基于新径向基函数网络的变压器故障诊断法

• 作者: 张博 文习山 蓝磊 陈江波
• 来源期刊: 高电压技术
• 学科: 工学
• 关键词: k-均值聚类算法 径向基函数神经网络 变压器 故障诊断 方法 收敛速度 聚类性能
• 年，卷（期）: 2007,（3）
• 所属期刊栏目: 故障诊断与状态检修
• 页码范围: 140-143
• 页数: 4页
• 分类号: TM411
• 字数: 3318字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6520.2007.03.033

摘要

油中溶解气体分析(DGA)是判别变压器内部绝缘状况及发现内部潜伏性故障的重要手段,而多层前馈网络(MLFNN)是应用广泛的故障诊断模型.为此,提出了以DGA数据为特征参数的新型径向基函数神经网络(RBFNN )诊断变压器故障.在分析传统k-均值聚类算法RBFNN的缺点和最优聚类特性的基础上,介绍了RBFNN的新算法-自适应k-均值聚类算法,它既能避免传统k-均值聚类算法的局部收敛的缺点,又能动态调整学习率.最后,大量聚类实验结果显示自适应k-均值聚类算法在收敛速度和聚类性能上比传统k-均值聚类算法显著提高;故障诊断实验结果显示所提出的模型故障诊断准确度高于传统BPNN、RBFNN及IEC三比值法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蓝磊	武汉大学电气工程学院	106	1335	22.0	33.0
2	文习山	武汉大学电气工程学院	246	4981	39.0	56.0
3	陈江波	武汉大学电气工程学院	8	176	6.0	8.0
4	张博	武汉大学电气工程学院	50	426	12.0	19.0