首页|基于GRNN-MC的变压器振动信号预测

基于GRNN-MC的变压器振动信号预测

扫码查看
原文链接
  • 万方数据
  • 维普
变压器振动信号是评估其工作状态的重要参数之一,与绕组松动或变形等隐患密切相关,为揭示变压器振动信号的变化趋势,本文提出了一种基于广义回归神经网络和马尔科夫链修正的变压器振动信号预测方法.即分别以变压器运行电压、负载电流和振动信号归一化特征频率为输入和输出建立变压器振动信号广义回归神经网络预测模型,然后引入马尔科夫链并结合负载电流的变化对振动信号计算结果进行修正以获得最终的预测结果.对某500 kV变压器振动在线监测信号的分析结果表明:经马尔科夫链修正后的变压器广义回归神经网络振动信号预测模型预测精度高,可为变压器绕组运行状态的振动监测技术提供重要参考.
Vibration signals prediction of power transformer based on GRNN-MC

power transformervibration signalsgeneralized regression neural network(GRNN)Markov chainnormalized feature frequency

钱国超、王山、张家顺、代维菊、朱龙昌、王丰华

展开 >

云南电网公司电力科学研究院,云南 昆明650217

云南电网有限责任公司怒江供电局,云南 怒江673100

上海交通大学电气工程系,上海200240

变压器 振动信号 广义回归神经网络 马尔科夫链 归一化特征频率

云南电网公司科技项目

YNKJXM20210025

2024

10.12067/ATEEE2205002

电工电能新技术
中国科学院电工研究所

电工电能新技术

CSTPCD北大核心
影响因子：0.716
ISSN：1003-3076
年,卷(期)：2024.43(3)
  • 20