资源描述：
《免疫粒子群优化RBF神经网络的变压器故障诊断》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、免疫粒子群优化RBF神经网络的变压器故障诊断李浩,等免疫粒子群优化RBF神经网络的变压器故障诊断TransformerFaultDiagnosisbyUsingRBFNeuralNetworkOptimizedbyImmuneParticleSwarm李浩王福忠王锐(河南理工大学电气工程与自动化学院,河南焦作454000)摘要:电力变压器运行的可靠性直接关系到电力系统的安全性及供电的可靠性。为提高变压器内部绝缘故障诊断的准确率,通过分析变压器油中溶解气体组分含量和变压器内部绝缘故障,提出了一种免疫粒子群优化RBF神经网络的变压器故障诊断算法。介绍了基
2、于人工免疫网络算法确定RBF网络隐层中心数目和初始位置的方法,以及基于粒子群算法优化RBF网络权重的方法。仿真结果表明,该算法能有效诊断变压器故障类型,提高故障诊断的准确率。关键词:变压器故障诊断RBF神经网络人工免疫网络算法粒子群算法最小二乘法可靠性中图分类号:TH18;TP183文献标志码:ADOI:10.16086/j.cnki.issn1000-0380.201611002Abstract:Theoperationalreliabilityofthepowertransformeriscloselylinkedtothesecurityofp
3、owersystemandthereliabilityofpowersupply.Inordertoimprovetheaccuracyoffaultdiagnosisforinternalinsulationoftransformer,byanalyzingthecontentsofthedissolvedgascomponentsintransformeroil,andthefaultofinternalinsulation,thefaultdiagnosisalgorithmusingRBFneuralnetworkoptimizedbyimm
4、uneswarmoptimizationalgorithmisputforward.ThemethodbasedonartificialimmunenetworkalgorithmfordeterminingthenumberandtheinitialpositionofhiddenlayercentersinRBFnetworkcenter;aswellasthemethodbasedonparticleswarmoptimizationforoptimizingtheweightsofRBFnetworkareintroduced.Theresu
5、ltsofsimulationshowthattheproposedalgorithmcaneffectivelydiagnosethefaulttypesoftransformerandimprovetheaccuracyoffaultdiagnosis.Keywords:TransformerFaultdiagnosisRBFneuralnetworkArtificialimmunenetworkalgorithmParticleswarmoptimizationalgorithmLeastsquaremethodResponsibility缘故
6、障诊断准确率,本文提出采用免疫粒子群优化径0引言向基函数(radialbasisfunction,RBF)神经网络算法,并电力变压器是电力系统的重要设备,正确诊断电将其应用于变压器故障诊断。力变压器绝缘故障对提高电力系统运行安全性和可靠1RBF神经网络[1]性具有重要意义。变压器油中溶解气体组分分析(dissolvedgasanalysis,DGA)技术是目前诊断油侵式RBF是一种前馈型神经网络,在数值计算、模式变压器内部绝缘故障最有效的方法之一。它能够有效识别、函数拟合、故障诊断等领域获得了广泛的应用。发现变压器内部潜伏性故障及其发展程度,从而防止
7、RBF神经网络由输入层、隐含层和输出层3部分组成,[2]由此引发的安全事故。为提高变压器绝缘故障诊断其网络结构如图1所示。准确率,目前在变压器油中溶解气体分析的基础上,引[3-5]入许多智能算法,如人工神经网络、人工免疫算[6][7]法、支持向量机、粒子群算法等。神经网络算法具有自组织、自学习、无需建立具体物理模型等优点,在模式识别、故障诊断等领域获得了广泛应用,但该算法也存在训练样本需求量大、训练时间长以及容易陷入局部最小等缺陷。为提高变压器绝国家自然科学基金资助项目(编号:61104079);河南省产学研基金资助项目(编号:13210700002
8、7)。图1RBF网络结构图修改稿收到日期:2016-04-14。Fig.1StructureofRBFnet
