充油电气设备油色谱故障诊断ANN方法的性能优化

• 作者: 张宝全 马雅丽 关睿 白诗婷 李静 胡伟涛
• 来源期刊: 广东电力
• 关键词: 充油电气设备 油中溶解气体分析 人工神经网络 故障诊断 性能优化
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 电力人工智能|Electric Artifical Intelligence
• 页码范围: 39-47
• 页数: 9页
• 分类号: TM855.1|TP183
• 语种: 中文
• DOI: 10.3969/j.issn.1007-290X.2021.006.005

摘要

为了提高基于人工神经网络(artificial neural network,ANN)方法的充油电气设备油色谱故障诊断的准确性,对油色谱故障诊断中ANN的参数优化问题进行系统研究.基于搜集得到的大量故障特征气体数据,构建多层前馈ANN系统,研究训练算法、隐层神经元数量、训练目标、隐层和输出层神经元激活函数对训练性能和诊断准确率的影响.结果表明:训练目标一致时,8种不同算法训练得到的ANN具有相近的故障诊断准确率,建议选择其中速度最快的Levenberg-Marquardt算法来训练ANN;隐层神经元数量在一定范围内对故障诊断准确率影响不大;随训练目标(均方误差)的减小,训练时间增加,诊断准确率先增大后减小,建议均方误差选择0.01;隐层神经元激活函数选择线性函数时网络训练不易收敛,建议选择sigmoid函数.