基于化学反应优化神经网络与融合DGA算法的油浸式变压器模型研究

被引：47

作者：

张珂斐 ^{[1
]}

郭江 ^{[1
]}

聂德鑫 ^{[2
]}

袁方 ^{[1
]}

肖志怀 ^{[1
]}

机构：

[1] 武汉大学动力与机械学院

[2] 国网电力科学研究院

来源：

高电压技术 | 2016年 / 42卷 / 04期

关键词：

变压器; 故障诊断; 神经网络; 化学反应优化算法; DGA;

D O I：

暂无

中图分类号：

TM411 [油浸式电力变压器]; TP18 [人工智能理论];

学科分类号：

080810 [电力电子与电能变换]; 140502 [人工智能];

摘要：

为了及时准确掌握变压器的健康状况,对潜伏性故障进行预测分析,将人工智能算法与DGA算法相结合,提出了一种基于化学反应优化神经网络的变压器故障诊断模型。考虑到BP神经网络和传统DGA算法在变压器故障诊断应用过程中存在的缺陷,在模型中引入化学反应优化算法和融合DGA算法对其进行改进。通过实例分析表明,提出的故障诊断模型的诊断准确率达到87.88%,迭代次数和训练时间分别为1991次和1927 ms;与其他诊断模型相比,模型在诊断效率和训练时间上具有明显的优势,对于变压器的故障预测和实时诊断具有一定的参考意义。

引用

页码：1275 / 1281

页数：7

共 18 条

[1]

The support vector machine parameter optimization method based on artificial chemical reaction optimization algorithm and its application to roller bearing fault diagnosis [J].

HungLinh Ao ;

Cheng, Junsheng ;

Yang, Yu ;

Tung Khac Truong .

JOURNAL OF VIBRATION AND CONTROL, 2015, 21 (12) :2434-2445

[2]

Integrating AI based DGA fault diagnosis using Dempster–Shafer Theory.[J].Deepika Bhalla;Raj Kumar Bansal;Hari Om Gupta.International Journal of Electrical Power and Energy Systems.2013,

[3]

MLP neural network-based decision for power transformers fault diagnosis using an improved combination of Rogers and Doernenburg ratios DGA [J].

Souahlia, Seifeddine ;

Bacha, Khmais ;

Chaari, Abdelkader .

INTERNATIONAL JOURNAL OF ELECTRICAL POWER & ENERGY SYSTEMS, 2012, 43 (01) :1346-1353

[4]

Power transformer fault diagnosis based on dissolved gas analysis by support vector machine.[J].Khmais Bacha;Seifeddine Souahlia;Moncef Gossa.Electric Power Systems Research.2011, 1

[5]

基于信息融合的变压器内部故障诊断方法 [J].