1、“.....排除故障后绝缘油未彻底脱气,部分残余气体仍留在油中设备油箱带油补焊原注入的油就含有些气体等。神经网络在变压器油色谱故障诊断中的应用原稿。根据不同的问题,选择适当的学习速率。网络学习过程中,要求具备自动调整时油被氧化。以上分解出的气体形成气泡经对流扩散溶解在油中。神经网络在变压器油色谱故障诊断中的应用原稿。气体的其他来源些情况,有些气体不是由设备故障造成的,比如油中含有的水与铁作用,生成氢。在阳光照射下,油也过热无故障高温过热中温过热高能放电低能放电。故障发生的概率用网络输出值,范围表示,数值越大表明此类故障的严重程度越大。数据样本的预处理常用数据处理有两种分布变换和尺度变化。固体绝缘材料的分解层压板纸或木块等固体绝神经网络在变压器油色谱故障诊断中的应用原稿差在梯度上的影响,同时也需要考虑误差曲面的变化趋势,允许网络忽略微小变化特性......”。

2、“.....可加速算法收敛性,有可能会越过这些局部极小值。神经网络在变压器油色谱故障诊断中的应用原稿。摘要本文通过对变压器油物少量烃类气体大量的,同时油被氧化。以上分解出的气体形成气泡经对流扩散溶解在油中。神经网络算法的设计确定输入输出模式网络的输入层的作用是缓冲存储器,输入矢量的维数决定其节点数。本文考虑分散性大来源多现场获隐层节点数不同的网络中,利用网络平均误差收敛速度计算出最佳隐层节点数。神经网络算法的改进为了加快算法训练速度,避免陷入局部极小值和改善算法的有效性,对算法进行如下改进加动量法修正网络权值时,不仅需要考虑误变压器中,切换开关油室内的油向变压器主油箱渗漏或者选择开关在个位置动作时,悬浮电位放电影响设备曾经有故障,排除故障后绝缘油未彻底脱气,部分残余气体仍留在油中设备油箱带油补焊原注入的油就含有些气体等......”。

3、“.....将改进算法用在对变压器油中气体浓度的预测。结果表明,改进型神经网络模型预测性能更优越,拟合精度更高,预测结果更准确,更符合客观实际规律,有助于变压器的运行状态预测及故障诊断。料的分解层压板纸或木块等固体绝缘材料分子有大量的弱键和无水右旋糖环及葡萄糖贰键。其热稳定性较油中的碳氢键弱,并可以在较低温度下重新化合。当聚合物裂解有效温度高于时,完全裂解和碳化温度高于,在生成水吠喃化合根据不同的问题,选择适当的学习速率。网络学习过程中,要求具备自动调整学习速率能力。通常,调节学习速率的准则是第,检查权值的修正值对误差函数的影响程度,若对其降低,说明选取的学习速率太小,应该逐步增加学习速率如果高能放电低能放电共种故障模式,从而确定隐层节点数。然后分别将同组样本应用到隐层节点数不同的网络中,利用网络平均误差收敛速度计算出最佳隐层节点数......”。

4、“.....避免陷入局部极小值和改善障油中气体神经网络引言电力变压器是电网运行的主要设备,其安全运行是保障电力系统可靠运行的重要条件。目前油中溶解气体的色谱分析技术是电力系统充油电气设备故障诊断的种主要手段。但由于设备故障原因故障现象的复杂性以得的数据不完整,网络的输入向量选取种气体组分,数据样本经过预处理后,全部输入量的取值范围均在和之间。可根据待分类模式数来确定输出层的节点数。变压器故障般是单类型故障,神经网络的输出层向量釆用种故障模式,分别为低温料的分解层压板纸或木块等固体绝缘材料分子有大量的弱键和无水右旋糖环及葡萄糖贰键。其热稳定性较油中的碳氢键弱,并可以在较低温度下重新化合。当聚合物裂解有效温度高于时,完全裂解和碳化温度高于,在生成水吠喃化合差在梯度上的影响,同时也需要考虑误差曲面的变化趋势,允许网络忽略微小变化特性......”。

5、“.....可加速算法收敛性,有可能会越过这些局部极小值。神经网络在变压器油色谱故障诊断中的应用原稿。摘要本文通过对变压器油集合,用变压器油种气体组分作为网络的输入向量。经数据样本预处理后,所有输入量的取值均处在和之间,输出层向量采用低温过热无故障高温过热中温过热高能放电低能放电共种故障模式,从而确定隐层节点数。然后分别将同组样本应用神经网络在变压器油色谱故障诊断中的应用原稿算法的有效性,对算法进行如下改进加动量法修正网络权值时,不仅需要考虑误差在梯度上的影响,同时也需要考虑误差曲面的变化趋势,允许网络忽略微小变化特性。用附加动量的作用,可加速算法收敛性,有可能会越过这些局部极小差在梯度上的影响,同时也需要考虑误差曲面的变化趋势,允许网络忽略微小变化特性。用附加动量的作用,可加速算法收敛性,有可能会越过这些局部极小值......”。

6、“.....摘要本文通过对变压器油。基于改进的算法对变压器故障的诊断选择神经网络隐层节点数选取样本集合,用变压器油种气体组分作为网络的输入向量。经数据样本预处理后,所有输入量的取值均处在和之间,输出层向量采用低温过热无故障高温过热中温过热,将神经网络应用于变压器故障诊断模型,阐述了变压器故障诊断模型的设计流程,从神经网络参数选择输入量选择数据归化等方面对此模型进行了深入探讨。在环境下进行了大量仿真试验,将改进算法用在对变压器油中气体浓及不确定性,传统的故障诊断方法准确率不高。因此,有必要探索出种更方便更可靠的诊断方法,提高诊断的准确率。由于神经网络具有学习和记忆并行处理自适应能力鲁棒性非线性映射等固有性质,使其非常适合应用于变压器故障诊断领域料的分解层压板纸或木块等固体绝缘材料分子有大量的弱键和无水右旋糖环及葡萄糖贰键......”。

7、“.....并可以在较低温度下重新化合。当聚合物裂解有效温度高于时,完全裂解和碳化温度高于,在生成水吠喃化合中气体含量的研究以及对神经网络的学习,构建了神经网络的诊断模型,而后对同样本进行多种训练,通过对误差仿真结果的比较,证实了改进型算法的可行性与优越性,从而对变压器的油色谱故障诊断提供了更科学的方法。关键词变压器故隐层节点数不同的网络中,利用网络平均误差收敛速度计算出最佳隐层节点数。神经网络算法的改进为了加快算法训练速度,避免陷入局部极小值和改善算法的有效性,对算法进行如下改进加动量法修正网络权值时,不仅需要考虑误果发生过调情况,则应减小学习速率值。结论本文在研究神经网络特点的基础上,将神经网络应用于变压器故障诊断模型,阐述了变压器故障诊断模型的设计流程,从神经网络参数选择输入量选择数据归化等方面对此模型进行了深入探讨。在度的预测。结果表明......”。

8、“.....拟合精度更高,预测结果更准确,更符合客观实际规律,有助于变压器的运行状态预测及故障诊断。基于改进的算法对变压器故障的诊断选择神经网络隐层节点数选取样本神经网络在变压器油色谱故障诊断中的应用原稿差在梯度上的影响,同时也需要考虑误差曲面的变化趋势,允许网络忽略微小变化特性。用附加动量的作用,可加速算法收敛性,有可能会越过这些局部极小值。神经网络在变压器油色谱故障诊断中的应用原稿。摘要本文通过对变压器油学习速率能力。通常,调节学习速率的准则是第,检查权值的修正值对误差函数的影响程度,若对其降低,说明选取的学习速率太小,应该逐步增加学习速率如果发生过调情况,则应减小学习速率值。结论本文在研究神经网络特点的基础上隐层节点数不同的网络中,利用网络平均误差收敛速度计算出最佳隐层节点数。神经网络算法的改进为了加快算法训练速度......”。

9、“.....对算法进行如下改进加动量法修正网络权值时,不仅需要考虑误可生成些气体。当设备检修时,暴露在空气中的油会吸收空气中的等。些操作也会生成故障气体,如有载调压的变压器中,切换开关油室内的油向变压器主油箱渗漏或者选择开关在个位置动作时,悬浮电位放电影响设备曾经有故障材料分子有大量的弱键和无水右旋糖环及葡萄糖贰键。其热稳定性较油中的碳氢键弱,并可以在较低温度下重新化合。当聚合物裂解有效温度高于时,完全裂解和碳化温度高于,在生成水吠喃化合物少量烃类气体大量的,同得的数据不完整,网络的输入向量选取种气体组分,数据样本经过预处理后,全部输入量的取值范围均在和之间。可根据待分类模式数来确定输出层的节点数。变压器故障般是单类型故障,神经网络的输出层向量釆用种故障模式......”。