基于人工智能技术变压器故障诊断.docVIP

基于人工智能技术变压器故障诊断 　　摘 要：分析了电力变压器故障气体和故障类型之间的关系，利用SOM网络具有自组织、自学习的特点对电力变压器的故障类型进行分类诊断建模。实例分析表明，SOM网络能很好的对电力变压器的故障类型进行分类诊断。 关键词：人工智能；SOM网络；故障诊断 中图分类号：TM407 随着我国经济社会的不断发展，对电力能源的需求量及其稳定性要求不断提高。用来改变电压和电流的电力变压器是电力传输系统中的关键设备，它运行的稳定与否直接影响到民用和工业用电的安全和稳定，直接影响着社会生活的各个方面[1]。因此，电力部门每年都投入大量的人力、物力来检查、维修所属辖区内的各个变压器，以此保障变压器的工作安全及稳定。这种对电力变压器定期检查的方法具有很大的盲目性，浪费了大量的人力和物力资源。 电力变压器故障具有多种类型，比较复杂。如果能在变压器工作过程中及早对其隐含的故障进行预测性的诊断，就能进一步提高电力供应的稳定性和安全性[2]，更好的保障社会的生产和生活。为了能对电力变压器的故障进行有效的诊断，本文尝试引入人工智能技术中的自组织映射网络[3]（Self-Organizing Feature Maps，简称SOM）方法对电力变压器的故障进行诊断，以期能更早、更快的发现变压器中潜在的故障问题，便于对变压器进行维护和维修。 1 SOM网络的基本原理