论文部分内容阅读
采用人工神经网络进行变压器DGA数据的分析与诊断。为全面评价变压器的实际运行状况,综合利用了各特征气体含量及其比值信息,并借鉴模糊数据处理思想构造初始输入特征集合。借助一个特殊的复合神经网络进行数据分析与故障诊断。其中,非线性主分量分析网络执行多元输入特征信息的融合及主特征选择,形成待识别故障类的敏感特征量:随后的多层感知器执行故障模式识别。试验结果表明,在DGA分析的基础上,应用非线性主分量分析一多层感知器复合神经网络可有效实现变压器不同故障模式的智能化识别,获得较好的诊断结果。