基于模糊神经网络的变压器励磁涌流鉴别新方法：提高准确性与可靠性

本文主要探讨了基于模糊神经网络的变压器励磁涌流鉴别技术，针对当时神经网络在变压器励磁涌流识别中存在的误判问题，作者提出了创新性的应用高木关野模糊神经网络进行鉴别。高木关野模糊神经网络作为一种特殊的神经网络结构，其优点在于能够处理模糊数据，提高系统的鲁棒性和准确性。 研究者陈琛、张举和成敬周针对变压器在空载合闸或外部故障切除后的励磁涌流特征，以及可能存在的内部故障情况，选择了分布式网络、二次谐波、波形对称度和低压侧电压作为输入参数，构建了模糊神经网络模型。这些参数的选择是基于它们与励磁涌流和内部故障的密切关系，通过提取关键特征，期望能够在复杂的电力系统环境下有效地区分这两种电流类型。 通过仿真实验，研究结果表明，利用高木关野模糊神经网络进行鉴别能够显著提高判别的精度，减少误判现象，从而增强了变压器励磁涌流和内部故障的识别能力，提高了保护系统的可靠性。这种方法对于电力系统的安全运行具有重要意义，因为它可以确保差动保护的正确动作，避免因误判导致的不必要的设备损坏和电力中断。 此外，文章还引用了中图分类号TM41，说明该研究属于电力工程中的技术方法论部分，文献标识码A表示高质量的学术论文，文章编号1007-2691(2005)04-0005-04，表明是在《华北电力大学学报》上发表的一篇2005年第4期的研究论文。 基于模糊神经网络的变压器励磁涌流鉴别方法在电力系统保护中具有重要的实际应用价值，其研究结果为电力系统的故障诊断和保护策略提供了新的思路和技术支持。