基于粗糙集-概率神经网络结合的变压器故障诊断研究-高电压与绝缘技术专业论文.docxVIP

基于粗糙集．概率神经网络结合的变压器故障诊断研究摘要 基于粗糙集．概率神经网络结合的变压器故障诊断研究 摘要 电力变压器作为电力系统中最重要的设备之一，其故障诊断技术的研 究一直是国内外学者关注的热点。粗糙集(RS)理论是--fq新兴的智能信息处 理技术，它对各种不完整数据进行分析、推理，发现数据间的关系，提取 有用特征，简化信息处理，研究不精确、不确定知识的表达、学习、归纳； 概率神经网络(PNN)应用到电力变压器的故障诊断中，利用其强大的模 式识别和分类能力而且也可以解决BP神经网络等神经网络训练时间长，样 本变化时需重新训练等缺点，还引入遗传算法优化概率神经网络的平滑因 子，提高了故障诊断的准确率。本文把粗糙集理论与概率神经网络结合起 来，应用于变压器故障诊断，可以充分发挥两种方法的优势，取长补短。 论文的内容有以下几个部分：叙述了变压器故障诊断的发展和现状； 论述了粗糙集的相关理论以及在决策分析、故障诊断中的应用；将概率神 经网络和BP网络进行了对比分析，阐述了概率神经网络具有的优势，建立 基于概率神经网络的故障诊断模型，且在训练过程中，训练样本通过优化 方法(采用遗传算法)来确定平滑因子or，从而使概率神经网络的故障分类结 果比普通的概率神经网络要好；最后利用粗糙集方法对原始数据进行约简， 形成精简的规则集，然后以此基础构建的概率神经网络结构完全是由粗糙 集最终约简规则决定的，具有良好的拓扑结构，网络规模大大减小，学习 速度大为提高，而又保持了网络较好的分类能力。 最后利用VB语言和MATI AB7．O神经网络工具箱建立一个简化的变压 器故障诊断系统，并根据收集到的变压器故障实例数据进行了分析与仿真。 结果表明，本文提出的将粗糙集理论与概率神经网络结合应用于电力变压 器故障诊断的方法，是可行的，有很好的应用前景。 关键词： 变压器粗糙集概率神经网络故障诊断 RESEARCH RESEARCH ON TRANSFORMER FAULT DIAGNOSIS METHOD BASED ON ROUGH SET AND PROBABILISTIC NEURAL NETWORK THEORY Abstract The transformer is one of the most important equipments in Power System，the technology of fault diagnosis for transformer is always taken into account by savants all over the world．Rough Set theory is a new intelligent information process technology．It can analysis and deduce all kinds of incomplete data,it Can find the relationship between the data, it can pick up the useful characters,reduce the information process，it Can research the imprecise，incertitude knowledge’S expression，learning and induction．A new method based on probabilistic neural networks(PNN)to transformer fault diagnosis is presented，the major features of the probabilistic neural stems from its modular architecture design and can be easily extended to adapt tO a changing environment by incremental learning．The genetic algorithm is introduced to train the smoothing factor of PNN in order to increase the accuracy of diagnosis．This thesis combines Rough Set theory谢th Probability Neural Networks， applying it in the transformer fault diagnosis．It Can fully develop the two methods’ advantag