隨著檢測(cè)技術(shù)，計(jì)算機(jī)技術(shù)，網(wǎng)絡(luò)技術(shù)等的發(fā)展，在線(xiàn)狀態(tài)監(jiān)測(cè)技術(shù)是狀態(tài)監(jiān)測(cè)技術(shù)的載體之一?，F(xiàn)出快速發(fā)展的趨勢(shì)。
　　變電站的電氣設(shè)備中，電容器類(lèi)設(shè)備的數(shù)量約占40％。們中的大多數(shù)使用電容絕緣。過(guò)監(jiān)測(cè)其介電特性，可以發(fā)現(xiàn)仍處于開(kāi)發(fā)初期的缺陷。而，可以最好地反映設(shè)備的隔離狀態(tài)的介電特性的tanδ切向介電損耗正切（即，介電損耗因子）通常表現(xiàn)出大的數(shù)據(jù)波動(dòng)。文使用人工神經(jīng)網(wǎng)絡(luò)的一般描述來(lái)提出其應(yīng)用。望這可以減少來(lái)自外部環(huán)境的干擾，并使設(shè)備絕緣狀態(tài)的監(jiān)視更加穩(wěn)定和準(zhǔn)確。2011年以來(lái)的五年中，貴州電網(wǎng)已將在線(xiàn)監(jiān)測(cè)技術(shù)應(yīng)用于變壓器設(shè)備的普及和大規(guī)模應(yīng)用。主要包括四個(gè)類(lèi)別：變壓器油色譜在線(xiàn)監(jiān)測(cè)，GIS局部放電在線(xiàn)監(jiān)測(cè)，配電柜在線(xiàn)溫度監(jiān)測(cè)和電容絕緣在線(xiàn)監(jiān)測(cè)設(shè)備。中，對(duì)設(shè)備絕緣的電容監(jiān)測(cè)，最能反映設(shè)備絕緣狀態(tài)的介電損耗因子，對(duì)外部干擾極為敏感，這增加了設(shè)備的難度。視人員可以準(zhǔn)確確定被監(jiān)視設(shè)備的狀況。為很難使用特定的函數(shù)來(lái)表達(dá)數(shù)據(jù)與這些因素之間的關(guān)系，所以人工神經(jīng)網(wǎng)絡(luò)在這里可以發(fā)揮巨大作用。的大規(guī)模并行性，組計(jì)算，自學(xué)習(xí)容錯(cuò)能力和自適應(yīng)能力使得必須將人工智能技術(shù)盡快應(yīng)用于電容設(shè)備的絕緣監(jiān)測(cè)。
　　前，用于監(jiān)視和測(cè)量電容性器件隔離的方法已形成兩個(gè)分支：硬件方法和軟件方法。件方法包括橋接方法，三相不平衡方法和零交叉比較方法。軟件方法分為諧波分析法和正弦波分析法。數(shù)法，高階正弦調(diào)整法，相關(guān)函數(shù)法。波分析方法是最常見(jiàn)的，監(jiān)視的原理是使用高靈敏度的電流互感器麥克風(fēng)發(fā)送電流信號(hào)，并將其從次級(jí)側(cè)電壓信號(hào)中提取出來(lái)。以消除模式干擾和濾波。序控制的放大信號(hào)的同步和仿真，使用A / D轉(zhuǎn)換為離散的數(shù)字信號(hào)，并使用計(jì)算機(jī)對(duì)數(shù)字信號(hào)執(zhí)行傅立葉變換（FFT）處理，電纜可以獲得傅立葉系數(shù)在波相位上獲得2個(gè)基本差異。相系統(tǒng)是電力系統(tǒng)的主要體現(xiàn)，它以耦合形式存在，因此在三相高壓電容器的測(cè)試過(guò)程中會(huì)產(chǎn)生干擾，從而導(dǎo)致介電損耗角A和相同的相位會(huì)改變B和C?，F(xiàn)場(chǎng)數(shù)據(jù)的分析表明，母線(xiàn)的平均變化曲線(xiàn)在同一側(cè)具有相同的位置，但是不同的平均損耗曲線(xiàn)之間的差異非常明顯。常，神經(jīng)網(wǎng)絡(luò)與常規(guī)計(jì)算有很大不同。
　　經(jīng)網(wǎng)絡(luò)的優(yōu)越性更加明顯。些不能用數(shù)學(xué)模型表示的變量可以用神經(jīng)網(wǎng)絡(luò)表示，例如非線(xiàn)性系統(tǒng)的故障診斷，預(yù)測(cè)和預(yù)控制。慮到高的介電損耗，基本功能不能用于表示數(shù)據(jù)之間的關(guān)系。此，通過(guò)使用神經(jīng)網(wǎng)絡(luò)比較功能，可以預(yù)測(cè)介電損耗，可以比較實(shí)際的測(cè)量數(shù)據(jù)，并且可以了解設(shè)備的絕緣性。取每個(gè)級(jí)別的參考錯(cuò)誤并獲取相應(yīng)的連接權(quán)限。

　　k種模式中，模擬值模式AK =（alk，...，ank），CK =（cik，...，cqk）。誤差校正梯度下，可以使用離散方法來(lái)學(xué)習(xí)采樣數(shù)據(jù)。習(xí)完成后，人工神經(jīng)網(wǎng)絡(luò)將根據(jù)存儲(chǔ)連接的權(quán)重做出響應(yīng)。先是順序傳播過(guò)程，使用初始值來(lái)學(xué)習(xí)樣本數(shù)據(jù)。后分配初始值輸入層的連接權(quán)LA和LB，連接輸出層LB的Lc，然后連接LB層的閾值，并將Vj賦予[-1， 1]間隔內(nèi)的隨機(jī)值；學(xué)習(xí)模式（AK，CK），使用層單元LA中的值A(chǔ)K，激活LA層的ak，連接到矩陣γ，將其傳輸?shù)絾卧狶B并刺激隱藏層。
　　Nnbox將提供由Newff（）表示的特定神經(jīng)網(wǎng)絡(luò)功能。=紐夫（A，l，TrainFun）。上述格式中，net表示網(wǎng)絡(luò)的屬性和參數(shù)的值。
　　個(gè)輸入變量為：R * 2矩陣A，代表輸入向量以及每個(gè)元素的最大值和最小值。;線(xiàn)向量-1，代表每一層神經(jīng)元的數(shù)量； c鏈載體，代表神經(jīng)元的傳遞功能； TrainFun字符串變量，代表學(xué)習(xí)功能的域名。先創(chuàng)建一個(gè)模型實(shí)例，觀察時(shí)間序列刷新圖，然后建立一個(gè)預(yù)測(cè)模型，確定每個(gè)結(jié)構(gòu)中隱藏神經(jīng)元的數(shù)量，然后輸出預(yù)測(cè)數(shù)據(jù)。立一個(gè)神經(jīng)網(wǎng)絡(luò)讓t-1浪費(fèi)時(shí)間t。用U和C預(yù)測(cè)時(shí)間t 1處的介電損耗。

　　擇2350個(gè)數(shù)據(jù)，驗(yàn)證數(shù)據(jù)的54％，將其分為兩組以預(yù)測(cè)介電損耗因子的值，然后創(chuàng)建MA，AR和ARMA模型作為相關(guān)函數(shù)和部分相關(guān)函數(shù)的函數(shù)。Matlab中，調(diào)用autocorr（），parcorr（）函數(shù)來(lái)考慮不同周期之間的相關(guān)性。
　　旦構(gòu)建了神經(jīng)網(wǎng)絡(luò)，它就會(huì)具有敏感的響應(yīng)，并且準(zhǔn)確性可以達(dá)到診斷指標(biāo)。使用人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)電容性設(shè)備的介電損耗時(shí)，有必要結(jié)合實(shí)際的預(yù)測(cè)數(shù)據(jù)，充分收集歷史數(shù)據(jù)，并弄清相關(guān)的變量關(guān)系，以提高數(shù)據(jù)的準(zhǔn)確性。測(cè)。著無(wú)人值守變電站的普及，人工智能檢測(cè)設(shè)備的狀況變得尤為重要。過(guò)對(duì)本文的討論和分析，可以理解，在線(xiàn)檢測(cè)設(shè)備是一種監(jiān)視方法，可以減少外部環(huán)境對(duì)設(shè)備的影響，并真正反映出隔離情況。備。約。
　　本文轉(zhuǎn)載自
　　電纜 http://nxzc.com.cn