论文部分内容阅读
针对变压器油色谱故障分析方法预测能力不足,诊断评价准确率低的缺陷,提出一种基于神经网络算法和灰色关联度方法的变压器故障识别组合方法,通过对变压器绝缘油色谱中H2、CH4、C2H6、C2H4、C2H2等特征气体的检测,并将其作为神经网络算法的输入变量,同时采用灰色关联方法对变压器绝缘故障的放电、高温、接地等12类故障进行关联度分析,制定合理的故障类别排序表用于神经网络的故障诊断.仿真结果表明:采用本文方法与传统三比值方法相比,其诊断时间缩短、准确度提高,具有一定的理论意义与实用价值.