典型文献
基于自适应概率神经网络的变压器健康状态评估
文献摘要：
传统变压器状态评估方法,多关注设备当前状态分析,缺少全方位预测其潜在健康状态方法,也无法确定变压器将来的故障发生概率.本文提出了一种基于自适应概率神经网络的变压器健康状态评估方法.该方法,首先从变压器内部本体特征和外部实时监测环境两方面,确定变压器健康状态指标因子,并进行数据预处理得到不相关的指标因子;然后,根据指标因子和样本标签,引入自适应参数训练,训练出用于预测的概率神经网络模型;最后,利用模型参数,通过将指标分为静态基础指标和动态可变指标,前者直接输入到网络中,后者利用AMIRA模型进行预测之后输入到网络中,得到变压器健康状态评估值.实验结果表明,该模型可获得更加准确的状态评估值,支撑变压器状态监测和预警工作.
文献关键词：
变压器;概率神经网络;自适应训练;状态评估
中图分类号：
作者姓名：
张寒;刘卫东;潘志敏;栗娟
作者机构：
国网湖南超高压变电公司,长沙 410000;变电智能运检国网湖南省电力有限公司实验室,长沙 410000;武汉工程大学计算机学院,武汉 430205;武汉工程大学智能机器人湖北省重点实验室,武汉 430205
文献出处：
引用格式：
[1]张寒;刘卫东;潘志敏;栗娟-.基于自适应概率神经网络的变压器健康状态评估)[J].高压电器,2022(02):103-110
A类：
B类：
概率神经网络,健康状态评估,变压器状态评估,状态分析,故障发生概率,状态指标,指标因子,数据预处理,理得,不相关,样本标签,自适应参数,练出,基础指标,变指标,AMIRA,评估值,状态监测,预警工作,自适应训练
AB值：
0.289557
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
