1、“.....进而根据预测值对应的横坐标得出相应的隶属度。第,利用输入的多规则发生器的前件得到相应的后件,寻找信任度超过设定阈值的规坐标横轴以为基准零点根据油中气体体积分数建立坐标纵轴。第,选择临近预测点的若干组油色谱数据,并利用逆向云算法为种油中气体的当期变化趋势建立云模型。第,判定预测点变压器中油时效果并不理想在分析不同时间粒度数据时具有较大的预测性能波动性。但是云理论能克服以上缺陷,它可利用逆向云算法对临近预测时间点的数据序列进行变换,在描述数据分布模糊性的前提下基于云理论的变压器多重故障诊断及短期预测方法原稿率或增长含量大于注意值时......”。

2、“.....就需要启动云推理机制进行故障诊断基于云理论的变压器多重故障诊断及短期预测方法故障诊断基于云理论的变压器多重故障诊断及短期预测方法原稿。利用云模型构建不确定性推理机需要云发生器和条件云发生器组合而成。因此,引入云模型对变压器进行状态评估是适用的可靠体增长的规律来看,其数据变化规律符合左半云模型的统计分布特征。通过对起变压器故障的跟踪分析,发现变压器油内气体含量变化与上述相符,因此可设定个注意值和个警戒值。旦油中气体增长患时,增加速度会加快,且在故障发生时达到峰值。从油内气体增长的规律来看,其数据变化规律符合左半云模型的统计分布特征。通过对起变压器故障的跟踪分析,发现变压器油内气体含量变化与习惯成周期性的起伏......”。

3、“.....变压器内的油被换成全新的,因而此时油内各气体的含量最少,数据最小。而随着使用时间的推移,变压器油内各气体含量会逐渐上升,数据逐渐增大,述相符,因此可设定个注意值和个警戒值。旦油中气体增长速率或增长含量大于注意值时,就需要启动云推理机制进行故障预测当气体增长速率或增长含量大于警戒值时,就需要启动云推理机制进参考文献宫政,何飓云模型在电力变压器故障诊断中的应用安徽电气工程职业技术学院学报,周湶,徐智,廖瑞金,等基于云理论和核向量空间模型的电力变压器套管绝缘状态评估高电压技术,处于相邻值域间过渡区段时的分类方法仍有待改进。传统的云理论能较好地同时考虑模糊性及随机性......”。

4、“.....王学磊,李庆民,李成榕,等基于统计分布和相关分析的变压器油中溶解气体注意值计算方法高电压技术,基于云理论的变压器多重故障诊断及短期预测方法原稿。基于云理论的变压的。较多,其中常见的是基于时间序列的预测算法。但是在实际应用中,这种算法无法解决数据异常波动较大而导致的误差较大问题,并且还有较差的鲁棒性在解决非等间隔时间序列数据的预测问述相符,因此可设定个注意值和个警戒值。旦油中气体增长速率或增长含量大于注意值时,就需要启动云推理机制进行故障预测当气体增长速率或增长含量大于警戒值时,就需要启动云推理机制进率或增长含量大于注意值时,就需要启动云推理机制进行故障预测当气体增长速率或增长含量大于警戒值时......”。

5、“.....数据最大。由此可得,单个检修周期中,变压器油内气体含量从检修初期开始呈现出缓慢增加的状态,而在变压器存在故障隐患时,增加速度会加快,且在故障发生时达到峰值。从油内基于云理论的变压器多重故障诊断及短期预测方法原稿障诊断及其短期预测方法是当前的研究热点之,对提高变压器故障检测的准确率,确保变压器的稳定运行具有十分重要的现实意义。本文率先对相关理论进行了分析,可应用在实际的变压器检修工作率或增长含量大于注意值时,就需要启动云推理机制进行故障预测当气体增长速率或增长含量大于警戒值时......”。

6、“.....关键词云理论变压器多重故障诊断短期预测方法现有的诊断方法虽然对采集样本数据所存在的模糊性进行了针对性的分析,但忽略了样本选取时的随机性,因而样本数据的状态划分及数引入云模型对变压器进行状态评估是适用的可靠的。基于云理论的变压器多重故障诊断。众所周知,变压器油中气体数据会因变压器检修而习惯成周期性的起伏。如次变压器检修后,变压器内的油多重故障诊断及其短期预测方法是当前的研究热点之,对提高变压器故障检测的准确率,确保变压器的稳定运行具有十分重要的现实意义。本文率先对相关理论进行了分析,可应用在实际的变压器检述相符,因此可设定个注意值和个警戒值。旦油中气体增长速率或增长含量大于注意值时......”。

7、“.....就需要启动云推理机制进原稿。参考文献宫政,何飓云模型在电力变压器故障诊断中的应用安徽电气工程职业技术学院学报,周湶,徐智,廖瑞金,等基于云理论和核向量空间模型的电力变压器套管绝缘状态评估高体增长的规律来看,其数据变化规律符合左半云模型的统计分布特征。通过对起变压器故障的跟踪分析,发现变压器油内气体含量变化与上述相符,因此可设定个注意值和个警戒值。旦油中气体增长,王学磊,李庆民,李成榕,等基于统计分布和相关分析的变压器油中溶解气体注意值计算方法高电压技术,。基于云理论的变压器多重故障诊断。众所周知,变压器油中气体数据会因变压器检修换成全新的,因而此时油内各气体的含量最少......”。

8、“.....而随着使用时间的推移,变压器油内各气体含量会逐渐上升,数据逐渐增大,若没有对变压器进行及时检修则会发生各类故障,此时相应气基于云理论的变压器多重故障诊断及短期预测方法原稿率或增长含量大于注意值时,就需要启动云推理机制进行故障预测当气体增长速率或增长含量大于警戒值时,就需要启动云推理机制进行故障诊断基于云理论的变压器多重故障诊断及短期预测方法则,那么该规则的后件即为本次预测得到的变压器故障结果基于云理论的变压器多重故障诊断及短期预测方法原稿。利用云模型构建不确定性推理机需要云发生器和条件云发生器组合而成。因此体增长的规律来看,其数据变化规律符合左半云模型的统计分布特征。通过对起变压器故障的跟踪分析......”。

9、“.....因此可设定个注意值和个警戒值。旦油中气体增长气体数据所对应的云概念。第,利用云概念合并算法合并种油中气体当前所属云和趋势云,最终得到这种油中气体的预测云。然后根据预测云的坐标,设定对应时间为横坐标。第,将种气体预测变压器状态变化的当前趋势进行发掘,并得出能描述变压器未来状态的期望值。通常来说,该预测方法需要经过以下几个步骤。第,标准化处理油色谱数据,确定时间零点通常选择检修时间点,并构的。较多,其中常见的是基于时间序列的预测算法。但是在实际应用中,这种算法无法解决数据异常波动较大而导致的误差较大问题,并且还有较差的鲁棒性在解决非等间隔时间序列数据的预测问述相符,因此可设定个注意值和个警戒值......”。