基于GA-BPNN的多频超声波变压器油密度检测研究

• 作者: 周渠 彭磊 李丽 杨壮 赵耀洪 钱艺华
• 来源期刊: 电力工程技术
• 学科: 工学
• 关键词: 多频超声波 神经网络 变压器油 密度 预测
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 人工智能在电力系统中的技术研究与应用专题
• 页码范围: 37-41
• 页数: 5页
• 分类号: TM93
• 字数: 2656字
• 语种: 中文
• DOI: 10.12158/j.2096-3203.2019.05.006

摘要

变压器油是电力变压器中的主要绝缘物质之一,油的密度指标与变压器的安全运行息息相关.文中基于多频超声波、遗传算法-反向传播神经网络(GA-BPNN)的原理,对变压器油密度进行了预测研究.以电网公司110组变压器油为例,其中100组为训练集,10组为预测集.建立了基于BPNN的变压器油密度预测模型,并将242维多频超声数据作为输入,密度作为输出.通过试验法确定了BPNN的隐层神经元个数,由此建立非线性映射关系,并用遗传算法优化BPNN的各层连接权值及阈值.结果 表明,与传统的标准BPNN模型相比,GA-BPNN模型的变压器油密度值与实际值拟合度更高,误差更小.研究结果为检测变压器油的其他参数提供了可靠的依据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	钱艺华	广东电网有限责任公司电力科学研究院	35	172	7.0	11.0
2	李丽	广东电网有限责任公司电力科学研究院	58	351	11.0	15.0
3	赵耀洪	广东电网有限责任公司电力科学研究院	14	24	3.0	4.0
4	杨壮	西南大学工程技术学院	1	2	1.0	1.0
5	彭磊	广东电网有限责任公司电力科学研究院	9	5	2.0	2.0
6	周渠	西南大学工程技术学院	17	40	3.0	5.0