改进PSO-BPNN的电力变压器故障诊断与模式识别

• 作者: 刘惠敏 初妍 台金娟 夏琳琳 文磊
• 来源期刊: 沈阳工业大学学报
• 学科: 工学
• 关键词: 粒子群优化算法 混沌初始化 惯性权重 高斯扩张变异 BPNN方法 电力变压器 故障诊断
• 年，卷（期）: 2016,（6）
• 所属期刊栏目: 电气工程
• 页码范围: 606-611
• 页数: 6页
• 分类号: TM407
• 字数: 5196字
• 语种: 中文
• DOI: 10.7688/j.issn.1000-1646.2016.06.02

摘要

为了优化反向传播网络相关学习参数,提出一种粒子群优化辅助BP神经网络(BPNN)的新方法.以变压器油中气体体积分数百分比构造故障特征,将BP网络的初始权值和阈值进行实数编码,以对应PSO中的粒子,实现BP网络的离线训练与在线分析,对变压器故障模式做出判断.结果表明,该算法更合理地更新了粒子的位置和速度,最优地设置了全局极值,有效克服了粒子的早熟收敛,获得的故障诊断准确率高达91％,并大大提升了BP网络的收敛速度.该算法为此类设计提供了有效的模型参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	夏琳琳	东北电力大学自动化工程学院	26	106	5.0	8.0
2	初妍	哈尔滨工程大学计算机科学与技术学院	16	133	7.0	11.0
3	刘惠敏	青岛农业大学机电工程学院	13	62	4.0	7.0
4	文磊	东北电力大学自动化工程学院	3	15	1.0	3.0
5	台金娟	东北电力大学自动化工程学院	3	15	1.0	3.0