容量和自动化的方向发展。近些年，由于电网容量的与日俱增以及大部分用电用户对供电可靠性要求的提高，电力设施维修费用也在逐年增加。如何采取合理的维修策略，制定科学的维修计划，以保证在较高可靠性的前提下降低维修费用，已经变成我国电力行业面临的主要研究课题。状态维修是以设备的实际工况为依据，通过状态监测可靠性评价及寿命预测等先进技术手段来判断设备的当前状态，对故障的部位危害水平以及发展趋势做出判断，识别故障的早期征兆，并依据分析和诊断结果，在设备性能条件下降到定程度或故障将要发生之前进行维修。通过对电力变压器进行定期预防性维护，实时监测高压设备的实际运行情况，检测与诊断其潜伏性故障或缺陷，提高诊断水平，努力做到具有针对性的检修及维护，以期达到早期识别并预报故障，避免恶性事故发生的目的。电力变压器是电力系统最重要也最昂贵的设备，其安全运行直接关系到电网的供电可靠性。变压器故障诊断技术研究是电力变压器状态维修的首要工作。鉴于电力变压器老化和故障机理繁杂难懂，电力变压器故障诊断技术的研究是项必要而且相当繁重的任务。电力变压器不同运行工况或不同历史运行记录，即便是同类电力变压器，其状态也有可能不同相同运行工况下，不同类型的变压器，其状态也有可能不同。研究电力变压器的状态与运行工况历史运行记录的关系，把握其规律，对变压器状态做出准确评估，这到了导师们的悉心指导，导师严谨的治学作风和丝不苟的敬业精神使我受益匪浅。在此向他们表示诚挚的敬意和衷心的感谢。回忆四年以来在农大的点点滴滴，感谢机电学院，提供了个优越的学习环境感谢电气班的兄弟姐妹，谢谢你们四年来家人般的照顾，希望在以后的日子里，我能以更好的学习成果，去回报曾经帮助过我的老师和同学。马海祥年月日毕业论文基于油中溶解气体分析的电力变压器故障诊断研究院部机械与电子工程学院专业班级电气班届次届学生姓名二О五年六月五日装订线目录摘要前言电力变压器故障诊断的重要意义电力变压器故障诊断背景变压器故障诊断技术的发展专家系统人工神经网络变压器技术变压器的故障类型及诊断方法电力变压器的类型与结构电力变压器的绝缘结构变压器故障的原因与种类变压器故障的原因变压器故障的种类电力变压器油中溶解气体分析电力变压器内气体析出的原因变压器内部故障类型与油中溶解气体含量的关系三比值法意义人工神经网络人工神经网络概述人工神经网络理论人工神经网络的特点人工神经网络基础神经网络的分类人工神经网络的学习过程人工神经网络的拓扑结构网络的训练过程概述变压器故障诊断中的网络设计引言基于网络的诊断方法的设计输入层设计输出层设计样本的收集隐含层层数和节点数的确定网络结构中参数的确定结果分析今后待研究的问题参考文献致谢须最大限度避免和减少电力变压器故障和事故的发生。对电力设备进行在线监测与故障诊断，是实现设备预知性维修的前提，也是保证设备安全运行的关键。变压器油中溶解的气体含量和成分可以有效体现运行中变压器内部的绝缘故障情况。关键词电力变压器溶解气体分析故障诊断神经网络，基于油中溶解气体分析的电力变压器故障诊断研究作者马海祥指导教师刘平山东农业大学机械与电子工程学院讲师摘要电力变压器是电力系统中核心设备之，它的安全稳定运行将直接影响供电可靠性和系统正常运行。电力变压器承担着电压变换电能分配的重要作用。电力变压器正常运行保证电力系统安全可靠优质经济的运行，必然后，求各组分气体含量占全部特征气体总含量的百分比这样就得到归化处理后的数据。收集训练样本的原则代表性广泛性紧凑性样本应当尽可能体现输入输出关系，能起到以点带面的作用，样本中各故障的百分比应当和实际变压器故障发生的比率相当样本能提供神经网络各种情况下的输入，并绘出相应的期望输出，如此才能使训练出来的网络具有较好的适应能力。若含有大量多余成分的学习样本会导致网络学习过程收敛困难或不收敛，训练出来的网络会产生映射，使网络输出过多偏向多余成分所形成的输出方向样本中的输出数据不需要做归化处理，其值均为或者。表示无此类故障，表示有此类故障。神经网络模型训练样本如下表所示本文所需样本数据完全参考文献中的表。表神经网络模型训练样本数据组次故障性质输入学习样本的相对比值网络期望输出无故障无故障无故障无故障无故障中低温过热中低温过热中低温过热中低温过热中低温过热中低温过热中低温过热高温过热高温过热高温过热高温过热高温过热高温过热高温过热高温过热高温过热高温过热低能量放电低能量放电低能量放电低能量放电低能量放电低能量放电低能量放电续表高能量放电高能量放电高能量放电高能量放电高能量放电高能量放电高能量放电隐含层层数和节点数的确定隐含层层数般选取单层，由于网络的非线性，如果隐含层层数增加将直接引起网络的复杂程度及学习时间呈指数形式增长，大大提高了研究的难度复杂度，任务量过重。隐含层神经元数目的多少将直接关系到成败，如果隐含层神经元数目太少，虽然网络每次训练时间相对较短，但有可能因为映射容量达不到要求，网络从样本中获取信息的能力较差，不足以概括和体现样本规律，从而识别新样本困难，容错性下降如果隐含层神经元数目过多，学习能力得到增强，但网络每次所需的学习时间相对较长，难以在人们接受的时间内完成，训练网络所需要的存储空间也要相应的扩大，更重要的是若是隐节点数目过多将有可能导致过适配问题，即网络学习到训练样本里的些无关紧要的非本质东西，降低其泛化能力。在评估这用同个样本集对采用不同隐节点数的网络进行训练，选择网络误差最小时对应的值，初始隐节点数的确定采用常用的经验公式其中，为隐含层节点数，郭磊基于神经网络的变压器故障诊断技术的研究西华大学学位论文，王美刚基于模糊理论的电力变压器状态评估保定华北电力大学，王霞基于油中溶解气体分析的变压器故障诊断方法研究保定华北电力大学宋晓霞变压器故障综合诊断专家系统的研究与发展西安电子科技大学，乔俊玲人工神经网络在变压器油中溶解气体分析中的应用研究北京交通大学，陆云才基于分子模拟的油纸绝缘老化机理及气体扩散行为研究重庆大学，邹杰慧电力变压器故障诊断模糊专家系统研究开发湖南大学，李岩变压器在线状态监测系统研究华中科技大学，中华人民共和国电力部变压器油中溶解气体分析和判断导则北京中国电力出版社，殷震基于神经网络的电力变压器内部故障诊断方法研究天津大学，于婷婷基于神经网络的滚动轴承故障诊断方法大连理工大学硕士学位论文，万怡骎基于概率神经网络的变压器故障诊断南昌大学学位论文，郭磊基于神经网络的变压器故障诊断技术的研究西华大学，殷跃基于神经网络的电力变压器故障诊断的研究吉林大学，致谢四年的读书生活在这个季节即将划上个句号，大学的求学生涯在老师同学们的大力支持下，走得辛苦却也收获满囊，在论文付梓之际，思绪万千，心情久久不能平静。感谢山东农业大学给予我学习深造的机会，使我能够系统学习有关理论知识，掌握先进的科学技术，为进步提高理论知识水平及实践工作能力打下坚实的基础。本论文是在导师与学院专业老师的精心指导和严格要求下完成的，论文的选题研究及撰写工作都得为输入层节点数，为输出层节点数，为之间的常数。本例中本文将直接参考文献中的表，将隐节点数定为，即选取结构。这里截取部分表