课题名称:
基于ISSA-PNN神经网络的变压器故障诊断分类及预测(基于DGA原始数据)
改进方向:精英反向策略
代码获取方式(付费):
模型描述:
对变压器油中溶解气体进行分析是变压器内部故障诊断的重要手段。我国当前大量应用的是改良三比值法,但利用三比值法作为变压器故障诊断的依据存在两方面的不足,即所谓编码缺损和临界值判据缺损。当前变压器故障诊断系统大多数都是采用BP网络模型,但由于BP网络自身结构的点,在训练样本较大且要求精度较高时,网络常常不收敛且容易陷入局部最优。油中溶解气体分析的方法能很好地反映变压器的潜伏性故障,且在各种诊断方法中以改良三比值法的判断准确率最高,所以选择油中溶解气体含量的三对比值作为神经网络的输入特征向量而输出特征向量则选用变压器的故障类型。概率神经网络结构简单,训练简洁,利用概率神经网络模型的强大的非线性分类能力,将故障样本空间映射到故障模式空间中,可形成一个具有较强容错能力和结构自适应能力的诊断网络系统,从而提高故障诊断的准确率。
但是本次模型则选用5种特征气体(氢气、甲烷、乙烷、乙烯、乙炔)作为神经网络的输入,通过5种特征气体来预测6种故障类型。 5种特征气体的浓度值对应的6种故障类型:1:中低温过热;2:高温过热;3:局部放电;4:低能放电;5:高能放电;6:正常
Matlab仿真结果及仿真图
图1
图2
图3
图4
图5