基于极限学习机的变压器故障诊断方法研究

被引：125

作者：

苑津莎

张利伟

王瑜

尚海昆

机构：

[1] 华北电力大学电气与电子工程学院

来源：

电测与仪表 | 2013年 / 50卷 / 12期

基金：

中央高校基本科研业务费专项资金资助;

关键词：

变压器; 故障诊断; 极限学习机; ELM神经网络; 激活函数;

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：

针对基于传统智能学习方法的变压器故障诊断存在训练速度慢、需调整的参数多及参数确定困难的问题,提出了基于极限学习机(Extreme Learning Machine,ELM)的变压器故障诊断方法。文中根据变压器故障的特点选取输入特征向量,分析了激活函数、隐含层节点数目对诊断性能的影响,并与基于BP神经网络和SVM的诊断方法进行了对比。实验结果表明,文中提出的变压器故障诊断方法性能明显优于BP神经网络,与SVM的诊断正确率相当,需要预先设置的参数更少,训练速度更快,更加便于工程应用。

引用

页码：21 / 26

页数：6

共 15 条

[1]

A comparative analysis of support vector machines and extreme learning machines.[J].Xueyi Liu;Chuanhou Gao;Ping Li.Neural Networks.2012,

[2]

A study on effectiveness of extreme learning machine [J].

Wang, Yuguang ;

Cao, Feilong ;

Yuan, Yubo .

NEUROCOMPUTING, 2011, 74 (16) :2483-2490

[3]

LIBSVM.[J].Chih-Chung Chang;Chih-Jen Lin.ACM Transactions on Intelligent Systems and Technology (TIST).2011, 3

[4]

Optimization method based extreme learning machine for classification.[J].Guang-Bin Huang;Xiaojian Ding;Hongming Zhou.Neurocomputing.2010, 1

[5]

Extreme learning machine: Theory and applications.[J].Guang-Bin Huang;Qin-Yu Zhu;Chee-Kheong Siew.Neurocomputing.2006, 1

[6]

MATLAB神经网络编程.[M].张德丰; 编著.化学工业出版社.2011,

[7]

MATLAB智能算法30个案例分析.[M].史峰; 王辉; 编著.北京航空航天大学出版社.2011,

[8]

变压器油色谱分析与故障诊断.[M].操敦奎; 编著.中国电力出版社.2010,

[9]

电气设备油中气体在线监测与故障诊断技术.[M].孙才新等著;.科学出版社.2003,

[10]

基于量子神经网络信息融合的变压器故障诊断 [J].

龚瑞昆 ;

马亮 ;

赵延军 ;

杨萍萍 ;

陈磊 .

电力系统保护与控制, 2011, 39 (23) :79-84+88

← 1 2 →