基于邻域粒子群优化神经网络的变压器故障诊断

被引:13
作者
贾嵘
徐其惠
李辉
刘伟
机构
[1] 西安理工大学电力工程系
关键词
变压器; 油中溶解气体分析; 故障诊断; 粒子群算法; 神经网络;
D O I
10.13296/j.1001-1609.hva.2008.01.031
中图分类号
TP183 [人工神经网络与计算]; TM407 [维护、检修];
学科分类号
081104 ; 0812 ; 0835 ; 1405 ; 080801 ;
摘要
为了提高变压器故障诊断正判率,提出了一种邻域粒子群算法优化BP神经网络的电力变压器油中气体分析(DGA)方法,即通过相关统计分析和数据的预处理,选择变压器油中典型气体作为神经网络的输入,然后利用训练好的邻域粒子群算法优化后的神经网络进行变压器故障类型诊断。试验结果表明,该类方法具有很好的分类效果,较好地解决了变压器放电和过热共存时故障的难分辨问题,对故障类型的正判率较高。
引用
收藏
页码:8 / 10+19 +19
页数:4
相关论文
共 10 条
[1]  
变电设备状态检修应用研究.[D].章剑光.浙江大学.2004, 06
[2]   最小二乘支持向量机多分类法的变压器故障诊断 [J].
贾嵘 ;
徐其惠 ;
李辉 ;
刘伟 ;
杨可 .
高电压技术, 2007, (06) :110-113+132
[3]   基于最小二乘支持向量机的系统边际电价预测 [J].
贾嵘 ;
蔡振华 ;
康睿 .
高电压技术, 2006, (11) :145-148
[4]   基于Elman神经网络的油浸式电力变压器故障诊断 [J].
李天云 ;
程思勇 ;
童建东 ;
王鹏宇 .
中国电力, 2006, (11) :55-57
[5]   基于概率神经网络的电力变压器故障诊断 [J].
曹永刚 ;
周玲 ;
丁晓群 ;
马文静 .
继电器, 2006, (03) :9-11
[6]   基于改进GA-BP混合算法的电力变压器故障诊断 [J].
王少芳 ;
蔡金锭 ;
刘庆珍 .
电网技术, 2004, (04) :30-33
[7]   GA-BP混合算法在变压器色谱诊断法中的应用 [J].
王少芳 ;
蔡金锭 ;
不详 .
高电压技术 , 2003, (07) :3-6
[8]   范例推理结合神经网络诊断变压器故障 [J].
钱政 ;
罗承沐 ;
严璋 ;
钱智 .
高电压技术, 2000, (04) :4-5+8
[9]   用可靠性数据分析及BP网络诊断变压器故障 [J].
钱政 ;
高文胜 ;
尚勇 ;
严璋 .
高电压技术, 1999, (01) :13-15
[10]   结合遗传算法的人工神经网络在电力变压器故障诊断中的应用 [J].
徐文 ;
王大忠 ;
周泽存 ;
陈珩 .
中国电机工程学报, 1997, (02) :109-112