基于PCA与GA-LM-BP神经网络的变压器故障诊断

• 作者: 潘笑天 禹建丽 陈洪根
• 来源期刊: 河北工业大学学报
• 学科: 工学
• 关键词: 主成分分析 神经网络 遗传算法 变压器 故障诊断
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 2017 年中国智能自动化学术会议(CIAC-2017)论文
• 页码范围: 106-114
• 页数: 9页
• 分类号: TP242.6|TP391.4
• 字数: 7012字
• 语种: 中文
• DOI: 10.14081/j.cnki.hgdxb.2017.05.018

摘要

研究基于油中溶解气体的变压器故障诊断问题.采用主成分分析与数据归一化方法,对变压器故障样本数据进行规范化处理,使其更具有代表性.对比主成分规范化前后的样本故障诊断结果,主成分分析能够消除特征气体样本数据间的相关性,使输入层样本数据更加符合神经网络工作机理.实验可得主成分规范化后的样本故障诊断结果优于未经过主成分分析规范化的故障诊断结果.在主成分分析对数据规范化的基础上,进一步改进BP神经网络算法,建立基于Levenberg-Marquardt算法的LM-BP神经网络故障诊断模型,改善了BP神经网络模型诊断精度不高,网络收敛困难以及易陷入局部极小值等问题.利用遗传算法对LM-BP神经网络的权值和阈值进行优化,然后再进行第2次神经网络训练,克服了LM-BP神经网络性能受初始权值和阈值限制的问题,使故障诊断正确率提高了6.16%.通过对441组样本数据中随机选取的376组训练样本和65组检验样本进行故障诊断实验,诊断正确率达到83%,表明所构建的基于PCA与GA-LM-BP神经网络的故障诊断方法是一种有效的变压器故障诊断方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈洪根	郑州航空工业管理学院管理工程学院	27	102	7.0	8.0
2	禹建丽	郑州航空工业管理学院管理工程学院	24	142	5.0	11.0
3	潘笑天	郑州航空工业管理学院管理工程学院	8	14	2.0	3.0