基于RBF神经网络结合LIBS的变压器故障诊断

摘要

为了解决变压器气相色谱分析法、气敏传感器法、傅立叶红外光谱法等的故障诊断中存在的消耗待测气体、载气、待测气体需求量较大以及长期稳定性不好等缺点,提出了利用激光诱导击穿光谱技术检测变压器油中H_2、C_2H_2、C_2H_4、CH_4、C_2H_65种特征气体含量,计算C_2H_2/C_2H_4CH_4/H_2C_2H_4/C_2H_63对的比值,使用RBF神经网络算法对变压器进行故障诊断研究,并与改良三比值法做比较。试验仿真结果表明:RBF神经网络结合LIBS电力变压器故障诊断算法,对电力变压器的单一和多种混合故障能够有效的分类,同时对电力变压器故障诊断的准确率提高到97.50%,远远高于改良三比值法的准确率。