 2.2.4 短路故障 9 2.2.5 绝缘故障 9 2.2.6 铁芯故障 9 2.2.7 分接开关故障 10 2.2.8 变压器受潮 10 2.3 变压器油中溶解气体分析法 10 2.3.1 变压器油中气体的组成成分 11 2.3.2 正常运行时变压器油中气体含量 11 2.3.3 变压器故障与特征气体含量对应关系 12 2.4 油中气体为特征量的常用故障诊断法 12 2.4.1 特征气体法 13 2.4.2 比值法 13 第3章 小波分析的基本理论 15 3.1 小波分析基础 15 3.1.1 小波函数 15 3.1.2 刻画小波函数特性的几个重要参数 16 3.2 小波变换的分类 17 3.2.1 连续小波变换 17 3.2.2 离散小波变换 18 3.2.3 二进小波变换 18 3.3 多分辨分析与Mallat算法 19 3.3.1 多分辨分析 19 3.3.2 Mallat算法 19 3.4 小波分析在电力系统中的应用 21 第4章 神经网络的基本理论 23 4.1 神经网络的基本概述 23 4.2 神经元模型 24 4.3 神经网络的基本特征和性质 26 4.4 BP网络及BP算法 26 4.4.1 BP网络 26 4.4.2 BP算法 27 第5章 小波神经网络的简介 30 5.1 小波神经网络的基本结构 31