基于组合蚁群算法优化神经网络诊断变压器潜伏性故障

• 作者: 张寒 曾植 曾祥君 曾程 杨廷方
• 来源期刊: 电气应用
• 关键词: 变压器 故障诊断 BP神经网络 组合蚁群算法 信息素
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 理论分析
• 页码范围: 43-49
• 页数: 7页
• 语种: 中文

摘要

针对变压器故障诊断中BP神经网络存在收敛速度慢、易陷入局部极小值等问题,提出组合蚁群算法(Combined ACO,CACO)以优化BP神经网络的权值和阈值,加快神经网络的收敛速度并实现全局最优.该方法将带精英策略的蚂蚁系统与最大-最小蚂蚁系统进行结合,对精英蚂蚁信息素轨迹量值域范围进行区间限制,有效地解决了各信息素轨迹之间差异过大的问题,避免了局部最优和早熟收敛,提高了算法的全局搜索能力,克服了常规BP算法训练神经网络在变压器故障诊断中存在的不足.实例验证表明,CACO神经网络比BP神经网络减少了96％的迭代次数,并且在故障诊断方面,CACO神经网络的准确率达到了93.9％,远远高于BP神经网络的78.5％.