通过溶解气体分析进行变压器油诊断的神经网络和粒子群
Fettouma Guerbas1, Youcef Benmahamed2, Youcef Teguar1
1Laboratoire des Systèmes Electriques et Industriels, Université des Sciences et de la Technologie Houari Boumediene, BP 32Bab Ezzouar, 16111, Algiers, Algeria.
Scientific reports
|April 22, 2024
概括
早期检测电力变压器故障至关重要. 本研究介绍了一种优化的人工神经网络 (ANN),使用粒子群优化 (PSO) 来改进绝缘油诊断,提高变压器的可靠性.
科学领域:
- 电气工程 电气工程
- 材料科学 材料科学 材料科学
- 人工智能的人工智能
背景情况:
- 功率变压器的寿命在很大程度上取决于绝缘油的性能.
- 绝缘油因过热或电放电而降解,可能导致变压器故障.
- 早期检测故障对于防止灾难性的变压器故障至关重要.
研究的目的:
- 开发一个高效的诊断系统,用于电力变压器隔热油使用人工智能.
- 为故障检测提出一个优化的多层人工神经网络 (ANN) 模型.
- 在变压器诊断中提高ANN模型的分类率.
主要方法:
- 在变压器绝缘油中溶解的气体的分析.
- 实现多层人工神经网络 (ANN) 用于故障分类.
- 使用粒子群优化 (PSO) 技术优化ANN模型的优化.
主要成果:
- 开发了一种基于ANN的新型模型,该模型与PSO进行了优化,用于变压器绝缘油诊断.
- 拟议的优化ANN模型在故障检测方面表现出高精度.
- 该研究证实了PSO优化的ANN方法的稳定性和有效性.
结论:
- 优化的人工神经网络为诊断电力变压器绝缘油提供了强大而准确的方法.
- 这种技术克服了传统诊断方法的局限性,提高了变压器的可靠性.
- 优化PSO的ANN方法代表了电力变压器状态监测的重大进步.
