改进BP神经网络的SVM变压器故障诊断

• 作者: 张少敏 杨韵洁 王保义
• 来源期刊: 电测与仪表
• 学科: 工学
• 关键词: 变压器 故障诊断 改进BP神经网络 SVM 权重 准确率
• 年，卷（期）: 2019,（19）
• 所属期刊栏目: 智能电网
• 页码范围: 53-58
• 页数: 6页
• 分类号: TM933
• 字数: 4585字
• 语种: 中文
• DOI: 10.19753/j.issn1001-1390.2019.019.009

摘要

油中溶解气体是变压器故障诊断的重要依据,为了融合以及扩充变压器油中溶解气体含量的特征信息,提高变压器故障诊断准确率,文中提出了改进BP神经网络的SVM(Support Vector Machine)变压器故障诊断方法.通过改进的BP神经网络将5维的气体特征信息进行融合并扩充到128维;在改进的BP神经网络中使用每层提取的特征向量作为SVM的输入对变压器故障进行诊断,增加改进的BP神经网络中诊断准确率较高的特征向量的权重;选择累积权重最大的特征向量作为输入,使用SVM进行变压器的故障诊断.该方法经过多层神经网络的映射使提取的气体特征信息融合及扩充后具有更加明显的特征区别,从而可以有效的提高SVM的诊断准确率.实验结果表明,所提出的算法与BP神经网络和SVM的变压器故障诊断方法相比诊断准确率有较大的提升.同时,随着训练数据样本的增加,模型的诊断准确率具有一定的提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王保义	华北电力大学控制与计算机工程学院	59	973	16.0	29.0
2	张少敏	华北电力大学控制与计算机工程学院	51	750	15.0	26.0
3	杨韵洁	华北电力大学控制与计算机工程学院	1	7	1.0	1.0