电力建设
電力建設
전력건설
ELECTRIC POWER CONSTRUCTION
2014年
2期
1-6
,共6页
黄新波%宋桐%王娅娜%李文君子%林淑凡
黃新波%宋桐%王婭娜%李文君子%林淑凡
황신파%송동%왕아나%리문군자%림숙범
电力变压器%贝叶斯正则化%超参数%神经网络%模糊理论
電力變壓器%貝葉斯正則化%超參數%神經網絡%模糊理論
전력변압기%패협사정칙화%초삼수%신경망락%모호이론
针对现今电力变压器故障诊断方法中存在编码不齐全、准确率不高等一系列问题,研究贝叶斯理论的神经网络算法,提出一种基于贝叶斯正则化优化L-M (Levenberg-Marquardt)算法神经网络的变压器油色谱故障诊断方法.算法采用贝叶斯方法确定超参数,使得神经网络在训练过程中能自适应地调节超参数的大小,得出目标函数的最优化参数.同时,该方法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,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.最后,运用仿真软件对典型变压器运行数据进行仿真,验证了该算法的可行性.结果表明,建立的模型对变压器进行故障诊断时迭代次数为21次,实际值与预测值的误差平方和仅为0.000618.
針對現今電力變壓器故障診斷方法中存在編碼不齊全、準確率不高等一繫列問題,研究貝葉斯理論的神經網絡算法,提齣一種基于貝葉斯正則化優化L-M (Levenberg-Marquardt)算法神經網絡的變壓器油色譜故障診斷方法.算法採用貝葉斯方法確定超參數,使得神經網絡在訓練過程中能自適應地調節超參數的大小,得齣目標函數的最優化參數.同時,該方法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,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.最後,運用倣真軟件對典型變壓器運行數據進行倣真,驗證瞭該算法的可行性.結果錶明,建立的模型對變壓器進行故障診斷時迭代次數為21次,實際值與預測值的誤差平方和僅為0.000618.
침대현금전력변압기고장진단방법중존재편마불제전、준학솔불고등일계렬문제,연구패협사이론적신경망락산법,제출일충기우패협사정칙화우화L-M (Levenberg-Marquardt)산법신경망락적변압기유색보고장진단방법.산법채용패협사방법학정초삼수,사득신경망락재훈련과정중능자괄응지조절초삼수적대소,득출목표함수적최우화삼수.동시,해방법운용모호이론대개량삼비치법적변계모호화,장득도적특정기체비치편마작위망락모형적수입,유리우거제용여신식,병차극복료편마변계구간과우절대적결점.최후,운용방진연건대전형변압기운행수거진행방진,험증료해산법적가행성.결과표명,건립적모형대변압기진행고장진단시질대차수위21차,실제치여예측치적오차평방화부위0.000618.
