高电压技术
高電壓技術
고전압기술
HIGH VOLTAGE ENGINEERING
2006年
6期
35-37
,共3页
电力变压器%小波神经网络%遗传算法%故障诊断%油中溶解气体分析
電力變壓器%小波神經網絡%遺傳算法%故障診斷%油中溶解氣體分析
전력변압기%소파신경망락%유전산법%고장진단%유중용해기체분석
为克服电气分析应用中BP网络算法遇到的困难,改进基本遗传算法并将其与BP算法相结合构成混合算法应用到基于油中溶解气体分析的变压器故障诊断的小波神经网络的训练中.混合算法先利用改进后的遗传算法优化小波神经网络的4个初始值,再利用梯度下降算法训练小波神经网络.针对实际情况,对所采用的遗传算法运用实数编码,采用通过自适应调整的交叉和变异概率,使遗传算法在广泛的空间搜索,向解的方向尽快收敛.仿真结果表明,该算法有效解决了小波网络若初值设置不合理,极易进入局部极小的区域使网络振荡增大、不收敛及GA算法独立训练神经网络速度缓慢等缺点.用训练过的该小波神经网络模型对456台次的变压器故障进行验证和诊断的仿真结果表明,该算法具有较快的收敛速度和较高的计算精度,证实了该算法应用于电力变压器故障诊断的有效性.
為剋服電氣分析應用中BP網絡算法遇到的睏難,改進基本遺傳算法併將其與BP算法相結閤構成混閤算法應用到基于油中溶解氣體分析的變壓器故障診斷的小波神經網絡的訓練中.混閤算法先利用改進後的遺傳算法優化小波神經網絡的4箇初始值,再利用梯度下降算法訓練小波神經網絡.針對實際情況,對所採用的遺傳算法運用實數編碼,採用通過自適應調整的交扠和變異概率,使遺傳算法在廣汎的空間搜索,嚮解的方嚮儘快收斂.倣真結果錶明,該算法有效解決瞭小波網絡若初值設置不閤理,極易進入跼部極小的區域使網絡振盪增大、不收斂及GA算法獨立訓練神經網絡速度緩慢等缺點.用訓練過的該小波神經網絡模型對456檯次的變壓器故障進行驗證和診斷的倣真結果錶明,該算法具有較快的收斂速度和較高的計算精度,證實瞭該算法應用于電力變壓器故障診斷的有效性.
위극복전기분석응용중BP망락산법우도적곤난,개진기본유전산법병장기여BP산법상결합구성혼합산법응용도기우유중용해기체분석적변압기고장진단적소파신경망락적훈련중.혼합산법선이용개진후적유전산법우화소파신경망락적4개초시치,재이용제도하강산법훈련소파신경망락.침대실제정황,대소채용적유전산법운용실수편마,채용통과자괄응조정적교차화변이개솔,사유전산법재엄범적공간수색,향해적방향진쾌수렴.방진결과표명,해산법유효해결료소파망락약초치설치불합리,겁역진입국부겁소적구역사망락진탕증대、불수렴급GA산법독립훈련신경망락속도완만등결점.용훈련과적해소파신경망락모형대456태차적변압기고장진행험증화진단적방진결과표명,해산법구유교쾌적수렴속도화교고적계산정도,증실료해산법응용우전력변압기고장진단적유효성.
