基于DGA的粒子群极限学习机电力变压器故障诊断

• 作者: 吴广宁 袁海满 高波
• 来源期刊: 高压电器
• 关键词: 极限学习机 神经网络 粒子群算法 变压器
• 年，卷（期）: 2016,（11）
• 所属期刊栏目: 研究与分析
• 页码范围: 176-180,187
• 页数: 6页
• 语种: 中文
• DOI: 10.13296/j.1001-1609.hva.2016.11.029

摘要

传统单一人工智能方法对变压器故障诊断中采用的大量不完备信息不能够有效处理,导致故障诊断准确率不高.为弥补这一不足,在全面分析粒子群算法(particle swarm optimization,PSO)和极限学习机(extreme learning machine,ELM)各自优势的基础上,构建了一种基于粒子群优化极限学习机的变压器故障诊断方法.该方法以DGA作为特征输入,利用粒子群算法对极限学习机的输入层权值和隐含层阈值进行优化,从而提高变压器故障诊断的精度.实例对比分析表明,与BP神经网络和极限学习机方法相比,粒子群极限学习(PSO-ELM)方法有更高的诊断准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴广宁		458	6939	39.0	56.0
2	高波		320	5733	38.0	59.0
3	袁海满		7	7	1.0	2.0