PSO改进RBPNN在变压器故障诊断中的应用
2016-10-14施恂山马宏忠许洪华陈冰冰
电力系统保护与控制 2016年17期
施恂山,马宏忠,张 琳,李 凯,许洪华,陈冰冰
PSO改进RBPNN在变压器故障诊断中的应用
施恂山1,马宏忠1,张 琳1,李 凯2,许洪华2,陈冰冰2
(1.河海大学能源与电气学院,江苏 南京211100;2.江苏省电力公司南京供电公司,江苏 南京 210008)
针对概率神经网络(PNN)及遗传算法(GA)在变压器内部故障诊断中存在的不足,提出了一种基于粒子群算法(PSO)改进径向基概率神经网络(RBPNN)的故障诊断方法。首先,引入RBPNN,选取反向传播作为学习算法以及油中溶解气体含量比值作为故障特征量。然后,由于该模型受网络结构和初值影响较大,故拟用GA、PSO和改进的PSO对网络优化并测试。通过对比分析,得出改进的PSO在确定拓扑结构、降低误差精度、加快收敛速度和提高预测准确度上更占优势的结论,同时证明了所提方法在故障诊断中的正确性和可行性。
粒子群算法;径向基概率神经网络;反向传播;变压器;故障诊断
0 引言
随着电网容量的不断扩大,电力系统的核心设备之一——电力变压器,其电压和容量也不断增大,当发生内部故障,产生的负面影响更大[1]。因此,为了整个电网的安全运行,对变压器运行状态及其早期潜伏性故障进行监测和判断,已经引起了相关电力系统部门的高度重视。
目前,油中溶解气体分析法(DGA)是对变压器内部故障诊断相对比较有效的一种方法,而其三比值法的固有缺点是存在编码边界过于绝对且编码不全的现象[2]。日本电气协同研究会提出的电协研法[3]对IEC编码进行了补充,故障判断准确率得到了一定的提升,但其诊断精度仍有待更进一步的提高。……
登录APP查看全文
