基于BP神经网络的大气条件对空气间隙放电特性的影响研究
Analysis on the Effect of Atmosphere Condition on Discharge Characteristic of Air Gap Based on BP Neural Network

作者: 罗新 :华南理工大学电力学院; 牛海清 , 游勇 , 林浩然 :华南理工大学电力学院,广州;

关键词: 空气间隙击穿电压大气条件BP神经网络<br>Air Gap Breakdown Voltage Atmosphere Conditions BP Neural Network

摘要: 空气间隙的击穿电压是决定外绝缘水平的重要因素之一。本文讨论了BP神经网络在气隙击穿电压预测中的应用。使用人工气候室中获得的样本数据对网络进行训练,用训练好的网络对击穿电压进行预测。结果表明BP神经网络对气隙击穿电压的预测是可行的,模型具有很高的精度,预测值与实际值的相对误差在5%以内。

Abstract: Breakdown voltage of air gap is an important factor to determine the level of external insulation. This paper discusses the application of BP neural network in the prediction of breakdown voltage of air gap. Neural network is trained by the sample data got in artificial climate can, then it is used to predict the breakdown voltage. The result shows that the prediction of BP neural network is feasible, and this model has a high accuracy. The relative error be-tween predicted value and actual value is less than 5%.

文章引用: 罗新 , 牛海清 , 游勇 , 林浩然 (2012) 基于BP神经网络的大气条件对空气间隙放电特性的影响研究。 智能电网, 2, 30-34. doi: 10.12677/sg.2012.21006

参考文献

[1] 徐勇, 汪霄飞, 朱英浩等. 大气条件对空气间隙放电特性的影响及其数值解析式[J]. 电工技术学报, 2007, 22(4): 21-26。

[2] 李睿, 曹顺安, 盛凯等. 基于BP 神经网络的多参数关联变压器油击穿电压的预测研究[J]. 高压电器, 2008, 44(4): 342- 345.

[3] 中国国家标准GB/T 16927.1-1997. 高电压试验技术第一部分: 一般试验要求[S]. 北京: 技术标准出版社, 1998.

[4] 乐波, 成永红, 陈小林等. 基于人工智能的大电机主绝缘老化状态评估软件[J]. 电力系统自动化, 2005, 29(14): Article ID 78282.

[5] 赵磊, 成永红, 陈小林等. 用RBFNN评估发电机主绝缘剩余击穿电压[J]. 高电压术, 2007, 33(8): 151-154.

[6] 李智, 曹顺安. 利用反向传播神经网络研究变压器油多关联参数[J]. 广东电力, 2009, 22(12): 24-29.

[7] 闻新, 周露, 王丹力等. 神经网络应用设计[M]. 北京: 科学出版社, 2001.

[8] J. W. Taylor, R. Bulzza. Neural network load forecasting with weather ensemble oredictions. IEEE Trans on Power Systems, 2002, 17(3): 626-632.

[9] 林朝晖, 张彼德. 基于BP神经网络的油浸式变压器寿命预测[J]. 高压电器, 2010, 46(4): 84-87.

[10] 刘丽兵, 高乃奎, 马小芹等. BP神经网络在大型发电机主绝缘击穿电压预测中的初步应用[J]. 电工电能新技术, 2004, 23(2): 73-76.

分享
Top