买矿用变压器必看-质量优

变压器故障诊断的新型模式 ，一般来说，变电站的变压器的故障诊断与烃类气体甲烷（CH4）、乙烷（C2H6）、乙烯（C2H4）和氢气（H2）、一氧化碳（CO）、二氧化碳（CO2）等气体组成的所谓“特征气体”的含量和组成息息相关。在电和热的共同影响下，电力变压器的有机绝缘材料和绝缘油会逐渐老化和分解，产生特征气体，因此，想要探讨电力变压器可能存在的潜伏性故障，应先分析特殊气体的组成成分是什么以及其含量比例。在此理论基础上，灰云模型和Levenberg-Marquardt算法应运而生，具有创新性和实践性。灰云模型 ，变电站变压器故障诊断具有信息的不完全性、模糊性和随机性的特点，而灰云模型有助于提高变压器故障诊断的准确率。灰云模型即以电力电压器故障诊断的标准值为基础，引入软化因子将分类界限值进行适度扩展，得到相对应的分类界限区间。其主要结合变压器故障诊断的实际情况，利用灰云理论将正太云应用到白化权函数中，同时综合基于正态云的灰数百化模型得出的灰色聚类系数，通过未确知有理数法确定合聚类系数以及各指标的权重值，得到 终的诊断结果。与传统的变压器故障诊断系统相比，灰云模型具有同时处理事务的模糊性和随机性的特点。

研究表明无论在逼近能力、模式识别和学习速度等方面，RBF均优于BP网络，典型的RBF网络是由输入层、隐含层和输出层组成，如图所示： 层是输入层，它由信号源节点组成，第二层是隐藏层，第三层是输出层，隐藏层的变换函数采用RBF网络，RBF网络的输出为： 基于人工神经网络的DGA故障诊断 ，利用神经网络可有效地通过分析变压器油溶解气体来诊断电力变压器的内部故障。变压器故障按性质可分为热故障和放电故障，热故障又可分为低温过热(≤300°)故障和高温过热(≥700°)故障；电故障可分为高能量放电(电弧放电和比较强烈的火花放电)和低能量放电故障(局部放电和比较微弱的火花放电)，统计变压器油中分解出的H2、C2／H2、CH4和C2H4一共4种特征气体含量，作为4个输入神经元的输入向量。对输出层采用低温过热、高温过热、低能量放电、高能量放电作为四个输出值，输出值在[0，1]的范围内变化，表示故障发生的概率，数值越大则表明该类型故障的可能性越大，输出值 为1，表示属于此类故障，输出值 小为0，表示不属于此类故障。三相变压器的绕组连接方法，应根据中性点是否引出和中性点的负载要求及与其他变压器并联运行等来选择。常用的绕组连接方法分为星形、三角形及曲折形(Z形)。