电力变压器是电力系统能量传输的重要枢纽,其故障具有复杂性强、维修成本高等特点,一旦出现故障,很容易对电网本身运行的安全性产生消极影响,因此,对变压器内部故障状态进行辨识对于保证电力系统运行安全具有重要意义.本文通过对相关文献进行查阅,对研究背景与意义进行了简要阐述,结合机器学习中的极限学习机(Extreme Learning Machine,ELM)理论,进行了基于极限学习机的变压器故障诊断模型建设与仿真分析,最终得出结论:使用该模型在面对IEC TC 10 变压器故障数据时,其综合正确率能够达到75.23%,与传统辨识技术相比,其故障识别质量得到了显著提升.希望本文的研究内容能够为变压器故障辨识工作提供必要的理论支持,提升电力系统运行可靠性.
万方数据
维普
