基于量子神经网络信息融合的变压器故障诊断.pdf

《基于量子神经网络信息融合的变压器故障诊断.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、第39卷第23期电力系统保护与控制Vl0l_39N0．232011年12月1日PowerSystemProtectionandControlDec．1，2011基于量子神经网络信息融合的变压器故障诊断龚瑞昆，马亮，赵延军，杨萍萍，陈磊(河北联合大学电气工程学院，河北唐山063009)摘要：针对电力变压器故障的多样性和故障信息的不确定性、数据量大及无规律性的特点，提出了基于量子神经网络信息融合的故障诊断方法。将多个电力变压器故障参数信息引入到各子量子神经网络进行局部融合诊断，再将各局部诊断信息引入决策融合网络进行全局融合，最终诊断出5种电力变压器故障并给出可信度评价。实验仿真结果表明：量

2、子神经网络信息融合方法有效，诊断结果可靠，能将不确定性的数据合理地分配到各类故障模式中，故障正判率达到97．78％，远高于BP神经网络信息融合及改良IEc三比值法。关键词：量子神经网络；信息融合；变压器；故障诊断；正判率FaultdiagnosisforpowertransformerbasedonquantumneuralnetworkinformationfusionGONGRui-kun，MALiang，ZHAOYan-jun，YANGPing-ping，CHENLei(CollegeofElectricalEngineering，HebeiUnitedUniversity，Ta

3、ngshan063009，China)Abstract：Inviewofthediversityofpowertransformerfaultsandthecharacteristicsoffaultinformationsuchasuncertainty,largequantityofdataandrandomness，amethodforfaultdiagnosisbasedonquantumneuralnetworkinformationfusionispresented．Thepowertransformerfaultdataareinputintoeachsubquantum

4、neuralnetworktoperformpartialfusiondiagnosis，andthentheresultsofpartialfusionaresenttodecision-makingfusionnetworktocompletetotalfusion，andultimatelyfivekindsofpowertransformerfaultsaredetectedandreliabilityevaluationisprovided．Thesimulationresultsshowthatquantumneuralnetworkinformationfusionise

5、fectiveandreliable，whichCanassigntheuncertaindatatoeachfaultmodereasonably，andtherightrateoffaultdiagnosisreaches97．78％whichishigherthanthatofBPneuralnetworkinformationfusionandtheimprovedIECmethod．Keywords：quantumneuralnetwork；informationfusion；powertransformer；faultdiagnosis；rightrate中图分类号：TM4

6、1文献标识码：A文章编号：1674-3415(2011)23-0079-06网络以其较强的训练学习及分辩故障原因和类型的0引言能力占据了研究的大部分。本文将量子神经网络变压器是电力系统的核心设备，合理的电力变(QuantumNeuralNetwork，QNN)与信息融合结合压器故障诊断方法对提高电力系统运行的安全性和起来，互补长短，克服了经典神经网络的缺乏经验、可靠性具有决定性意义。较为常用的IEC三比值法无推理性、处理速度慢以及信息融合技术处理知识及其相关改良比值法在工程实际应用中暴露出编码“瓶颈问题”等缺陷，达到一个较完美的组合，为不全、编码结果过于绝对、过分依赖专家经验等缺变压器

7、故障诊断提供了一条新的途径。实验结果和点，往往出现误判和漏判L1J，甚至对于同一台变压数据表明，该融合方法能够较准确地分配变压器故器，在同等运行条件下，采用不同的诊断法则时，障类型，正判率达到97．78％，远高于BP神经网络诊断结果也不尽相同。信息融合及改良三比值法，解决了传统方法在变压针对传统方法存在的不足，各种智能技术如人器故障模式间存在交叉数据、诊断率不高和诊断速工神经网络、粗糙集、遗传算法、小波分析、动态度慢的模式识别问题。聚类、Pet