期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
人工神经网络和信息融合技术在变压器状态评估中的应用
被引量：
147
1
作者
阮羚
谢齐家
+3 位作者
高胜友
聂德鑫
卢文华
张海龙
《高电压技术》
EI
CAS
CSCD
北大核心
2014年第3期822-828,共7页
为满足电力系统对变压器资产管理和风险评估的需求,提出了一种基于人工神经网络和信息融合技术的变压器状态评估方法。以预防性试验数据和在线监测数据为例,选择具有代表意义的信息量作为开展评估的静态状态量,除此之外还选取部分静态...
为满足电力系统对变压器资产管理和风险评估的需求,提出了一种基于人工神经网络和信息融合技术的变压器状态评估方法。以预防性试验数据和在线监测数据为例,选择具有代表意义的信息量作为开展评估的静态状态量,除此之外还选取部分静态状态量的变化趋势作为开展评估的渐变状态量,采用非线性指标评价函数对状态量进行归一化处理,综合应用人工神经网络(ANN)和Dempster-Shafer(D-S)证据理论构建多信息融合的变压器状态评估模型。通过对某台500 kV变压器数据的实例分析,验证了该评估模型应用于变压器状态评估中的有效性。该方法将在线监测数据与部分参数的变化趋势紧密结合,有助于提高变压器状态评估的时效性和准确性。
展开更多
关键词
变压器状态评估
多信息融合
D-S证据理论
人工神经网络
趋势分析
非线性指标评价函数
在线阅读
下载PDF
职称材料
RVM和ANFIS用于变压器故障诊断及状态评估
被引量：
10
2
作者
范竞敏
汪沨
+2 位作者
孙秋芹
蒋勤稷
欧明辉
《电力系统及其自动化学报》
CSCD
北大核心
2018年第3期35-41,共7页
为了提高变压器故障诊断的准确率和效率,合理评估变压器的状态,本文采用相关向量机RVM先对变压器的过热和放电故障进行划分。用自适应神经模糊推理系统进一步对故障进行分类,并对故障隶属概率进行估计。实验结果表明:本文方法有很强的...
为了提高变压器故障诊断的准确率和效率,合理评估变压器的状态,本文采用相关向量机RVM先对变压器的过热和放电故障进行划分。用自适应神经模糊推理系统进一步对故障进行分类,并对故障隶属概率进行估计。实验结果表明:本文方法有很强的学习能力和特征提取能力;尤其对于存在重叠区的故障特征,用模糊集和隶属度的方法能够输出故障类型概率,对状态评估进行决策辅助;诊断率高达96.15%,且运算效率高;跟支持向量机、人工神经网络方法相比,有更好的效率和更高的准确率。
展开更多
关键词
变压器状态评估
溶解气体分析
相关向量机
自适应神经模糊推理系统
故障诊断
在线阅读
下载PDF
职称材料
基于采用云重心评估法的变压器套管状态评估研究
被引量：
3
3
作者
顾蓉
苑津莎
吕菲
《陕西电力》
2013年第7期65-67,共3页
变压器套管状态评估的参数很多,有定性的和定量的,为了实现对变压器套管运行状态的综合评估,需要将定性与定量相结合,云重心理论恰好能做到这一点。因此,引用云重心评估法实现变压器套管的状态评估,首先,将变压器套管的运行状态划分为4...
变压器套管状态评估的参数很多,有定性的和定量的,为了实现对变压器套管运行状态的综合评估,需要将定性与定量相结合,云重心理论恰好能做到这一点。因此,引用云重心评估法实现变压器套管的状态评估,首先,将变压器套管的运行状态划分为4个等级。其次,分别建立各指标的云模型。再次,引入加权偏离度评判变压器套管某一时刻偏离正常状态的程度。最后,对照评语集,给出状态评估结果。通过实例分析,验证了该方法的可靠性。
展开更多
关键词
变压器
套管
状态
评估
偏离度
云重心
评估
法
在线阅读
下载PDF
职称材料
题名
人工神经网络和信息融合技术在变压器状态评估中的应用
被引量：
147
1
作者
阮羚
谢齐家
高胜友
聂德鑫
卢文华
张海龙
机构
国网湖北省电力公司电力科学研究院国家电网公司高压电气设备现场试验技术重点实验室
清华大学电机工程与应用电子技术系电力系统及发电设备控制和仿真国家重点实验室
国网电力科学研究院
出处
《高电压技术》
EI
CAS
CSCD
北大核心
2014年第3期822-828,共7页
基金
国家电网公司科技项目(SG10028)
国网湖北省电力公司科技项目(201110101)~~
文摘
为满足电力系统对变压器资产管理和风险评估的需求,提出了一种基于人工神经网络和信息融合技术的变压器状态评估方法。以预防性试验数据和在线监测数据为例,选择具有代表意义的信息量作为开展评估的静态状态量,除此之外还选取部分静态状态量的变化趋势作为开展评估的渐变状态量,采用非线性指标评价函数对状态量进行归一化处理,综合应用人工神经网络(ANN)和Dempster-Shafer(D-S)证据理论构建多信息融合的变压器状态评估模型。通过对某台500 kV变压器数据的实例分析,验证了该评估模型应用于变压器状态评估中的有效性。该方法将在线监测数据与部分参数的变化趋势紧密结合,有助于提高变压器状态评估的时效性和准确性。
关键词
变压器状态评估
多信息融合
D-S证据理论
人工神经网络
趋势分析
非线性指标评价函数
Keywords
transformer condition assessment
multi-information fusion
D-S evidence theory
artificial neural network
trend analysis
nonlinear index evaluate function
分类号
TM41 [电气工程—电器]
在线阅读
下载PDF
职称材料
题名
RVM和ANFIS用于变压器故障诊断及状态评估
被引量：
10
2
作者
范竞敏
汪沨
孙秋芹
蒋勤稷
欧明辉
机构
湖南大学电气与信息工程学院
出处
《电力系统及其自动化学报》
CSCD
北大核心
2018年第3期35-41,共7页
基金
国家自然科学基金资助项目(61102039)
教育部新世纪优秀人才支持计划资助项目(NCET-11-0130)
湖南省自然科学基金资助项目(14JJ7029)
文摘
为了提高变压器故障诊断的准确率和效率,合理评估变压器的状态,本文采用相关向量机RVM先对变压器的过热和放电故障进行划分。用自适应神经模糊推理系统进一步对故障进行分类,并对故障隶属概率进行估计。实验结果表明:本文方法有很强的学习能力和特征提取能力;尤其对于存在重叠区的故障特征,用模糊集和隶属度的方法能够输出故障类型概率,对状态评估进行决策辅助;诊断率高达96.15%,且运算效率高;跟支持向量机、人工神经网络方法相比,有更好的效率和更高的准确率。
关键词
变压器状态评估
溶解气体分析
相关向量机
自适应神经模糊推理系统
故障诊断
Keywords
transformer status evaluation
dissolved gas analysis
relevance vector machine(RVM)
adaptive neuralfuzzy inference system(ANFIS)
fault diagnosis
分类号
TM315 [电气工程—电机]
在线阅读
下载PDF
职称材料
题名
基于采用云重心评估法的变压器套管状态评估研究
被引量：
3
3
作者
顾蓉
苑津莎
吕菲
机构
华北电力大学电子与通信工程系
出处
《陕西电力》
2013年第7期65-67,共3页
文摘
变压器套管状态评估的参数很多,有定性的和定量的,为了实现对变压器套管运行状态的综合评估,需要将定性与定量相结合,云重心理论恰好能做到这一点。因此,引用云重心评估法实现变压器套管的状态评估,首先,将变压器套管的运行状态划分为4个等级。其次,分别建立各指标的云模型。再次,引入加权偏离度评判变压器套管某一时刻偏离正常状态的程度。最后,对照评语集,给出状态评估结果。通过实例分析,验证了该方法的可靠性。
关键词
变压器
套管
状态
评估
偏离度
云重心
评估
法
Keywords
state assessment of transformer bushing
deviation degree
cloud gravity center assessment method
分类号
TM41 [电气工程—电器]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
人工神经网络和信息融合技术在变压器状态评估中的应用
阮羚
谢齐家
高胜友
聂德鑫
卢文华
张海龙
《高电压技术》
EI
CAS
CSCD
北大核心
2014
147
在线阅读
下载PDF
职称材料
2
RVM和ANFIS用于变压器故障诊断及状态评估
范竞敏
汪沨
孙秋芹
蒋勤稷
欧明辉
《电力系统及其自动化学报》
CSCD
北大核心
2018
10
在线阅读
下载PDF
职称材料
3
基于采用云重心评估法的变压器套管状态评估研究
顾蓉
苑津莎
吕菲
《陕西电力》
2013
3
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
