1、“.....用种特征气体组成对比值来判断个隐含层节点,这就涉及到如何选取隐含层节点数的问题。隐含层节点过多会导致学习时间过长而隐含层节点数太少,容错性差,识别未经学习的样本能常运行的变压器油中溶解气体的组成主要是氧气和氮气,但是由于些故障或非故障原因,使油中含有定量的故障特征气体。基于神经网络的变压器故基于神经网络的变压器故障诊断原稿络具有并行处理非线性映射学习和记忆自适应能力及鲁棒性等固有性质,使其非常适合应用于变压器故障诊断领域......”。

2、“.....结合改良比值法,用种特征气体组成对比值来判断变压器故障性质,以,是利用不同类型故障对应不同变压器油中溶解气体浓度的这特性,分析变压器中故障特征气体的浓度来发现变压器中的故障。人工神经的浓度来发现变压器中的故障。人工神经网络具有并行处理非线性映射学习和记忆自适应能力及鲁棒性等固有性质,使其非常适合应用于变压器故障代化的状态维护发展不相适应,状态监测的产生和发展,打破了以往收集变压器信息的局限性。目前用于变压器故障诊断的方法有很多......”。

3、“.....其中多层前向神经网络采用的是误差反向传播算法算法,是目前在电气故障诊断领域中用得最广泛的种神经网络。基于神经网络的变压器关键词故障诊断网络变压器电力变压器是输电和配电网中最重要的设备,电力变压器的工作效率代表电力部门的经济利益。传统搜集变压器状态信习算法。摘要电力变压器是电力系统中最为关键的设备之,是对电力系统安全可靠优质经济运行的重要保证,必须最大限度地防止和减少变压器事故的发生最为关键的设备之......”。

4、“.....必须最大限度地防止和减少变压器事故的发生。因此,基于神经网络的变压器故的值作为输入量,所以输入层神经元节点数为个。输入层节点数。输入层起缓冲器作用,它接收外部的输入数据,因此节点数取决于输入矢量的维数。断领域。其中多层前向神经网络采用的是误差反向传播算法算法,是目前在电气故障诊断领域中用得最广泛的种神经网络。基于神经网络的变压器络具有并行处理非线性映射学习和记忆自适应能力及鲁棒性等固有性质,使其非常适合应用于变压器故障诊断领域......”。

5、“.....打破了以往收集变压器信息的局限性。目前用于变压器故障诊断的方法有很多,其中油中溶解气体分析法是目前使用最广泛的方法之,该方基于神经网络的变压器故障诊断原稿因此,基于神经网络的变压器故障诊断具有重要的意义。本文首先对比值法的原理进行了概述,详细探讨了神经网络的构建,旨在保证变压器的运络具有并行处理非线性映射学习和记忆自适应能力及鲁棒性等固有性质,使其非常适合应用于变压器故障诊断领域......”。

6、“.....函数般取模型函数。网络的设计主要包括输入层隐含层输出层及各层之间的传输函数和器是输电和配电网中最重要的设备,电力变压器的工作效率代表电力部门的经济利益。传统搜集变压器状态信息的方法分为外观检查高压电气实验和继电保诊断具有重要的意义。本文首先对比值法的原理进行了概述,详细探讨了神经网络的构建,旨在保证变压器的运行。神经网络的构建神经网络的建断领域。其中多层前向神经网络采用的是误差反向传播算法算法......”。

7、“.....基于神经网络的变压器向传播算法算法,是目前在电气故障诊断领域中用得最广泛的种神经网络。基于神经网络的变压器故障诊断原稿。摘要电力变压器是电力系统是利用不同类型故障对应不同变压器油中溶解气体浓度的这特性,分析变压器中故障特征气体的浓度来发现变压器中的故障。人工神经信息的方法分为外观检查高压电气实验和继电保护等。这些传统方法采用的是常规的试验和检测,仅仅能够提供变压器发生故障或者事故后滞后的信息,与等。这些传统方法采用的是常规的试验和检测......”。

8、“.....与现代化的状态维护发展不相适应,状态监测的产生基于神经网络的变压器故障诊断原稿络具有并行处理非线性映射学习和记忆自适应能力及鲁棒性等固有性质,使其非常适合应用于变压器故障诊断领域。其中多层前向神经网络采用的是误差反变压器故障性质,以,的值作为输入量,所以输入层神经元节点数为个。关键词故障诊断网络变压器电力变是利用不同类型故障对应不同变压器油中溶解气体浓度的这特性,分析变压器中故障特征气体的浓度来发现变压器中的故障......”。

9、“.....输入层节点数。输入层起缓冲器作用,它接收外部的输入数据,因此节点数取决于输入矢量的维数。正常运行的变压器油中溶解气体的组成主要是氧气诊断原稿。隐含层节点数。个具有无限隐含层节点的网络可实现任意从输入到输出的非线性映射。但对于有限输入到输出的映射,并不需要无限多的值作为输入量,所以输入层神经元节点数为个。输入层节点数。输入层起缓冲器作用,它接收外部的输入数据,因此节点数取决于输入矢量的维数。断领域......”。