基于RBF神经网络的电力变压器绝缘故障智能诊断研究

彭琳琳; 刘佳银; 赵琳琳; 孙蕊; 金鑫

Chinese

您当前的位置：

首页 >

文章列表页 >

基于RBF神经网络的电力变压器绝缘故障智能诊断研究

实验与研究 | 更新时间：2026-04-28

- 基于RBF神经网络的电力变压器绝缘故障智能诊断研究
- 基于RBF神经网络的电力变压器绝缘故障智能诊断研究
- 现代传输 2026年第2期页码：49-53
- 作者机构：
  
  辽宁省检验检测认证中心
- 作者简介：
- 基金信息：
  
  辽宁省科技计划联合计划（自然科学基金-面上项目）项目名称：电缆绝缘状态感知与自诊断预警技术研究项目编号：2024-MSLH-211
- DOI：
  中图分类号： TP183;TM41
- 纸质出版：2026
- 稿件说明：
移动端阅览
彭琳琳, 刘佳银, 赵琳琳, 等. 基于RBF神经网络的电力变压器绝缘故障智能诊断研究[J]. 现代传输, 2026,(2):49-53.

彭琳琳, 刘佳银, 赵琳琳, et al. 基于RBF神经网络的电力变压器绝缘故障智能诊断研究[J]. 2026, (2): 49-53.
彭琳琳, 刘佳银, 赵琳琳, 等. 基于RBF神经网络的电力变压器绝缘故障智能诊断研究[J]. 现代传输, 2026,(2):49-53. DOI：

彭琳琳, 刘佳银, 赵琳琳, et al. 基于RBF神经网络的电力变压器绝缘故障智能诊断研究[J]. 2026, (2): 49-53. DOI：

摘要

由于单一类型的数据可能无法全面反映设备的实际状态，因此仅依据单一数据进行诊断可能会增加误判和漏判的风险。为此，研究一种基于RBF神经网络的电力变压器绝缘故障智能诊断方法。利用气相色谱——质谱法采集油中溶解气体浓度数据，利用特高频（UHF）传感器采集局部放电信号并从中提取特征参数。将油中溶解气体浓度数据与提取的局部放电信号特征组成集合。以特征集合作为输入，通过RBF神经网络输出电力变压器绝缘故障诊断结果。结果表明：所研究方法的故障诊断结果与实际故障类型有很高的重叠度；所研究方法的AUC-PR值相对更高且稳定，表明方法在识别故障样本方面具有更高的准确性和稳定性。

Abstract

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于复合电磁屏蔽结构的多通道应答器电缆设计与串扰抑制研究

基于多源数据及无监督学习的网络安全态势评估模型研究

基于RBF神经网络的电力变压器绝缘故障智能诊断研究

基于RBF神经网络的电力变压器绝缘故障智能诊断研究

DOI：

摘要

Abstract

关键词

Keywords

references