基于波形记忆和模糊极小--极大神经网络的变压器励磁涌流和内部短路的鉴别
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.3321/j.issn:1000-3673.2002.05.002

基于波形记忆和模糊极小--极大神经网络的变压器励磁涌流和内部短路的鉴别

引用
传统的区分变压器励磁涌流和内部诽路的各种方法存在原理性缺陷,不能满足现代超高压电力系统的要求,此文根据内部故障和单纯涌流这两种情况下波形的不同,提出了波形记忆的原理并采用了一种模糊神经网络牛型--模糊极小-极大神经网络来对这两种波形进行记忆和鉴别.运用EMTP程序对变压器各种内部故障或涌流的情况进行较为全面的仿真以形成网络的训练样本,通过学习和测试,表明该网络所形成的新算法能够正确鉴别变压器各种运行工况下的励磁涌流和内部短路,所需的鉴别时间小于20 ms.

波形记忆、超盒励磁涌流、内部短路

26

TM771(输配电工程、电力网及电力系统)

2004-01-08(万方平台首次上网日期,不代表论文的发表时间)

共6页

4-9

相关文献
评论
暂无封面信息
查看本期封面目录

电网技术

1000-3673

11-2410/TM

26

2002,26(5)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn