程声烽，程小华，杨 露



基于改进粒子群算法的小波神经网络在变压器故障诊断中的应用

程声烽，程小华，杨 露

(华南理工大学电力学院，广东 广州 510640)

针对变压器故障征兆和故障类型的非线性特性，结合油中气体分析法，设计了一种改进粒子群算法的小波神经网络故障诊断模型。模型采用3层小波神经网络，并用一种改进粒子群算法对其进行训练。该算法在标准粒子群算法的基础上，通过引入遗传算法中的变异算子、惯性权重因子和高斯加权的全局极值，加快了小波神经网络训练速度，提高了其训练的精度。仿真实验证明这种改进粒子群算法的小波神经网络可以有效地运用到变压器故障诊断中，为变压器故障诊断提供了一条新途径。

改进粒子群算法；小波神经网络；变压器；故障诊断

0 引言

电力变压器的安全可靠运行对于电力系统、国民经济起着非常重要的作用。能否快速准确地诊断和预测出变压器已有故障或潜伏性故障对电力系统稳定运行具有重要的现实意义。传统的变压器故障诊断方法中，以油中气体分析法（DGA）应用最为广泛，其主要通过油中溶解气体与变压器故障类型之间的对应关系，在已知气体组分的情况下对故障类型进行诊断，IEC三比值法和改良电协研法就由此而来，但其编码范围的边界及编码类型过于绝对，影响故障诊断的精度，因此寻求高精度诊断方法迫在眉睫。随着人工智能和计算机技术的发展，各种智能技术为变压器故障诊断提供了一个新思路，其中小波神经网络（Wavelet Neural Network，WNN）便是其中之一。……