基于贝叶斯和模糊L-M网络的变压器故障诊断

• 作者: 宋桐 李文君子 林淑凡 王娅娜 黄新波
• 来源期刊: 电力建设
• 学科: 工学
• 关键词: 电力变压器 贝叶斯正则化 超参数 神经网络 模糊理论
• 年，卷（期）: 2014,（2）
• 所属期刊栏目: 理论研究
• 页码范围: 1-6
• 页数: 6页
• 分类号: TM73
• 字数: 6526字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-7229.2014.02.001

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄新波	西安工程大学电子信息学院	168	2529	27.0	44.0
2	林淑凡	西安工程大学电子信息学院	4	41	4.0	4.0
3	宋桐	西安工程大学电子信息学院	6	41	5.0	6.0
4	王娅娜	西安工程大学电子信息学院	5	110	5.0	5.0
5	李文君子	西安工程大学电子信息学院	4	31	3.0	4.0