乔维德

（无锡开放大学，江苏无锡214011）

基于人工鱼群-蛙跳神经网络的变压器故障诊断

乔维德

（无锡开放大学，江苏无锡214011）

为提高电力变压器故障诊断的准确率，提出一种基于人工鱼群-蛙跳混合算法（AFSAFLA）优化的神经网络模型，并用于电力变压器的故障诊断.人工鱼群-蛙跳混合算法融合了人工鱼群算法前期全局收敛速度迅速以及蛙跳算法局部搜索能力强的优势，其运算速度和优化精度有了极大提升.仿真实验结果分析表明，该方法能对变压器各种类型故障加以有效诊断，故障诊断正确率高、速度快，能满足电力变压器故障诊断的实际工程需要.

变压器；人工鱼群算法；蛙跳算法；故障诊断

电力变压器为电网中极其重要的输变电设备，其安全与可靠运行直接影响着整个电力系统的安全性.一旦电力变压器在运行过程中发生故障，不仅可能造成电网的整体或局部瘫痪，而且还会带来惨重的安全事故和巨大的经济损失.所以，对电力变压器可能发生的故障类型进行预测诊断，可及时了解电力变压器的运行状态，并对变压器的维护和检修提供科学指导，及时排查并消除变压器故障及其安全隐患，降低变压器故障发生概率.电力变压器结构一般较为复杂，如何在变压器故障发生早期或潜伏期便能应用诊断技术加以诊断，一直是学者们关注和研究的课题.传统的诊断变压器故障方法有多种，其中的油中溶解气体分析（DGA）法……