資源描述：
《基于廣義回歸神經(jīng)網(wǎng)絡(luò)的變壓器油中特征氣體發(fā)展趨勢預(yù)測研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、2014年12月吉林電力Dec．2014第42卷第6期(總第235期)JilinElectricPowerVo1．42No．6(Ser．No．235)基于廣義回歸神經(jīng)網(wǎng)絡(luò)的變壓器油中特征氣體發(fā)展趨勢預(yù)測研究PredictiononFeatureGasTrendofTransformerOilbasedonGeneralRegressionNeuralNetwork冷傳東，姜欣，金寶旭。(1．國網(wǎng)長春供電公司，長春130021；2．吉林電力技術(shù)開發(fā)公司，長春130021；3．國網(wǎng)通化供電公司，吉林通化134001)摘要：通過對廣義回歸神經(jīng)網(wǎng)絡(luò)(GRNN)在預(yù)測
2、方面的研究，結(jié)合變壓器特征氣體檢測的實際情況，建立了一種基于GRNN的變壓器油中特征氣體發(fā)展趨勢的預(yù)測模型，用于等時間間隔和非等時間間隔采樣，預(yù)測未來任意時刻變壓器油中特征氣體值、產(chǎn)氣速率以及產(chǎn)氣速率超出限定值的時間點，在吉林省多臺變壓器上應(yīng)用，證明該方法預(yù)測誤差均在允許范圍之內(nèi)，可避免設(shè)備故障的發(fā)生，提升了電網(wǎng)的運行水平。關(guān)鍵詞：變壓器；特征氣體；廣義回歸神經(jīng)網(wǎng)絡(luò)(GRNN)；發(fā)展趨勢預(yù)測Abstract：Withthestudyongeneralregressionneuralnetworkinpredictionandcombingwiththepra
3、cticalresultoftransformerfeaturegas，anewfeaturegasdevelopmenttrendforecastingmethodfortransformeroilbasedongeneralregressionneuralnetworkhasbeenproposed．Thismethodisusedforintervalandnon—intervalsamplingandforecastingthefeaturegasvalue，productionrateatanytimeinthefuture，thetimethat
4、gasproductionrateexceedsthelimitvalue．Thismethodhasbeenverifiedbycertainamountofpracticalexamplesoftransformeroilfeaturegasdevelopmenttrend．Keywords：transformer；featuregas；developmenttrendforecast中圖分類號：TM406；TP311文獻標(biāo)志碼：A文章編號：1009—5306(2014)06—0011—04電力變壓器由于在設(shè)計、制造以及運行過程中靠的科學(xué)依據(jù)[】
5、3】。
6、受到多方面因素的影響，常常導(dǎo)致一些潛伏性故障目前變壓器油中特征氣體發(fā)展趨勢預(yù)測主要采的發(fā)生，最終發(fā)展為惡性事故。在潛伏性故障發(fā)生用灰色模型、BP神經(jīng)網(wǎng)絡(luò)等方法，但此類方法都存時，變壓器內(nèi)部的油中會產(chǎn)生多種特征氣體。通過對在局限性。廣義回歸神經(jīng)網(wǎng)絡(luò)克服了灰色模型的不特征氣體的檢測(色譜分析)，能有效發(fā)現(xiàn)變壓器內(nèi)足，可針對非等間隔的原始數(shù)據(jù)，預(yù)測變壓器油中異部潛伏性故障的存在。在設(shè)備不具備停運檢修的情常氣體值及氣體超出預(yù)定值時刻，進而在異常發(fā)生況下，專業(yè)人員將根據(jù)潛伏性故障的性質(zhì)，重新規(guī)定前采取停運檢修的措施，能有效地避免變壓器在運設(shè)備的色譜檢測周期。然而，由于
7、人為確定的色譜檢行中發(fā)生嚴重的事故，使變壓器的運行狀態(tài)可控、能測周期會因不同人和不同專業(yè)水平的差異，難免存控、在控。在誤判斷情況，一旦誤判就會造成檢測周期的選擇不當(dāng)，導(dǎo)致下個色譜檢測時間尚未到來前，變壓器就1廣義回歸神經(jīng)網(wǎng)絡(luò)發(fā)生了不可逆轉(zhuǎn)的故障；相反，人為擬定的檢測周期過短，則會增加色譜試驗工作的次數(shù)，浪費大量人力和物力。因此，科學(xué)地制定變壓器油中特征氣體檢測廣義回歸神經(jīng)網(wǎng)絡(luò)(GRNN)與徑向基網(wǎng)絡(luò)結(jié)構(gòu)周期是十分必要的。準(zhǔn)確預(yù)測油中特征氣體發(fā)展趨十分相似，以函數(shù)逼近理論為基礎(chǔ)構(gòu)造的～類前向勢，就能為色譜檢測周期的制定和及時調(diào)整提供可網(wǎng)絡(luò)，由四層構(gòu)成，分別為輸
8、入層、模式層、求和層和收稿日期：2014—10—20作者簡介：冷傳東(1967)，男，高級工程師，從事電力系統(tǒng)物資管理工作。2014年I2月Dec．2014第42卷第6期(總第235期)Vo1．42No．6(Ser．No．235)輸出層，由于它具有結(jié)構(gòu)自適應(yīng)、輸出與初始權(quán)值無∑Yfe‘’關(guān)的優(yōu)良特性，在多維曲面擬合、自由曲面重構(gòu)、函多()一上}——～(3)數(shù)逼近等領(lǐng)域有較多應(yīng)用。GRNN具有較強泛化能∑e-d(xo,_力，且其算法易于實現(xiàn)，結(jié)構(gòu)簡單，便于編程，收斂較i1估計值(。)為所有樣本觀測值y的加權(quán)平均快?。值，每個觀測值y的權(quán)重因子為對應(yīng)樣本z和。G
9、RNN的理論基礎(chǔ)是非線性(核)回歸分析]，之間的Eu
