广东电力
廣東電力
엄동전력
GUANGDONG ELECTRIC POWER
2012年
1期
80-83
,共4页
电力变压器%故障诊断%油中溶解气体法%径向基函数神经网络%量子粒子群优化算法
電力變壓器%故障診斷%油中溶解氣體法%徑嚮基函數神經網絡%量子粒子群優化算法
전력변압기%고장진단%유중용해기체법%경향기함수신경망락%양자입자군우화산법
基于油中溶解气体分析法,采用径向基函数(radical basis function,RBF)神经网络模型对电力变压器进行故障诊断.为了提高诊断模型的辨识精度,分两步对RBF神经网络的模型参数进行辨识:首先采用减聚类算法确定RBF神经网络隐含层基函数的中心点,然后采用量子粒子群优化(quantum-behaved particle swarm opti mization,QPSO)算法求解基函数的宽度以及隐含层与输出层的连接权重.仿真实验结果表明,该方法的故障诊断正确率较高,达90.67％.
基于油中溶解氣體分析法,採用徑嚮基函數(radical basis function,RBF)神經網絡模型對電力變壓器進行故障診斷.為瞭提高診斷模型的辨識精度,分兩步對RBF神經網絡的模型參數進行辨識:首先採用減聚類算法確定RBF神經網絡隱含層基函數的中心點,然後採用量子粒子群優化(quantum-behaved particle swarm opti mization,QPSO)算法求解基函數的寬度以及隱含層與輸齣層的連接權重.倣真實驗結果錶明,該方法的故障診斷正確率較高,達90.67％.
기우유중용해기체분석법,채용경향기함수(radical basis function,RBF)신경망락모형대전력변압기진행고장진단.위료제고진단모형적변식정도,분량보대RBF신경망락적모형삼수진행변식:수선채용감취류산법학정RBF신경망락은함층기함수적중심점,연후채용양자입자군우화(quantum-behaved particle swarm opti mization,QPSO)산법구해기함수적관도이급은함층여수출층적련접권중.방진실험결과표명,해방법적고장진단정학솔교고,체90.67％.
