广义回归神经网络在变压器绕组热点温度预测中的应用

被引：54

作者：

陈伟根 ^{[1
]}

奚红娟 ^{[1
]}

苏小平 ^{[1
]}

刘文 ^{[2
]}

机构：

[1] 重庆大学输配电装备及系统安全与新技术国家重点实验室

[2] 重庆大学材料科学与工程学院

来源：

高电压技术 | 2012年 / 38卷 / 01期

关键词：

变压器; 热点温度; BP神经网络; 绕组; GRNN神经网络; 预测;

D O I：

暂无

中图分类号：

TM41 [电力变压器];

学科分类号：

摘要：

电力变压器的绕组热点温度是影响其绝缘性能的主要因素之一,因此有必要进行电力变压器绕组热点温度预测以提高电力变压器的运行可靠性。变压器内部温度受诸多因素的影响,且计算涉及到传热学、流体力学和电磁学等边缘学科,以致其计算复杂,不宜使用。广义回归神经网络(GRNN)具有较强的非线性映射能力和柔性网络结构以及高度的容错性和鲁棒性等特点,将其应用于变压器绕组热点温度的预测,克服了基于误差反向传播算法的人工神经网络(BPNN)预测时训练过程中存在局部最小点、收敛速度慢等缺点。将预测结果与实测值进行对比,结果表明GRNN神经网络的预测结果与实测值具有较好的一致性。

引用

页码：16 / 21

页数：6

共 8 条

[1] 基于光纤Bragg光栅传感的油浸式变压器测温系统 [J].