基于GA-RBF神经网络的变压器温升预测

• 作者: 任新新 周玲 陈月峰 黄方良
• 来源期刊: 电测与仪表
• 学科: 工学
• 关键词: 变压器 遗传算法 RBF神经网络 温升 预测
• 年，卷（期）: 2012,（4）
• 所属期刊栏目: 理论与实验研究
• 页码范围: 1-4
• 分类号: TM406
• 字数: 3233字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-1390.2012.04.001

摘要

以预测变压器温升为目的,提出了一种基于遗传算法(GA-Genetic Algorithm)优化径向基函数(RBF-Radial Basis Function)神经网络的预测模型.首先用GA算法优化RBF神经网络中的隐层节点个数、输出权重、隐层基函数中心及宽度这四个参数的初值,然后利用优化后的RBF神经网络对样本进行训练,这样克服了传统神经网络参数选择的随机性.以S9-1000/10低损耗电力变压器为例作温升试验,将预测值与实测值对比,并与基于传统的BP神经网络预测值对比,结果表明,该方法得到的变压器温升预测值与实测值更接近,该预测模型具有更高的精度和适应能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周玲	河海大学能源与电气学院	43	721	14.0	26.0
2	黄方良	河海大学能源与电气学院	4	25	3.0	4.0
3	任新新	河海大学能源与电气学院	3	22	2.0	3.0
4	陈月峰		1	9	1.0	1.0