中国电力
中國電力
중국전력
ELECTRIC POWER
2014年
9期
60-65
,共6页
黄新波%宋桐%王娅娜%李文君子
黃新波%宋桐%王婭娜%李文君子
황신파%송동%왕아나%리문군자
电力系统%故障诊断%自适应搜索%萤火虫算法%模糊理论%改进神经网络%贝叶斯正则化%粒子群
電力繫統%故障診斷%自適應搜索%螢火蟲算法%模糊理論%改進神經網絡%貝葉斯正則化%粒子群
전력계통%고장진단%자괄응수색%형화충산법%모호이론%개진신경망락%패협사정칙화%입자군
power system%fault diagnosis%self-adaptive search theory%glowworm swarm algorithm%fuzzy theory%the improved neural network%bayesian regularization algorithm%article swarm optimization
针对现今电力变压器故障诊断方法中存在编码边界区间过于绝对、准确率不高等一系列问题,提出了一种自适应搜索萤火虫算法(IGSO)优化列文伯格·马夸尔特(Levenberg Maquardt,LM)网络的变压器故障诊断方法.该方法采用萤火虫个体代表神经网络的权值和阈值、LM网络的均方误差函数作为萤火虫个体的适应度函数,利用改进萤火虫算法迭代寻优得到LM网络的最优权值和阈值.同时,运用模糊理论对改良三比值法的边界模糊化,将得到的特征气体比值编码作为网络模型的输入,不仅有利于去除冗余信息,并且克服了编码边界区间过于绝对的缺点.然后,建立基于自适应搜索萤火虫算法优化的神经网络模型,并将典型变压器故障数据代入仿真,通过与贝叶斯正则化神经网络模型以及粒子群模型的仿真结果对比,表明该方法具有较好的分类效果,准确率达到88.57％.
針對現今電力變壓器故障診斷方法中存在編碼邊界區間過于絕對、準確率不高等一繫列問題,提齣瞭一種自適應搜索螢火蟲算法(IGSO)優化列文伯格·馬誇爾特(Levenberg Maquardt,LM)網絡的變壓器故障診斷方法.該方法採用螢火蟲箇體代錶神經網絡的權值和閾值、LM網絡的均方誤差函數作為螢火蟲箇體的適應度函數,利用改進螢火蟲算法迭代尋優得到LM網絡的最優權值和閾值.同時,運用模糊理論對改良三比值法的邊界模糊化,將得到的特徵氣體比值編碼作為網絡模型的輸入,不僅有利于去除冗餘信息,併且剋服瞭編碼邊界區間過于絕對的缺點.然後,建立基于自適應搜索螢火蟲算法優化的神經網絡模型,併將典型變壓器故障數據代入倣真,通過與貝葉斯正則化神經網絡模型以及粒子群模型的倣真結果對比,錶明該方法具有較好的分類效果,準確率達到88.57％.
침대현금전력변압기고장진단방법중존재편마변계구간과우절대、준학솔불고등일계렬문제,제출료일충자괄응수색형화충산법(IGSO)우화렬문백격·마과이특(Levenberg Maquardt,LM)망락적변압기고장진단방법.해방법채용형화충개체대표신경망락적권치화역치、LM망락적균방오차함수작위형화충개체적괄응도함수,이용개진형화충산법질대심우득도LM망락적최우권치화역치.동시,운용모호이론대개량삼비치법적변계모호화,장득도적특정기체비치편마작위망락모형적수입,불부유리우거제용여신식,병차극복료편마변계구간과우절대적결점.연후,건립기우자괄응수색형화충산법우화적신경망락모형,병장전형변압기고장수거대입방진,통과여패협사정칙화신경망락모형이급입자군모형적방진결과대비,표명해방법구유교호적분류효과,준학솔체도88.57％.
