基于神经网络的变压器设备状态分类器设计  

Design of Transformer Device Status Recognition Classifier Based on Neural Network

作　　者：张丽莉[1] 朱宝全[1] 

机构地区：[1]东北林业大学交通学院

出　　处：《电站系统工程》2013年第2期15-16,共2页Power System Engineering

基　　金：黑龙江省自然科学基金面上项目(E201053);黑龙江省自然科学基金面上项目(E200817)资助

摘　　要：将自适应的神经网络方法用于变压器设备的状态分类和识别,能够解决变压器设备故障的不确定性和模糊性诊断问题。通过建立神经网络的训练和测试模型,并对实际数据进行了运行和仿真。结果表明,该方法设计的分类器能够有效地对设备状态进行识别,提高了设备运行的监测精度和诊断效率。Application of Neural Network on transformer device status recognition is discussed in this paper, and resolves the uncertainty and fussy problems on fault diagnosis. Then established the training and detection models, and applied actual data for operation and simulation. The result shows that, this method could recognize the transformer state efficiently, and then promote the de＇vice monitor precision and diagnosis efficiency.

关 键 词：神经网络 变压器 设备状态 诊断 

分 类 号：TP273[自动化与计算机技术—检测技术与自动化装置]