乔维德

（无锡开放大学科研处，江苏无锡214011）

改进粒子群优化神经网络的高压断路器故障诊断

乔维德

（无锡开放大学科研处，江苏无锡214011）

摘要：在分析传统误差反向传播（BP）算法和标准粒子群优化（PSO）算法的特征及其问题基础上，提出一种改进粒子群优化（MPSO）算法和改进BP（MBP）算法，建立基于MPSO-MBP混合算法的高压断路器神经网络故障诊断模型.通过训练样本和测试样本的仿真对比分析，该方法能够实现高压断路器不同故障的有效诊断，提高高压断路器故障模式的识别能力，故障诊断准确率高、速度快.

关键词：高压断路器；MPSO-MBP；故障诊断

高压断路器是指在3 KV及以上电力系统中使用的断路器.高压断路器作为电力系统中极其重要的开关设备，在电网中承担着控制和保护的双重作用，其工作状态的优劣将直接影响电力系统的运行.高压断路器一旦发生故障，将会引起电网事故，导致较大的经济损失甚至人员伤亡，而高压断路器的绝大多数故障属于机械操作机构故障，主要因为机械特性不良所致［1］.所以，对高压断路器进行早期监测及故障诊断是保证电力系统安全可靠运行的重要措施之一.

随着计算机技术发展和对高压断路器机械故障原因研究的不断深入，催生了高压断路器故障诊断的诸多方法，如模糊推理、专家系统、神经网络等.其中大多数采用BP神经网络，但是应用传统的反向传播（Back Propagation，BP）神经网络进行故障诊断存在收敛速度慢、易陷入局部……