论文部分内容阅读
传统的电力变压器故障诊断方法存在着识别精度低的局限性，不能有效地进行数据分析，导致无法正确诊断故障类型甚至误诊。为此，神经网络和人工群智能算法的提出，及其在电力变压器故障诊断中的应用，大大提高了故障诊断的时效性和准确性。该类方法以传统的变压器溶解气体分析（DGA）作为数据采集基础，利用神经网络良好的非线性逼近能力，同时采用群智能算法的自组织、分布式和并行性等良好性能优化神经网络参数（权值和阀值），使得神经网络的快速收敛及精确程度大幅提高，进而用优化过的神经网络对变压器溶解气体数据分析并故障分类。最后通过实