王雅娟，张湧涛

（河北联合大学 电气工程学院，河北 唐山 063000）

近年来，各国专家都致力于变压器故障诊断的人工智能方法的研究。人工神经网络以其独特的容错、联想、推测、记忆、自适应、自学习和处理复杂模式等优点，在电力变压器故障诊断中得到了应用，效果较好[1]。本文利用MATLAB环境构造了一个用于变压器故障诊断的BP网络模型，利用遗传算法对BP神经网络的初始权值和阈值进行优化，然后采用LM（Levenberg-Marquardt）优化算法对BP神经网络进行训练；仿真结果证明，此网络模型精确度较高，可用于变压器的故障诊断。

1 理论基础

1.1 BP神经网络

BP神经网络是一种采用了误差反向传播 （Error Back Propagation，简称BP）算法的单向传播的多层前馈网络，它分为输入层 （Input Layer）、 隐含层 （Hidden Layer） 和输出层（Output Layer）。网络除输入层节点外，有一层或多层的隐含层节点，同层节点之间没有任何连接[2]。输入信号从输入层节点依次传过各隐含层节点，然后传到输出节点，每一层节点的输出只影响下一层节点的输出。BP网络可以看作是一个从输入空间到输出空间的高度非线性映射。在多层前馈网的应用中，单隐含层BP网络的应用最为广泛，其网络结构如图1所示。

图1 BP神经网络结构Fig.1 BP neural network structure

在 3 层的 BP 神经网络中，输入向量为X=（x1，x2，…，xi，…，xn）T，如果加入xo=-1，可为隐含层神经元引入阈值。隐含层输出向量为Y= （y1，y2...，yj..，ym）T，如果加入y0=-1，可为输出层神经元引入阈值。输出层的实际输出向量为O=（o1，o2，...，ok，...，ol）T，期望输出向量为d=（d1，d2...，dk...，dl）T。 输入层到隐含层之间的权值矩阵用V表示，V=（v1，v2...，vj..，vm）T，其中列向量Vj称为隐含层第j个神经元对应的权向量；……