加了个蛋1. 项目概述：变压器故障诊断的智能化升级
变压器作为电力系统的核心设备，其运行状态直接影响电网可靠性。传统三比值法（DGA）通过分析油中溶解气体（H2、CH4、C2H6、C2H4、C2H2）的浓度比值判断故障类型，但存在人工判读效率低、阈值设定僵化等问题。本项目采用广义回归神经网络（GRNN）构建诊断模型，相比传统BP神经网络，GRNN具有以下优势：
- 单次训练收敛：无需反复迭代调参
- 非线性拟合能力强：特别适合小样本数据
- 概率密度函数估计：自动优化平滑因子σ
实测表明，在包含200组变压器油色谱数据的测试集上，GRNN模型将诊断准确率从三比值法的82%提升至94.3%，尤其对局部放电和过热故障的识别效果显著。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 核心算法原理与实现
2.1 三比值法特征工程
国际电工委员会（IEC）标准定义的比值组合：
python复制# 气体浓度单位ppm
R1 = C2H2 / C2H4
R2 = CH4 / H2
R3 = C2H4 / C2H6
典型故障编码规则：
| 故障类型 | R1范围 | R2范围 | R3范围 |
|---|---|---|---|
| 局部放电 | <0.1 | <0.1 | <1 |
| 低温过热(<300℃) | 0.1-1 | >1 | 1-3 |
| 高温过热(>700℃) | 0.1-1 | >1 | >3 |
2.2 GRNN网络结构
采用四层拓扑结构：
- 输入层：3个节点（对应R1-R3）
- 模式层：样本数量决定神经元数
- 求和层：两类节点（数值/概率求和）
- 输出层：故障类型概率分布
关键参数计算公式：
math复制σ = \sqrt{\frac{1}{n}\sum_{i=1}^n ||X-X_i||^2}
其中σ为平滑因子，X为输入向量，Xi为训练样本。
2.3 MATLAB实现核心代码
matlab复制% 数据预处理
gas_ratio = [dataset.C2H2./dataset.C2H4,
data