PSO改进RBPNN在变压器故障诊断中的应用

被引：37

作者：

施恂山 ^{[1
]}

马宏忠 ^{[1
]}

张琳 ^{[1
]}

李凯 ^{[2
]}

许洪华 ^{[2
]}

陈冰冰 ^{[2
]}

机构：

[1] 河海大学能源与电气学院

[2] 江苏省电力公司南京供电公司

来源：

电力系统保护与控制 | 2016年 / 44卷 / 17期

关键词：

粒子群算法; 径向基概率神经网络; 反向传播; 变压器; 故障诊断;

D O I：

暂无

中图分类号：

TM407 [维护、检修];

学科分类号：

090303 [农业农村环境保护与治理（农业环境保护）];

摘要：

针对概率神经网络(PNN)及遗传算法(GA)在变压器内部故障诊断中存在的不足,提出了一种基于粒子群算法(PSO)改进径向基概率神经网络(RBPNN)的故障诊断方法。首先,引入RBPNN,选取反向传播作为学习算法以及油中溶解气体含量比值作为故障特征量。然后,由于该模型受网络结构和初值影响较大,故拟用GA、PSO和改进的PSO对网络优化并测试。通过对比分析,得出改进的PSO在确定拓扑结构、降低误差精度、加快收敛速度和提高预测准确度上更占优势的结论,同时证明了所提方法在故障诊断中的正确性和可行性。

引用

页码：39 / 44

页数：6

共 18 条

[1]

基于深度信念网络的电力变压器故障分类建模 [J].