毕业设计翻译.docx
《毕业设计翻译.docx》由会员分享，可在线阅读，更多相关《毕业设计翻译.docx（8页珍藏版）》请在冰豆网上搜索。
毕业设计翻译
毕业设计翻译
利用人工神经网络（ANN）预测变压器油中呋喃含量
阿联酋沙迦，美国沙迦大学，电气工程系，邮政信箱26666
阿联酋阿布扎比，阿布扎比水电和阿布扎比电力传输管理局和迪斯派奇公司（输电），173信箱，
摘要-在变压器中，变压器油中对油浸渍纸的老化状态评估的呋喃化合物浓度能有效的测量，呋喃含量浓度变化率对纤维素绝缘材料恶化率及其严重性的评估至关重要，这促进了变压器油中呋喃含量作为变压器状态评估及相应的资产管理的有效参数，在本文中，利用人工神经网络（ANN）对油参数和呋喃含量之间联系的研究，神经网络根据不同输入参数的组合已知纤维素纸降解相关的变压器来预测呋喃含量，这些输入参数是一氧化碳（CO）、二氧化碳（CO2），水含量，酸度，击穿电压（BDV）。
四十台变压器的真实数据结果显示，提议的模型能够预测呋喃含量，平均有90%的准确性。
因此，这个模型提高了油化学试验分析和溶解气体分析（DGA）效率和评估变压器固体绝缘状况的能力。
I简介
作为电力系统网络反常的结果，公用事业已通过很好的发达资产管理计划争取优化他们的经营成本。
接近发达的资产管理计划，有限条件评估和可靠的电力基础设施的剩余寿命的估计方法是主要的，电力变压器在电力系统网络是最重要的部分由于其高资金成本和直接影响网络可靠性。
运行中的电力变压器常遭受某些电的、热的、机械的、环境压力以至于严重影响它的绝缘完整。
这降低了变压器在运行中的能力和它
正式这种关系[4]。
测量呋喃含量作为变压器状态评估和其生命周期的估计一种高效和实用工具已被调查。
在一个巨大的矿物油浸式变压器群里中实施一项大规模调查，解释某些变压器油中呋喃含量浓度的临界值，表示变压器从正常到故障的工作状态[5]。
余下的变压器寿命以变压器群体分布为基础使用统计方法来计算。
另外，同意被提议的呋喃含量与纤维素纸水分含量有关[1].研究证明，在变压器油中总的呋喃浓度是对纸退化的一个更可靠的指示比每个特别的呋喃。
尽管每个特别的呋喃化合物可以在溶解气体分析中说明不同类型的故障和严重程度[6]。
一个全面的诊断方法是根据变压器内部气体和油的质量参数和糠醛，以及与关联糠醛与聚合程度之间的统计相关性[6]。
趋势分析[7]利用DGA的糠醛诊断变压器老化之间的相关性。
人工神经网络已经提出了糠醛作为突出的投入使用，以评估电力变压器老化。
电力变压器相对老化程度（RAD）计算使用纸和油的质量参数，如糠醛，一氧化碳（CO）浓度，界面张力和酸度作为输入[8].后来研究提出三个输入，它们是CO浓度，CO2浓度和糠醛，自它们是纸老化的产物【9】。
然而，这些方法在利用中几乎不考虑成本效益，这是因为有呋喃含量作为输入模型相当的增加了模型成本，在本文中利用人工神经网络变压器油中呋喃含量的预测模型已经成熟，这个使用模型在研究中利用油分解电压，含水量，酸度和CO,CO2的浓度作为输入模型。
比较而言，在花费方面，获得这些参数不认为是一个大的负担；因此，在这研究中被提议的模型在实践中能有效的实施.
II材料和方法
A．变压器单元
在研究中使用的四十台变压器属于阿布扎比传输和迪斯派奇公司（特兰斯科）在模型中使用的培训和测试数据收集从变压器额定电压220/33千伏，132/11千伏，380/15千伏和33/11千伏及不同年龄的变压器的维修记录。
在测试变压器所用的油是矿物环烷油。
B．油化学试验，溶解气体和呋喃含量
击穿电压是一个变压器油中杂质的测量，如氧化和水含量。
根据IEC60156方法进行介电强度耐压试验。
纤维素老化过程是在变压器油中的含水量增加的主要来源之一。
在变压器油中，这介绍在油击穿电压和呋喃含量之间的关系。
由于纸和油降解产生水。
它减少了介电强度，绝缘材料加速老化过程中形成的高应力区域。
因此，水，既促进又造成绝缘纸降解[1]化学实验室使用IEC60814方法测定含水量。
变压器油中的酸性，有助于促进水解纤维素纸绝缘纸降解。
这个过程最终产生葡萄糖变为变压器油呋喃的化合物。
酸度是化学实验室根据ASTMD974衡量标准
CO和CO2浓度是通过进行溶解气体分析来测量的。
超过一定阈值的一氧化碳和二氧化碳高浓度气体的存在是一个热降解纤维素纸的指示。
因此，在实用工具中，CO2/CO比作为检测变压器纸绝缘故障的参数。
然而，变压器油中CO和CO2的产生由于变压器油的恶化和不仅仅纤维素纸，减少这些气体对电力变压器固体绝缘油的评估。
变压器中呋喃含量的测量是根据ASTMD-1533标准采用高性能的液体色层分析技术。
表1显示了在研究中使用的油测试数据样本。
从表中显而易见的，变压器油结果涵盖了广泛的变压器油的条件。
表1：
油测试数据样本
TR#
CO（ppm）
CO2（ppm）
含水量（ppm）
酸度（KOH/g）
击穿电压（kv）
呋喃含量（ppm）
T1
393
4559
39
0.54
28
17.96
T3
193
9128
35
0.14
23
14.11
T9
298
2710
21
0.19
54
4.23
T15
347
1816
7
0.1
57
3.06
T16
229
1230
13
0.11
60
2.81
T26
374
2836
12
0.03
89
1.57
C人工神经网络模型
变压器油中的呋喃含量利用人工神经网络预测通过呋喃含量与油参数的关联绝缘纸降解的作用。
在本文中，三种不同方案研究依靠人工神经网络输入特征矢量。
在第一个方案中输入产品是CO和CO2。
油质量测试，第二种方案是以击穿电压，含水量和酸度为输入产品，第三种方案输入产品是第一二种的组合，因此第三种方案输入是CO，CO2，击穿电压，含水量和酸度。
在这项研究中用于多层前馈神经网络模型的变压器油中参数之间的关系。
图1显示了典型的人工神经网络与三层架构：
输入层，隐藏层和输出层
在第一层的每个输入样本被送到通过隐藏层加权连接链接。
隐藏层计算其净激活下列公式：
（1）
隐藏层的输出是一个其净激活的非线性函数。
输出层计算其净激活下列公式：
（2）
图1.典型的神经网络结构
其中d是产品数，
是隐藏层中神经细胞数，
表示
输入单元和
隐藏单元之间的重量，
是
输出单元和
隐藏单元之间的重量，输出层产生输出作为其净激活的非线性函数。
反向传播（BP）是利用人工神经网络提出的训练方法。
方向传播的重量值（
，
），以尽量减少的预测和实际产出使用梯度下降学术之间的距离。
因此，非线性连续棕黄S型函数被用作隐藏和输出神经元的激活函数。
了解到这是该模型的训练误差最小化均方误差的最优权重（
，
）。
两个隐层人工神经网络，提供最佳性能的相关性模型。
在研究中使用的测量样品标准化，标准规范化的最大价值，提高建议的人工神经网络模型的性能，并提高其预测的准确性。
许可-1策略是用于培训和测试人工神经网络建议有机会预测所有测量样本。
研究人工神经网络预测精度测量使用绝对百分比误差（APE）和平均绝对百分比误差（MAPE值）的标准方程分别为3和4所示。
（3）
（4）
是
网络实际输出，
是
网络预计输出，N是变压器样本数
III结果与讨论
图2描绘了变压器油中呋喃含量的实测值，连同他们的预测值作为输入功能使用CO和CO2。
在这种情况下，平均预测精确度打算为65%。
这些结果证实了CO和CO2与变压器油中呋喃含量之间的相关性依照在[7]中提到的。
然而，呋喃含量预报精度相对较低，可以解释由于实际情况，CO和CO2都的生产不但是绝缘纸，而且是变压器油的降解。
由于呋喃是唯一的绝缘纸降解的结果，只有CO和CO2作为输入功能预测呋喃含量可能不足够充分。
图2：
变压器油呋喃含量的实际和预测值CO和CO2作为输入特性
为了调查变压器油常规试验（击穿电压、含水量、酸度）和呋喃含量之间相关性。
前者已被用作输入功能来预测后者。
平均预测率已经提高到80％，已经达到一个相对较高的精度，
∙总结
∙致谢
作者想感谢阿布扎比水电和迪斯派奇公司（输电）为这项研究提供了实验测试结果
∙参考文献
升级会员 