基于遗传算法优化BP神经网络的GIS设备放电故障诊断.pdf

《基于遗传算法优化BP神经网络的GIS设备放电故障诊断.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、《电气开关》【2016．No．3)37文章编号：1004—289X(2016)03—0037—04基于遗传算法优化BP神经网络的GIS设备放电故障诊断周正思，刘林，程鹏(三峡大学电气与新能源学院，湖北宜昌443002)摘要：为有效GIS设备放电故障诊断的快速性和准确性，采用近几年出现的遗传算法对BP神经网络进行优化，减少了BP神经网络算法陷入局部最优解的风险，显著增强了BP神经网络的泛化能力和全局寻优能力。对比发现，遗传算法优化后的BP神经网络模型具有比较好的快速性和准确的诊断能力。测试结果表明，遗传算法优化BP神经网络对GIS设备放电故障诊断具有

2、可行性和有效性。关键词：GIS设备；BP算法；遗传算法；放电故障诊断中图分类号：TP18文献标识码：BDischargeFaultDiagnosisofGISEquipmentofOptimumBPNeuralNetworkBasedonGeneticAlgorithmZHOUZheng—si，LIULin，CHENGPeng(CollegeofElectricalandNewEnergy，SanxiaUniversity，Yichang443002，China)Abstract：FortheeffectivedischargeofGISequip

3、mentforfaultdiagnosisofspeedandaccuracy，usingnewlydevelopedgeneticalgorithmforBPneuralnetworkoptimizedBPneuralnetworkalgorithmisreducedlocaloptimalsolutionsriskssignificantlyenhancesthegeneralizationabilityofBPneuralnetworkandaglobaloptimization．Thecomparison，geneticalgorithmo

4、ptimizedBPneuralnetworkmodelcomparedwellwiththerapidandaccuratediagnosticcapability．Testre—suitsshowthatthedischargeofGISequipmentbasedongeneticalgorithmoptimizedBPneuralnetworkfaultdiagnosisisfeasibleandeffective．Keywords：GISequipment；BPalgorithm；geneticalgorithm；faultdiagnos

5、is金属氧化物，在有水汽、氧存在时，sF与其发生反应1引言而最终生成SOF、SO：F：、SO2、HF等化合物。根据sF6在设备运行过程中，通过必要的试验手段判断设分解物的组成成分和含量，判断出放电故。备运行状况，避免事故的发生和扩大一直是监督检测2遗传算法优化BP神经网络的基本原理人员力求做到的。随着对S气体分解机理深入了解随着检测技术的发展，利用s气体在电弧、放电和过2．1BP神经网络的原理及算法热作用下存在分解现象的特点，通过检测SF^分解产BP神经网络是一种按误差逆传播算法训练的多物(指气体绝缘设备中s气体及其他材料在运行条层前馈网络，是目前

6、应用最广泛的神经网络模型之一。件下发生反应生成的气体杂质)体积分数诊断设备内BP网络能学习和存贮大量的输入一输出模式映射关部是否存在故障，已经成为s电气设备故障诊断的系，而无需事前揭示描述这种映射关系的数学方程。一种有效方法，许多国家的供电部门已把SF6气体分它的学习规则是使用最速下降法，通过反向传播来不解产物检测应用于GIS的运行维护中。断调整网络的权值和阈值，使网络的误差平方和最小。sF电气设备的故障主要有放电和过热；根据放BP神经网络模型拓扑如图1所示，结构包括输入电能量的不同，放电又分为电弧放电、火花放电和电晕层、隐含层和输出层，其中隐含层

7、可一层，也可多层。放电。放电和过热均会促使sF6发生分解，s气体输入层与外部激励打交道，由各输入层神经元传递给在放电作用下分解的主要成分是SF4和电极或容器的与之相连的隐含层神经元；隐含层是网络内部处理单38《电气开关》(2016．No．3)元的工作区域，中间层处理方式不同会影响模型的处敛于最好的染色体，它就是问题的最优解或次优解。理功能；输出层将网络结果输出，与外部设备联系。各遗传算法提供了求解非线性规划的通用框架，它神经元与下一层所有的神经元连接，同层神经元之间不依赖于问题的具体领域。遗传算法的优点是将问题无连接。参数编码成染色体后进行进化，而

8、不是针对参数本身，输入层隐含层输出层从而不受函数约束条件的限制；搜索过程从问题的解的一个集合开始，而不是单个个体，具有隐含