宋芸[1]2003年在《基于小波与神经网络的变压器励磁涌流识别方法的研究》文中研究表明随着我国电力工业的迅猛发展，对大型变压器保护提出了新的要求。在研究新型微机变压器保护过程中，如何防止变压器突然空载合闸时出现的励磁涌流所造成的保护误动作，仍然是最关键和最困难的问题。若能将励磁涌流识别出来，就能提高保护动作的可靠性，因此本文针对当前实际应用的和有关文献中提到的一些识别方法进行了分析、比较，在综合考虑多方面因素后，给出了一种基于小波与改进型动态结构神经网络的励磁涌流识别方法。 由于小波变换分析方法具有多尺度分析和时—频局部化特性，特别适合边缘和峰值突变信号的处理和特征提取。当小波函数取光滑函数的一阶导数时，信号小波变换的模在信号突变点将取得局部极大值。本文利用这些性质不仅对叁相变压器的非对称性涌流间断角的大小进行测量，同时还测量了对称性涌流的间断角，测量精度有一定的改善。 本文采用的神经网络识别方法与以往的神经网络辨识方法不同。首先，文中将叁相变压器两相涌流差流的二次谐波含量比和间断角作为网络的输入变量；其次，利用对原有BP网络训练算法基础上的改进型算法(即在计算本次权值和阈值的变化时增加上一次权值和阈值变化的影响以及采用变学习率，与此同时隐含层神经元个数采用动态形式)，通过样本训练使网络结构模型达到最优。仿真实验结果表明，用该方法所设计的神经网络模型训练速度快，识别效果好。
陈琛[2]2004年在《基于人工神经网络的变压器故障诊断研究》文中进行了进一步梳理随着我国电力工业的迅猛发展,对大型变压器保护提出了新的要求。在研究新型微机变压器保护过程中,如何防止变压器突然空载合闸时出现的励磁涌流所造成的保护误动作,仍然是最关键和最困难的问题。本文针对当前实际应用和有关文献中提出的一些识别方法进行了分析、比较,在综合考虑多方面因素后,提出了基于分布式人工神经网络理论、基于模糊神经网络理论及基于小波与神经网络相结合理论的几种励磁涌流识别方法。经过仿真实验结果表明,用这几种方法所设计的神经网络模型训练速度快,识别效果好。
孙玲[3]2006年在《基于小波和神经网络的变压器励磁涌流鉴别的研究》文中指出随着我国经济的迅猛发展,人们对电力的需求日益增长。电力系统规模不断扩大,对大型变压器保护也随之提出了新的要求。差动保护一直作为电力变压器的主保护,但变压器突然空载合闸时出现的励磁涌流易造成差动保护误动作,因此正确鉴别励磁涌流仍然是保证变压器差动保护可靠运行的最关键和最困难的问题之一。若能将励磁涌流识别出来,就能提高保护动作的可靠性,因此本文针对当前实际应用的和有关文献中提到的一些识别方法进行了分析、比较,在综合考虑多方面因素后,提出了一种基于小波与改进型BP神经网络的励磁涌流识别方法。 励磁涌流是变压器突然空载合闸时产生的一种很大的冲击电流,本文分析了它产生的原因及特征,探讨了短路故障电流的产生及特征,同时也研究了区分变压器励磁涌流和故障电流的各种方法。 小波变换具有多尺度分析和时一频局部化特性,特别适合边缘和峰值突变信号的处理和特征提取。当小波函数取光滑函数的一阶导数时,信号小波变换的模在信号突变点将取得局部极大值。本文利用这些性质对叁相变压器的励磁涌流间断角进行检测。 人工神经网络不但具有高度的自适应性和自组织性,以及很强的鲁棒性和容错能力,而且能够充分逼近复杂的非线性关系。本文将其运用于鉴别励磁涌流和故障电流。首先,建立一个叁层前向动态结构的BP神经网络;然后将叁相变压器两相涌流差流的二次谐波含量比和间断角作为网络的输入样本;其次,运用改进型BP网络训练算法,通过样本训练优化网络结构模型。整个的实验结果表明,本文所设计的神经网络能成功地、快速地鉴别励磁涌流和故障电流,显示了此方法的优越性。
参考文献：
[1]. 基于小波与神经网络的变压器励磁涌流识别方法的研究[D]. 宋芸. 河海大学. 2003
[2]. 基于人工神经网络的变压器故障诊断研究[D]. 陈琛. 华北电力大学（河北）. 2004
[3]. 基于小波和神经网络的变压器励磁涌流鉴别的研究[D]. 孙玲. 武汉理工大学. 2006