Разработка нечеткой нейронной сети для интерпретации результатов анализа растворенных в масле газов

Abstract

Разработана и обучена нечеткая нейронная сеть для интерпретации результатов хроматографического анализа растворенных в масле газов. Предложено определять функции принадлежности лингвистических термов с учетом функций плотностей распределения концентраций газов для трансформаторов с различным состоянием. Выполнено тестирование обученной сети на независимой выборке. Проанализированы возможности нейронных сетей распознавать развивающиеся дефекты на ранней стадии их развития, или рост концентраций газов в исправных трансформаторах, после аварийных воздействий со стороны электрических сетей.

Unlike similar studies in the training of the neural network, the membership functions of linguistic terms were chosen taking into account the functions gas concentrations density distribution transformers with various diagnoses, allowing to consider a particular gas content of oils that are typical of a leaky transformer, and the operating conditions of the equipment. Practical value. Developed fuzzy neural network allows to perform diagnostics of power transformers on the basis of the result of the analysis of gases dissolved in oil, with a high level of reliability.