公开(公告)号：CN105930901B

公开(公告)日：2018-05-25

申请号：CN201610566471.8

申请日：2016-07-18

Applicant: 河海大学

Inventor： 马宏忠 ,  施恂山 ,  付明星 ,  刘宝稳 ,  李勇 ,  许洪华 ,  唐舰

IPC: G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于RBPNN的变压器故障诊断方法，属于智能变电站设备监测和诊断技术领域。方法包括：步骤一，采集变压器故障特征气体的浓度数据作为历史数据，对历史数据进行归一化处理后分为训练样本和测试样本，其中故障特征气体包括氢气、甲烷、乙烷、乙烯和乙炔；步骤二，以故障特征气体的浓度作为输入层、故障类型作为输出层建立RBPNN模型；步骤三，利用训练样本对模型进行训练，并结合PSO算法得到最优的RBPNN模型；步骤四，将测试样本输入优化后的RBPNN模型，得到预测的故障类型。本发明引入RBPNN模型，经改造并优化后大大提高了故障预测准确率和收敛速度，稳定性较高，为变压器故障诊断提供了一条新的途径。

公开(公告)号：CN105930901A

公开(公告)日：2016-09-07

申请号：CN201610566471.8

申请日：2016-07-18

Applicant: 河海大学

Inventor： 马宏忠 ,  施恂山 ,  付明星 ,  刘宝稳 ,  李勇 ,  许洪华 ,  唐舰

IPC: G06N3/04 ,  G06N3/08

CPC classification number: G06N3/0454 ,  G06N3/086

Abstract: 本发明公开了一种基于RBPNN的变压器故障诊断方法，属于智能变电站设备监测和诊断技术领域。方法包括：步骤一，采集变压器故障特征气体的浓度数据作为历史数据，对历史数据进行归一化处理后分为训练样本和测试样本，其中故障特征气体包括氢气、甲烷、乙烷、乙烯和乙炔；步骤二，以故障特征气体的浓度作为输入层、故障类型作为输出层建立RBPNN模型；步骤三，利用训练样本对模型进行训练，并结合PSO算法得到最优的RBPNN模型；步骤四，将测试样本输入优化后的RBPNN模型，得到预测的故障类型。本发明引入RBPNN模型，经改造并优化后大大提高了故障预测准确率和收敛速度，稳定性较高，为变压器故障诊断提供了一条新的途径。