基于GA与L-M优化算法的变压器故障诊断研究

《基于GA与L-M优化算法的变压器故障诊断研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第20卷第6期电子设计工程2012年3月V01．20No．6ElectronicDesignEngineeringMar．2012基亏GA与L—M优彳匕算法的变压器故障诊断研究王雅娟．张滂涛(河北联合大学电气工程学院，河北唐山063000)摘要：利用MATLAB环境建立一个用于变压器故障诊断的BP网络模型。首先利用具有全局寻优功能的遗传算法对BP神经网络的初始权值和阈值进行优化．然后采用L—M(Levenberg—Marquardt)优化算法对BP神经网络进行训练，从而达到加快网络训练速度。避免训练过程陷入局部极小点的目的。最后，详细记录网络的实际输出，并与期望输出做对比研究。最终证实

2、了此网络达到了设计要求，可用于变压器的故障诊断。关键词：变压器；故障诊断；遗传算法；L_M算法；神经网络工具箱中图分类号：TP277文献标识码：A文章编号：1674—6236(2012)06—0011—05TransformerfaultdiagnosisbasedonGAandL—MoptimizationalgorithmWANGYa-juan，ZHANGYong-tao(CollegeofComputerandAutomationControl，HebeiUnitedUniversity，Tangshan063000，China)Abstract：ABPnetworkmodelf

3、ortransformerfauhdiagnosisisestablishedbasedontlleMAnABenvironment．Firstly．theinitialweightsandthresholdsofBPneuralnetworkareoptimizedbygeneticalgorithmwhichhasthefeatureofglobaloptimization；Then，L—M(Levenberg-Marquardt)algorithmisusedfortrainingBPneuralnetwork，SOthenetworktrainingspeedisincreas

4、edandlocalminimumpointsisavoidedinthetrainingprocess．Finally，theactualoutputisgainedandmadecomparativestudywiththeexpectedoutput．Finally，itconfirmsthatthisnetworkmodelhasahighaccuracyandcanbeusedfortransformerfaultdiagnosis．Keywords：transformer；faultdiagnosis；geneticalgorithm；L-Malgorithm；neural

5、networktoolbox近年来．各国专家都致力于变压器故障诊断的人工智能应用中，单隐含层BP网络的应用最为广泛，其网络结构如图方法的研究。人工神经网络以其独特的容错、联想、推测、记l所示。忆、自适应、自学习和处理复杂模式等优点，在电力变压器故障诊断中得到了应用，效果较好llJ。本文利用MATLAB环境构造了一个用于变压器故障诊断的BP网络模型。利用遗传算法对BP神经网络的初始权值和阂值进行优化，然后采用L—M(Levenberg—Marquardt)优化算法对BP神经网络进行训练；仿真结果证明，此网络模型精确度较高，可用于变压器的故障诊断。1理论基础图1BP神经网络结构Fig．1B

6、PIleura]networkstructure1．1BP神经网络在3层的BP神经网络中，输入向量为=(，：，⋯，，BP神经网络是一种采用了误差反向传播(E1TOrBack⋯‰)，如果加入。=一1，可为隐含层神经元引入阈值。隐含，Propagation，简称BP)算法的单向传播的多层前馈网络，它分层输出向量为l，=(Yl，y2⋯，∞．．，ym)，如果加入Y0=一1，可为输为输入层(InputLayer)、隐含层(HiddenLayer)和输出层出层神经元引人阈值。输出层的实际输出向量为O=(o，(OutputLayer)。网络除输入层节点外，有一层或多层的隐含O2，．．．，0．．，O1

7、)，期望输出向量为d=(d1，d2⋯，dk⋯，df)。输入层层节点，同层节点之间没有任何连接[21。输入信号从输入层节到隐含层之间的权值矩阵用I，表示，=(V⋯，vj．．，Vm)，其点依次传过各隐含层节点。然后传到输出节点．每一层节点中列向量，称为隐含层第个神经元对应的权向量；隐含层的输出只影响下一层节点的输出。BP网络可以看作是一个到输出层之间的权值矩阵用表示，=(，W2⋯，W，Wf)从输入空间到输出空间的高度非线性映射。在多层前馈网的其中列