PSO改进RBPNN在变压器故障诊断中的应用
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
44
TM7;TM3
国家自然科学基金项目51577050;江苏省电力公司科技项目J2014055This work is supported by National Natural Science Foundation of China51577050;Science and Technology Project of Jiangsu Province Electric Power CompanyJ2014055
2016-10-27（万方平台首次上网日期，不代表论文的发表时间）
共6页
39-44
