基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为提高变压器故障诊断精度,提出了一种改进粒子群优化RBF网络算法,用于优化RBF网络的中心参数.首先通过非线性递减权值策略改进粒子群算法,再利用改进粒子群优化RBF网络,最后建立用于变压器故障诊断的RBF网络模型,并在Matlab平台上进行了仿真测试.结果 表明,优化后的RBF网络比单一RBF网络故障诊断率有大幅提高.通过诊断国网某公司的5组故障实例,验证了所提算法的可行性.
推荐文章
基于改进粒子群优化XGBoost的变压器故障诊断方法
变压器
故障诊断
极端梯度提升
粒子群算法
无编码比值
基于改进粒子群优化T-S ANFIS算法的诊断油浸式变压器故障研究
油浸式变压器
改进粒子群
自适应模糊神经网络
故障诊断
算法优化
基于组合核相关向量机和量子粒子群优化算法的变压器故障诊断方法
变压器
故障诊断
量子粒子群优化
相关向量机
组合核函数
基于SA-KM算法和RBF神经网络的变压器故障诊断模型研究
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
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于改进粒子群优化RBF网络的变压器故障诊断
来源期刊 水电能源科学 学科 工学
关键词 变压器 故障诊断 改进粒子群算法 RBF网络
年,卷(期) 2019,(4) 所属期刊栏目 电气工程
研究方向 页码范围 184-186,191
页数 4页 分类号 TM407
字数 语种 中文
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (123)
共引文献  (423)
参考文献  (10)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1967(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(3)
  • 参考文献(0)
  • 二级参考文献(3)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(7)
  • 参考文献(0)
  • 二级参考文献(7)
2004(5)
  • 参考文献(0)
  • 二级参考文献(5)
2005(11)
  • 参考文献(0)
  • 二级参考文献(11)
2006(10)
  • 参考文献(1)
  • 二级参考文献(9)
2007(13)
  • 参考文献(1)
  • 二级参考文献(12)
2008(16)
  • 参考文献(1)
  • 二级参考文献(15)
2009(8)
  • 参考文献(0)
  • 二级参考文献(8)
2010(13)
  • 参考文献(1)
  • 二级参考文献(12)
2011(3)
  • 参考文献(0)
  • 二级参考文献(3)
2012(9)
  • 参考文献(2)
  • 二级参考文献(7)
2013(4)
  • 参考文献(0)
  • 二级参考文献(4)
2014(5)
  • 参考文献(0)
  • 二级参考文献(5)
2015(4)
  • 参考文献(0)
  • 二级参考文献(4)
2016(15)
  • 参考文献(2)
  • 二级参考文献(13)
2017(2)
  • 参考文献(2)
  • 二级参考文献(0)
2019(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
变压器
故障诊断
改进粒子群算法
RBF网络
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
水电能源科学
月刊
1000-7709
42-1231/TK
大16开
武汉市洪山区珞喻路1037号华中科技大学内
38-111
1983
chi
出版文献量(篇)
9307
总下载数(次)
26
总被引数(次)
55104
论文1v1指导