[发明专利]一种基于径向基神经网络的变压器故障诊断方法

权利要求书

1.一种基于径向基神经网络的变压器故障诊断方法，其特征在于：包括以下步骤：

A：收集训练样本数据当作输入向量；

B：对故障类型进行编码，编制训练样本和故障类型的对应表；

C：构建和训练径向基神经网络，直到达到满意的精度为止；

D：诊断待测样本，将待测样本输入径向基神经网络，经过网络计算后输出向量，得到诊断结果。

2.根据权利要求1所述的基于径向基神经网络的变压器故障诊断方法，其特征在于：所述A步骤中的训练样本数据分别为H2、CH4、 C2H4、 C2H2、 C2H6和CO2气体含量。

3.根据权利要求2所述的基于径向基神经网络的变压器故障诊断方法，其特征在于：所述的训练样本数据首先经过归一化处理后再输入网络，归一化公式为                                                ，其中，Xi表示特征气体的数值，Xmin表示所有气体中数值最小的数值，Xmax表示所有气体中数值最大的数值。

4.根据权利要求3所述的基于径向基神经网络的变压器故障诊断方法，其特征在于：所述的B步骤中训练样本和故障类型的对应表为：若编码为100000，则故障类型为低温过热；若编码为010000，则故障类型为中温过热；若编码为001000，则故障类型为高能放电；若编码为000100，则故障类型为高温过热；若编码为000010，则故障类型为地温过热；若编码为000001，则故障类型为局部放电。

5.根据权利要求4所述的基于径向基神经网络的变压器故障诊断方法，其特征在于：所述的C步骤包括根据制定的故障类型编码表和训练样本构建径向基神经网络，并训练网络，直到达到满意的精度为止；所述的径向基函数采用高斯函数，径向基函数为  ，其中，x是n维输入向量；c为基函数的中心，与x具有相同维数的向量，δ决定基函数围绕中心点的宽度。

6.根据权利要求5所述的基于径向基神经网络的变压器故障诊断方法，其特征在于：所述的C步骤中使用Matlab程序，选择函数newrb（）进行网络设计，调用方式为Net=newrb（P,T,GOAL,spread），其中，P为输入向量，T为期望输出向量，GOAL为训练精度，spread为径向基层的散布常数，缺省值为1。

7.根据权利要求6所述的基于径向基神经网络的变压器故障诊断方法，其特征在于：所述的径向基函数诊断的径向基层的散布常数spread=10。

8.根据权利要求7所述的基于径向基神经网络的变压器故障诊断方法，其特征在于：所述的D步骤中经过网络计算后输出的向量，小于0.5时取成0，大于或者等于0.5时取成1。