近年來，中國經(jīng)濟的增長有利于電力需求的增長。這種情況下，電力系統(tǒng)技術發(fā)展非常迅速。如，諸如超高壓，大型電網(wǎng)和自動化電網(wǎng)系統(tǒng)之類的先進技術已進入實際應用階段。機容量和能耗已達到全球水平。是，作為人類能源消費最重要的直接能源，電力需求也將呈現(xiàn)出快速增長的趨勢，這將導致電力需求增長之間的矛盾。生活產(chǎn)業(yè)中的實際供電能力，從而阻礙了社會經(jīng)濟發(fā)展。

　　了促進經(jīng)濟的可持續(xù)發(fā)展，我們必須確保電力供應的可持續(xù)發(fā)展。前，三位一體的關系在電源，功耗和發(fā)電之間。果路由出現(xiàn)問題，則整個系統(tǒng)將崩潰。此，電氣工業(yè)的蓬勃發(fā)展，電氣設備的維護以及確保電氣設備的安全性和穩(wěn)定性可使該電氣系統(tǒng)正常，穩(wěn)定地運行。有這樣，我們才能確保經(jīng)濟的可持續(xù)發(fā)展和人民生活水平的不斷改善。電力系統(tǒng)中，大型變壓器不僅是關鍵組件，而且非常昂貴。此，大型電力變壓器的管理和維護極為重要，其維護也是電力系統(tǒng)管理的核心內(nèi)容。壓器的材料成分主要包括：絕緣材料，底盤材料，導電和導磁材料。緣體主要是有機物質(zhì)，電纜例如絕緣紙，礦物油和各種有機合成物質(zhì)。些絕緣物質(zhì)將隨著各種環(huán)境，天氣和其他因素的影響而減少，并且它們的絕緣性能將趨于下降，并容易引發(fā)各種電氣故障，從而導致電力系統(tǒng)故障。且許多當前文獻還證明了變壓器故障的重要原因是絕緣材料性能的下降。如，由于變壓器短路故障引起的故障；油溫升高引起的絕緣劣化導致絕緣故障。力變壓器一旦發(fā)生故障，維修時間通常會更長，尤其是隨著變壓器容量和等級的提高，其故障的負面影響越大，經(jīng)濟損失也就越大。會影響將是巨大的。管隨著材料技術的發(fā)展，變壓器選擇建材的性能也得到了一定程度的提高，為設備的可靠運行做出了貢獻，但不可避免地會出現(xiàn)一些無法預料的問題。使用過程中。運行和維護模式方面，電力變壓器總是會出現(xiàn)不同類型的故障。

　　
　　這方面，只有注意監(jiān)視變壓器絕緣狀態(tài)并通過預防性監(jiān)視，才能在問題發(fā)生之前避免出現(xiàn)問題，從而消除潛在故障通過高級維護消除故障問題的擴展。外，先進的狀態(tài)監(jiān)控技術還有助于快速定位故障位置，幫助縮短變壓器維修時間，這對于提高安全性和穩(wěn)定性顯然具有積極意義。力系統(tǒng)。
　　經(jīng)網(wǎng)絡是由大量處理單元廣泛互連的網(wǎng)絡。的信息處理是通過神經(jīng)元之間的相互作用進行的。絡學習和識別取決于每個神經(jīng)元連接權重的動態(tài)演變過程。為一種大規(guī)模的非線性自適應連續(xù)時間信息處理系統(tǒng)，它具有許多特性，例如高非線性，模擬并行性，高容錯性，魯棒性，自我交往，自我學習和自我適應。使其成為用于電氣設備在線監(jiān)視的最有希望的故障診斷方法之一。文研究了改進的反向傳播神經(jīng)網(wǎng)絡在變壓器油中溶解氣體診斷中的應用，并著重分析了其算法，網(wǎng)絡選擇，學習過程的收斂性以及計算示例。于神經(jīng)網(wǎng)絡使用長期記憶來存儲長期記憶，因此神經(jīng)網(wǎng)絡學習算法的目標是調(diào)整神經(jīng)元之間的連接權重，從而使整個神經(jīng)元的網(wǎng)絡可以實現(xiàn)預期的功能。學習過程中，將訓練樣本中的數(shù)據(jù)添加到網(wǎng)絡輸入中，并將相應的預期輸出與實際網(wǎng)絡輸出進行比較，以獲取錯誤信號，從而控制調(diào)整重量連接的強度，并在幾次訓練后收斂。得定義的重量矩陣。據(jù)BP網(wǎng)絡理論，隱藏層可以是一個或多個層，但是具有隱藏層的BP網(wǎng)絡已經(jīng)可以以任意精度完成任何連續(xù)函數(shù)的映射，因此通常僅使用一個隱藏層。習過程包括兩個部分：前向傳播輸出過程和后向傳播調(diào)整過程，在前向傳播過程中，輸入信號從輸入層到隱藏單元逐層處理，然后傳遞到輸出層。態(tài)僅影響下一層中神經(jīng)元的狀態(tài)。果在輸出層沒有獲得期望的輸出，則輸出信號的誤差將沿著原始連接路徑傳播到輸入層；通過沿途修改每一層的神經(jīng)元連接的權重和神經(jīng)元的閾值逐漸減少錯誤。

　　
　　很多方法可以調(diào)整權重和神經(jīng)閾值。用最廣泛的BP算法使用最陡峭的負梯度調(diào)整方法。3.2說明了僅考慮一個隱藏層的BP神經(jīng)網(wǎng)絡。先，給出LA層單元和LB層單元之間以及LB層單元和LC層單元之間的連接權限，以及LB層單元的閾值θi和LC層的單位閾值γi在[-ε， ε]（ε≤1）的范圍內(nèi)分配一個隨機值。BP算法是LMS算法在直接作用多層神經(jīng)網(wǎng)絡中的應用，它是一個非線性優(yōu)化問題。于BP網(wǎng)絡的理論完整性，它已成功應用于許多領域，包括診斷電氣設備的絕緣故障，但也存在許多問題，例如：普及能力已經(jīng)學習的網(wǎng)絡可以沒有近似規(guī)則，并且可以正確處理大量尚未學習的樣本。差面上有許多局部最小點；學習算法收斂緩慢；網(wǎng)絡隱藏層數(shù)的選擇缺乏完整的理論指導。此，研究新的迭代收斂算法具有很大的實用價值。ConjugateGradient是一種不受限制的重要優(yōu)化方法。特征是使用先前搜索方向和起點的負梯度的線性組合來生成共軛方向，并使用它來找到目標函數(shù)的極值。向量使用四個輸出神經(jīng)元：一般過熱，嚴重過熱，高能量放電和低能量放電。能量放電通常是指電弧放電和相對較強的火花放電。能量放電通常是指局部放電和相對較弱的火花放電。
　　映過熱故障的單個輸出大于0，因為它們是互斥的。映放電故障的單個輸出大于0；但是，兩種類型的過熱和放電輸出都可能超過0。為在故障本身中，放電和過熱有許多故障。

　　大輸出值為1.0。越高，此類缺陷的可能性和嚴重性越高。果輸出為{0.0，1.0，1.0，0.0}，則表明故障是嚴重的過熱和高能量放電。擇訓練樣本時，樣本中各種類型故障的百分比必須等于變壓器故障的實際發(fā)生率。作環(huán)境等因素的影響，匯集了125套變壓器色譜分析記錄和不同制造商在不同電壓水平下運行產(chǎn)生的相應實際故障結果并且在不同的區(qū)域，使樣品具有良好的范圍；在反復調(diào)試了18組可以反映各種類型故障的標準樣本后，將其他樣本數(shù)據(jù)用于驗證和檢查。此，系統(tǒng)可以診斷多個故障，這些故障可以從12、13、15、16、19的序列中顯示出來。外，通過三報告方法獲得的故障結論也存在。差。如，序列號為20以說明此差異，但是ACG-BP網(wǎng)絡可以消除此錯誤。而言之，ACG-BP網(wǎng)絡系統(tǒng)具有強大的積累能力并將其經(jīng)驗存儲在權重矩陣中，從而可以快速而準確地診斷故障。
　　本文轉載自
　　電纜 http://jslianhai.cn