基于SA-KM算法和RBF神经网络的变压器故障诊断模型研究

• 作者: 张潇文 王冠 王爱军 郑文光
• 来源期刊: 自动化与仪表
• 关键词: 故障诊断 变压器 溶解气体分析技术 模拟退火 K-means聚类 径向基函数神经网络
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 系统建模、仿真与分析
• 页码范围: 80-83,91
• 页数: 5页
• 分类号: TP277|TM407
• 语种: 中文
• DOI: 10.19557/j.cnki.1001-9944.2019.12.016

摘要

针对目前变压器故障诊断手段匮乏、效果欠佳的问题,提出了基于模拟退火思想的改进K-means聚类(SA-KM)算法和径向基(RBF)神经网络相结合的变压器故障诊断方法.以变压器故障时的油中溶解气体分析技术为基础,通过SA-KM算法分别优化了RBF神经网络的学习中心,宽度阈值和连接权值的初始取值,从而优化了网络结构,再利用大量实例数据进行训练学习,建立了基于SA-KM-RBF算法的变压器故障诊断网络模型.仿真试验表明,该模型的故障诊断正确率高达91.43％,拥有非常广阔的应用前景.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王爱军		12	39	3.0	6.0
2	王冠		8	5	1.0	2.0
3	郑文光	华北电力大学电力工程系	1	0	0.0	0.0
4	张潇文	唐山师范学院资源管理系	1	0	0.0	0.0