關(guān)于新型融合的變壓器網(wǎng)從下面幾點(diǎn)對其解說:

1模糊神經(jīng)網(wǎng)絡(luò)

2模糊積分?jǐn)?shù)據(jù)融合

本文中變壓器有9種故障狀態(tài)，分別為：無故障；低能量密度的局部放電；高能量密度的局部放電；0低能量放電；1高能量放電；2<1503C的熱故障；41503003C的低溫過熱故障；53007003C中溫過熱故障；6>7003C的高溫過熱故障。

根據(jù)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)，分別進(jìn)行不同故障樣本的識別，記錄下每個神經(jīng)網(wǎng)絡(luò)分類器對各個故障的正確識別率作為該分類器對各個故障分類器的信息重要程度。在神經(jīng)網(wǎng)絡(luò)分類器進(jìn)行故障診斷時，采用max算子運(yùn)算，完成局部決策；在完成模糊融合決策時也采用max算子，將最大值作為最終故障診斷結(jié)果。診斷步驟如下：根據(jù)各個神經(jīng)網(wǎng)絡(luò)對不同故障的診斷準(zhǔn)確率確定模糊密度值gi，且根據(jù)各個神經(jīng)網(wǎng)絡(luò)的實(shí)際輸出通過max運(yùn)算完成局部決策，計(jì)算出fk；由公式（2）計(jì)算出；由公式（5）計(jì)算出g模糊測度；0根據(jù)（4）式計(jì)算出最終的模糊積分結(jié)果，將融合結(jié)果作為診斷輸出。

3仿真研究

三個輸入分別為C2H2/C2H4，CH4/H2和C2H4/C2H6，取每種故障樣本60個，分4組，每組15個樣本對4個RBF網(wǎng)絡(luò)進(jìn)行識別檢驗(yàn)來確定每個神經(jīng)網(wǎng)絡(luò)對每個故障的正確識別率，即每個神經(jīng)網(wǎng)絡(luò)的置信度，也就是用于模糊積分融合的模糊密度值。本文從訓(xùn)練以外的樣本中選出18組故障樣本進(jìn)行仿真分析。

從仿真分析可看出無論各個神經(jīng)網(wǎng)絡(luò)的局部決策是否一致，均可做到對變壓器各種故障的正確識別，融合結(jié)果的好壞與各模糊神經(jīng)網(wǎng)絡(luò)的局部決策的輸出有密切關(guān)系，且與各神經(jīng)網(wǎng)絡(luò)的置信度有關(guān)，置信度越高其融合效果越好。樣本7、12在4個神經(jīng)網(wǎng)絡(luò)的輸出上看存在3種故障，通過模糊積分融合處理后得到了與實(shí)際情況相對應(yīng)的故障。

4結(jié)論

提出了基于模糊積分融合技術(shù)的變壓器故障識別方法。模糊徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)對故障進(jìn)行初步識別；模糊積分融合在充分考慮各個模糊神經(jīng)網(wǎng)絡(luò)分類器輸出信息重要程度的基礎(chǔ)上進(jìn)行決策層融合。該方法的結(jié)構(gòu)體系決定了它具有一定的容錯性，降低了故障誤診的風(fēng)險，具有廣闊的應(yīng)用前景。