[发明专利]一种基于神经网络的变压器故障诊断方法

权利要求书

1.一种基于神经网络的变压器故障诊断方法，其特征在于：包括（1）、利用IEC三比值法得出五种气体的三比值：C₂H₂/C₂H₄、CH₄/ H₂、C₂H₄/ C₂H₆作为训练样本；（2）、利用隶属函数将三比值进行模糊化处理；（3）、对故障类型进行编码；（4）、根据模糊化后的训练样本数据训练BP神经网络，直到BP网络满足精度要求，（5）、将模糊化后的待测样本数据输入到训练好的BP神经网络；（6）、BP神经网络输出诊断结果。

2.根据权利要求1所述的基于神经网络的变压器故障诊断的智能方法，其特征在于：所述的步骤（2）中所采用的隶属函数是正态分布函数，设                                                ，，，，，为模糊化处理过的神经网络输入层的实际输入量，则隶属函数为：

                                   

。

3.根据权利要求1所述的基于神经网络的变压器故障诊断方法，其特征在于：所述的步骤（3）中的故障类型编码包括：若编码为100000，则故障类型对应为低能放电；若编码为010000，则故障类型对应为中温过热；若编码为001000，则故障类型对应为高能放电；若编码为000100，则故障类型对应为高温过热；若编码为000010，则故障类型对应为地温过热；若编码为000001，则故障类型对应为局部放电。

4.根据权利要求1至3所述的基于神经网络的变压器故障诊断方法，其特征在于：还包括有将神经网络输出数据模糊化的步骤，把大于0.5的数据规定为1，其它的为0。

5.根据权利要求4所述的基于神经网络的变压器故障诊断方法，其特征在于：所述的步骤（4）中根据模糊化后的样本数据训练BP神经网络是用trainlam函数进行训练，训练次数为1000次，三个输入节点是模糊化后的三比值，六个输出节点是故障类型编码：设置学习率为0.005，隐层神经元个数为30。