本文介紹了動態(tài)對角遞歸網(wǎng)絡(luò)，并針對BP 算法收斂慢的缺點(diǎn)，將遞推預(yù)報誤差學(xué)習(xí)算法應(yīng)用到神經(jīng)網(wǎng)絡(luò)權(quán)值和域值的訓(xùn)練。同時，將動態(tài)對角遞歸網(wǎng)絡(luò)引入到電力變壓器的故障診斷中，通過改良三比值方法來實(shí)現(xiàn)故障診斷，提高了神經(jīng)網(wǎng)絡(luò)故障診斷收斂性及增量學(xué)習(xí)能力。最后，仿真診斷實(shí)例表明了應(yīng)用這種方法實(shí)現(xiàn)的變壓器故障診斷系統(tǒng)的有效性。
變壓器是電力系統(tǒng)的重要設(shè)備之一，它的故障給供電可靠性和系統(tǒng)的正常運(yùn)行帶來了
嚴(yán)重的影響。隨著電網(wǎng)向高度自動化方向發(fā)展和國計(jì)民生對供電可靠性的要求越來越高，迫切需要對現(xiàn)行的設(shè)備維修體系進(jìn)行變革，因此以在線監(jiān)測及故障診斷技術(shù)為基礎(chǔ)的狀態(tài)維修體系逐漸取代預(yù)防性維修體系已成為變壓器故障診斷的一個明確的發(fā)展趨勢。實(shí)測和研究表明，采用油中溶解氣體的氣相色譜分析法（Dissolved Gas Analysis）來分析變壓器的潛伏性故障是監(jiān)視變壓器安全運(yùn)行的最有效的措施之一，已成為國內(nèi)外診斷充油電氣設(shè)備故障的一種最為有效的手段。目前DL/T2000 已推薦改良三比值法（原改良電協(xié)研法）為變壓器內(nèi)部故障診斷的主要方法[1]。
BP 神經(jīng)網(wǎng)絡(luò)具有一定的非線性逼近能力,能進(jìn)行故障模式識別,還能進(jìn)行故障嚴(yán)重程度
評估和故障預(yù)測,應(yīng)用很廣,但它對異常類故障處理能力低,收斂性差，不具備增量學(xué)習(xí)功能。
動態(tài)對角遞歸網(wǎng)絡(luò)[2][3](Diagonal recurrent neural network)受前饋網(wǎng)絡(luò)結(jié)構(gòu)的啟發(fā)，將
部分輸入輸出信息作為網(wǎng)絡(luò)的輸入，這樣不僅能夠有效提高前饋網(wǎng)絡(luò)的泛化能力，提高其用于故障處理的增量學(xué)習(xí)能力，而且可以有效地提高神經(jīng)網(wǎng)絡(luò)的收斂性。本文采用利用遞推預(yù)報誤差（Recursive Prediction Error）算法修正的動態(tài)對角遞歸網(wǎng)絡(luò)來對變壓器進(jìn)行故障診斷，取得了良好的效果