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。 阮羚，谢齐家，高胜友，等：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825图1多信息融合的变压器评估模型F与BP网络类似，RBF网络是一种3层的前向网络，包括输入层、本文由公司网站滚圆机网站采集转载中国知网资源整理!www.gunyuanji.name基于信号能量-数控滚圆机滚弧机折弯机电动张家港滚圆机滚弧机折弯机隐含层和输出层。其中隐含层第j个神经元的输出值zj可表示为2exp();1,2,,jjjzjp==XCD(3)式中：X为输入向量；Cj为隐含层第j个神经元的中心向量；Dj为第j个神经元的宽度向量；||·||为欧氏范数。输出层神经元输出向量Y=[y1,y2,…,yk,…,yq]T，其元素yk可表示为1中：wkj为输出层第k个神经元与隐含层第j个神经元之间的调节权重。本模型中，将油中溶解气体分析中乙炔体积分数、氢气体积分数、总烃体积分数以及总烃相对产气率的状态评价结果作为信息空间I1；以绕组直流电阻、绕组绝缘电阻、吸收比(或极化指数)、铁芯绝缘电阻、绕组连同套管的介质损耗因数的评价结果作为信息空间I2；以局部放电、套管介质损耗、铁芯接地电流、油中溶解气体分析在线监测数据作为信息空间I3；将I3空间中各参数的变化趋势参数作为一个独立的信息空间I4。这样就构建了由4个RBF子网络并联的第1级评估子系统。神经网络的输出包含4个节点S1、S2、S3和S4，S1~S4分别对应正常、注意、异常和严重这4种状态。本文利用所搜集的100组状态评估数据作为训练样本来对所构建的人工神经网络进行训练，4个网络的输出层节点个数均为4，对应4种状态。输入层节点数为该网络中状态量的个数，分别为4、5、4、4。各个网络的输入为对单个状态量进行状态评价的结果，采用式(2)的方法进行分基于信号能量-数控滚圆机滚弧机折弯机电动张家港滚圆机滚弧机折弯机本文由公司网站滚圆机网站采集转载中国知网资源整理!www.gunyuanji.name