基于遺傳算法優(yōu)化BP神經網絡的變壓器故障診斷.pdf

1、大型電力變壓器是電力系統(tǒng)的樞紐設備之一，其運行狀況將直接影響電力系統(tǒng)的安全運行，一旦發(fā)生故障將對電力系統(tǒng)和終端用戶造成重大的影響和危害。因此，研究變壓器故障診斷技術，提高變壓器的運行維護水平，對電力系統(tǒng)的安全運行具有重要的現實意義。 變壓器油中溶解氣體分析法是診斷變壓器內部故障的有效手段。由于神經網絡具有并行分布處理、自適應、聯想、記憶及聚類和容錯性等諸多優(yōu)點，適于變壓器內部故障發(fā)生及發(fā)展多過程、多故障的多模式系統(tǒng)診斷。BP神經

2、網絡具有簡單和可塑的優(yōu)點，但是BP算法是基于梯度的方法，這種方法的收斂速度慢，且常受局部極小點的困擾，當學習樣本數目多、輸入輸出關系較為復雜時，網絡收斂速度緩慢，收斂精度不理想，甚至不收斂。遺傳算法具有全局尋優(yōu)的能力，可有效的改善BP神經網絡收斂速度和收斂精度，提高故障診斷成功率。 本文針對變壓器故障氣體及故障類型的特點，建立了結構為3-13-7型的變壓器故障診斷BP神經網絡模型。提出了遺傳算法優(yōu)化BP神經網絡初始權重和閾值和在

3、BP神經網絡運行過程實現遺傳算法對權重和閾值尋優(yōu)兩種優(yōu)化方法。應用這兩種方法和傳統(tǒng)改進方法對網絡模型進行訓練和比較。并將經遺傳算法優(yōu)化的BP網絡模型應用于變壓器故障診斷，訓練和診斷結果表明：系統(tǒng)采用的兩種GA優(yōu)化算法分別在106步和113步達到收斂，明顯的高于L-M優(yōu)化的BP法的211步，收斂速度分別提高了49.8％和46.4％。通過對30組樣本的測試，檢驗了故障診斷系統(tǒng)的診斷準確率分別達到96.7％和93.3％，明顯高于我國現行的DT